一种基于小样本知识学习的工艺生成方法

发布时间：2021-06-28 16:32

　　针对兵器行业关键零部件加工工艺自动生成所需样本数量不足的问题,提出了一种基于小样本知识学习的工艺生成方法,重点研究基于样本变换和样本集扩展的几何模型增强解析技术,以及基于数字孪生的工艺知识增量学习技术,以实现工艺样本的整体增强。同时,建立面向增强样本分析的卷积神经网络模型和适于异构知识融合的知识图谱,形成工艺知识的高效分析与有效利用方法。采用深度神经网络模型解决复杂零件三维设计模型的工艺结构解析问题;基于知识图谱的工艺知识表征方法和工艺生成技术以克服工艺信息碎片化的难题;通过数字孪生模型与工艺验证技术解决理论工艺方案与现场生产要素脱节的问题。实现了基于零部件结构解析、基于知识图谱的工艺方案生成和基于数字孪生的工艺验证和优化的工艺知识闭环分析。 

【文章来源】：新技术新工艺. 2020,(12)

【文章页数】：6 页

【部分图文】：

基于小样本增强学习的工艺结构解析整体框架

本文提出一种基于小样本学习的工艺结构解析的网络模型，构建投影判别网络将加工特征投影到一个新的度量空间，在新空间内同一类内的方差最小，不同类之间的方差最大。以下就是投影判别网络的整体结构。投影判别网络结构示意图如图2所示，包括特征嵌入模块、相关模块和距离度量模块。在数据集增强完成之后，需要对其进行分割，用来训练、测试以及验证。其中，训练集、测试集和验证集包含很多机械零件典型特征，而每个类只包含少量样本即可。使用投影判别网络训练过程中，每次抽取不同子集，每一轮的子任务集都是不同的类别去组合的，从而希望模型从不同的子任务中学习共通的通用部分，最终提取不同类别特征的共性部分，增强其泛化能力。1.2 复杂零件多特征识别模块

工艺知识库包括机床库、刀具库、特征库和工艺库。机床库中含有机床的基础信息，还可以通过建立的虚拟机床进行仿真运动，确认产品及夹具装夹位置，同时确认机床主轴与加工体的运动关系。刀具库含有刀具的基础信息，同时建立的虚拟刀具有真实刀具的外形，定义了完善的刀具连接，可以快速映射现场安装和使用条件。库中还具有其丰富的切削参数矩阵，可以根据设备、材料、加工工艺选择合适的加工参数。特征库中录入了大量标准零件加工特征，同时还支持自由设定特征的第三方CAD特征添加。工艺库集成了多种加工工艺，每种工艺由工艺知识图谱表示。结合不同特征对应的零件固有属性和加工要求，为特征库中的每一个特征绑定具体的知识图谱。基于工艺知识库的辅助工艺设计整体实现架构图如图3所示。2.1 工艺知识图谱构建

【参考文献】：
期刊论文
[1]航天产品三维数字化工艺设计模式探索[J]. 焉嵩,路骐安,胡志强,张海洋,陈宏亮,王硕,刘彩军.  航天制造技术. 2019(03)
[2]基于三维特征检索的数控工艺模板匹配算法[J]. 陈松威,王华昌,李建军.  模具工业. 2018(08)
[3]三维数字化工艺模型及其表达框架[J]. 乔立红,考书婷,杨志兵.  机械工程学报. 2015(08)
[4]车铣复合加工工艺设计中的关键问题研究[J]. 史旭升,乔立红,胡权威.  航空制造技术. 2014(04)



本文编号：3254666