-
公开(公告)号：CN118395856A
公开(公告)日：2024-07-26
申请号：CN202410497098.X
申请日：2024-04-23
Applicant: 华中科技大学 , 武汉智能设计与数控技术创新中心
IPC: G06F30/27 , G06F30/17 , G06N3/045 , G06N3/0464 , G06N3/048 , G06F119/14
Abstract: 本发明属于作用力预测相关技术领域，其公开了一种基于切削几何图像预测瞬时刀具‑工件相互作用力的方法及系统，包括：获取切削几何体图像，并基于该切削几何体图像获得切削要素矩阵；基于刀具包络体形状获得水平角编码矩阵和轴向角编码矩阵，并对其进行特征扩展，获得扩展矩阵；将切削要素矩阵和扩展矩阵输入训练完成的神经网络，获得负载矩阵；将刀具的每条切削刃离散为h个单元，基于负载矩阵获得设定刀具角度下各单元的负载，对各单元的负载进行累加获得刀具整体受力，对各单元的负载与预设高度截面处的相对位置矢量的叉积进行累加获得预设高度截面处所受力矩。本申请可以实现刀具所受铣削力的分布的预测和刀具整体受力及力矩的预测。
-
公开(公告)号：CN116433918A
公开(公告)日：2023-07-14
申请号：CN202310460524.8
申请日：2023-04-26
Applicant: 华中科技大学 , 武汉智能设计与数控技术创新中心
IPC: G06V10/40 , G06V10/74 , G06F16/535 , G06N20/00 , G06V10/774
Abstract: 本发明公开了一种切削几何体图像特征处理与筛选方法及系统，属于数控铣削加工及人工智能技术领域，方法通过计算一维特征频数分布、二维特征频数分布，得到特征分布差异，将得到的3个特征分布差异指标即一维特征差异WQ、二维特征差异Wcenter、二维特征差异Wpos与4个特征缺失率指标即一维特征的特征缺失率FeatureLossQ、CWE中心点位置center的特征缺失率FeatureLosscenter、有效像素的位置pos的特征缺失率FeatureLosspos、有效像素点深度d的特征缺失率FeatureLossd，按照重要程度加权求和得到数据集总指标；最后依据数据集总指标，将拉大数据集总指标的图像样本从数据集中删除，从而筛选得到最优数据集。本发明解决了现有技术缺乏对切削几何体图像数据集的特征分布、特征缺失、局部特征的描述和评估的技术问题。
-
公开(公告)号：CN119087905A
公开(公告)日：2024-12-06
申请号：CN202411159907.2
申请日：2024-08-22
Applicant: 华中科技大学 , 武汉智能设计与数控技术创新中心
IPC: G05B19/19
Abstract: 本发明属于数控加工及人工智能相关技术领域，其公开了一种无策略铣削加工刀具路径生成方法及系统，方法包括：获取待加工零件的网格模型确定待加工区域，将刀具路径生成问题转化为网格中心点访问顺序问题，将其转换为强化学习任务；建立强化学习任务的MDP模型，MDP模型中的智能体为刀具，环境为网格中心点的状态，定义刀具的状态空间以及对应的动作空间，设置刀具动作的即时奖励函数；求解该MDP模型，生成待加工零件的刀具路径。本发明将强化学习方法与刀具路径生成进行有效结合，通过将刀具路径生成问题转换为求解强化学习任务，不需要给定刀路生成策略，可以自主生成刀具路径，从而减少人工依赖，且提高加工效率。
-
公开(公告)号：CN119087904A
公开(公告)日：2024-12-06
申请号：CN202411159857.8
申请日：2024-08-22
Applicant: 华中科技大学 , 武汉智能设计与数控技术创新中心
IPC: G05B19/19
Abstract: 本发明属于数控加工相关技术领域，其公开了一种基于加工引导线偏置的铣削加工刀具路径生成方法及系统，其中方法包括：S1，获取待加工零件的简化网格模型；S2，确定简化网格模型上的待加工区域，将待加工区域的刀具路径生成问题转化为刀具路径点访问顺序问题；S3，求解待加工区域的刀具路径点访问顺序问题，生成加工引导线；S4，对加工引导线进行偏置、延长、裁剪和连接处理，获取偏置线路，将偏置线路作为所述待加工零件的刀具路径中的移动线路以生成刀具路径。本发明基于离散路径点的最优访问顺序生成加工引导线，基于该加工引导线生成的刀具加工移动路线冗余切削较少，加工效率较高；且刀具路径生成的效率较高。
-
公开(公告)号：CN118379462A
公开(公告)日：2024-07-23
申请号：CN202410544597.X
申请日：2024-04-30
Applicant: 华中科技大学 , 武汉智能设计与数控技术创新中心
IPC: G06T17/20 , G06V10/762
Abstract: 本发明属于数控加工相关技术领域，公开了一种基于三角片聚类的自由曲面分割方法及系统，方法包括：将三角片集中第一个三角片移至聚类P中，并将其作为种子三角片，获得其法向量；在三角片集中遍历种子三角片的相邻三角片i，获取种子三角片与三角片i的夹角，若小于预设值，则将三角片i移入聚类P；在聚类P以三角片i中的三角片为种子三角片，在三角片集中遍历其相邻三角片j，获取种子三角片与三角片j的夹角若小于预设值，则将三角片j移入聚类P中；选择三角片集中剩余的第一个三角片作为种子三角片，重复执行以上步骤，完成三角片集的重新聚类P*，依据聚类P*对自由曲面进行加工。本申请解决了加工过程中不稳定、效率低的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN118296966A
公开(公告)日：2024-07-05
申请号：CN202410525276.5
申请日：2024-04-29
Applicant: 华中科技大学 , 武汉智能设计与数控技术创新中心
IPC: G06F30/27 , G06F30/17 , G06F18/214 , G06F18/24 , G06F17/18 , G06N3/0464 , G06N3/044 , G06N3/0442 , G06N3/048 , G06N3/08 , G06N3/126 , B23Q17/09 , G06F119/14
Abstract: 本发明属于数控铣削加工领域，并具体公开了一种铣刀磨损混合模型、基于加工工艺信息的铣刀磨损混合建模方法及系统，其包括：根据铣刀磨损物理模型，生成多组加工参数‑仿真磨损数据，构成源域数据集；通过源域数据集训练基于神经网络构建的大数据模型，将训练好的大数据模型作为预训练模型；基于真实磨损数据构建目标域数据集，通过目标域数据集对预训练模型进行微调，得到铣刀磨损混合模型。本发明可以在具有较强的可解释性和较高的模型泛化性的基础上，降低模型对于样本数据的要求，进而降低实验成本；同时利用深度学习模型的非线性拟合能力，具有较高的模型精度。
-
公开(公告)号：CN115128997A
公开(公告)日：2022-09-30
申请号：CN202210745696.5
申请日：2022-06-28
Applicant: 华中科技大学
IPC: G05B19/4065 , G06K9/62
Abstract: 本发明公开了一种基于指令域与朴素贝叶斯的有效样本提取方法及系统，属于数控加工技术领域。方法包括：获取每一刀位点的工艺参数与内部响应数据和外部响应数据的对应描述；基于k近邻实现传感器观测的响应状态划分方法；利用朴素贝叶斯融合多个传感器的状态评价结果并从中提取出“工况‑响应”一致的数据作为有效数据；基于单因素的方差分析原理，构建四个评价级别(优秀、良好、合格、不合格)实现有效样本质量评价；最终可使用高质量的有效样本和智能算法研究工艺系统响应规律。该算法挖掘加工数据中的有效信息，提取的高质量样本数据适用于神经网络等智能算法训练。本发明有理论依据，且简单易实现，具有广泛的适用性。
-
公开(公告)号：CN114202662A
公开(公告)日：2022-03-18
申请号：CN202111406872.4
申请日：2021-11-24
Applicant: 华中科技大学 , 武汉华中数控股份有限公司
Abstract: 本发明属于铣削精加工及深度学习相关技术领域，其公开了一种结合相邻刀轨横向几何特征的刀具特征点识别方法及设备，方法包括以下步骤：(1)解析目标零件的G01程序段以获取加工刀具路径中刀位点的三维坐标，并按照刀具行进方向排序以得到刀位点点云；(2)确定并计算刀位点的几何参数，构建刀位点的几何特征向量；(3)结合刀具行进方向的邻域刀位点生成刀位点几何特征矩阵；(4)将刀位点云拓扑成图数据结构；(5)通过每个刀位点的邻接刀位点索引构建刀位点间的连通关系，计算刀位点云邻接矩阵；(6)将预测特征点的刀位点云数据及刀位点云邻接矩阵输入训练后图神经网络模型，以完成刀具特征点识别。本发明有更高的识别精度和查全率。
-
公开(公告)号：CN114170429B
公开(公告)日：2024-09-24
申请号：CN202111367310.3
申请日：2021-11-18
Applicant: 华中科技大学 , 武汉华中数控股份有限公司
Abstract: 本发明公开了一种铣削精加工刀具路径特征点的识别方法及装置，从刀具路径中刀位点的坐标出发，提取出刀位点的几何信息，并提出一种刀位点几何参数图像编码方法，将刀位点几何信息编码为刀位点几何参数图像，该图像能够有效的表达目标刀位点与刀具行进方向邻域刀位点综合几何特征，借助深度学习领域中卷积神经网络模型，学习刀路轨迹中特征点的识别模式，通过标记后刀位点的几何参数图像作为训练集，训练卷积神经网络模型，通过该模型可实现对其他零件加工刀具路径中特征点的预测识别，亦可通过预测‑再训练的方式不断的优化卷积神经网络模型。经实验表明，本发明相较于传统方法拥有更好的特征点识别精度与查全率。
-
公开(公告)号：CN114239733B
公开(公告)日：2024-09-06
申请号：CN202111570003.5
申请日：2021-12-21
Applicant: 华中科技大学
IPC: G06F18/214 , G06N3/02 , G06F30/27
Abstract: 本发明公开了一种基于迁移学习的机床响应建模方法、建模系统以及响应预测方法，该建模方法包括：利用源域数据训练源域响应预测模型；在源域响应预测模型上加入自适应层，以使损失函数小于预设值为目标反向调节源域响应预测模型的参数，得到域适应初始模型，损失函数包括分类损失和域适应损失；将目标域数据输入域适应初始模型进行微调，得到域适应模型；将源域数据输入域适应模型，得到辅助训练数据；利用辅助训练数据和目标域数据训练目标域响应预测模型。该方法结合模型迁移和样本迁移，实现源域数据的复用，减少了新工况下模型建立对新数据的需求量，从而降低实际生产中面对多种不同工况进行数据采集的实验成本。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.094 seconds)
