-
公开(公告)号:CN116911170A
公开(公告)日:2023-10-20
申请号:CN202310763826.2
申请日:2023-06-27
Applicant: 东南大学
IPC: G06F30/27 , G06F30/17 , G06N3/04 , G06N3/08 , G06F111/04
Abstract: 本发明涉及一种基于神经网络和小位移旋量的公差建模方法。现有的旋量模型往往通过设计公差给定各自由度的变动范围,这无法精确反映实际装配性能,无法满足高精度装配需求公差建模。在相同生产工艺下加工、装配的类似结构的零部件公差往往符合同一规律。通过对这一规律的利用,可以结合零件的装配结合面的实际加工性能,精确、高效地构建零件的小位移旋量偏差模型,为装配性能的分析奠定基础。为了分析零部件的装配偏差规律,本发明利用旋量模型来表达零件相关几何特征的公差变动量,通过神经网络对零件实际装配结合面偏差数据进行学习,构建旋量预测模型,通过获取零件几何特征的参数,输出旋量偏差数值变动范围,提高零件公差生成效率和精度。
-
公开(公告)号:CN118780159A
公开(公告)日:2024-10-15
申请号:CN202410821543.3
申请日:2024-06-24
Applicant: 东南大学
IPC: G06F30/27 , G06N5/01 , G06F111/04
Abstract: 本发明设计了一种基于图搜索的装配误差建模方法。在基于数字孪生驱动的复杂产品装配过程中,现有的装配误差建模方法难以在考虑载荷作用下高保真地构建装配误差从而无法快速指导现场装配。本发明提出了一种基于图搜索的装配误差建模方法,首先,构建包括装配结合面制造误差、定位定向误差和接触变形误差的多维度误差模型,其次,考虑反向传播误差建立多阶段装配误差传递更新流,并在建立考虑零件级、结合面级平行装配连接有向图的基础上建立多层级装配偏差传递有向图,并建立装配误差反向传播搜索策略,最后,构建完整的装配偏差传递模型对装配精度进行分析预测,指导现场装配。
-