一种基于深度学习的数控系统工件加工路径特征识别方法

    公开(公告)号:CN119668197A

    公开(公告)日:2025-03-21

    申请号:CN202311216344.1

    申请日:2023-09-20

    Abstract: 本发明涉及一种基于深度学习的数控系统工件加工路径特征识别方法。该方法主要通过解析和处理数控机床生成的G代码,以获取工件加工时的刀具路径的特征。特别地,该方法不仅进行基础的数据预处理和清洗,而且通过建立刀具路径特征指标,如路径长度、角度、曲率等,以进行更深入的分析。通过特征指标分类后的数据将被用作深度学习算法的输入,进一步实现对刀具路径特征的高效识别。本发明提供了一种数控加工刀具路径特征识别方法,不仅提高了特征识别的效率和准确性,而且通过深度学习算法的应用,进一步加强了对复杂加工路径的感知能力,并为数控系统加工路径的智能识别提供支持。

    一种数控加工刀具路径的自适应滤波优化方法

    公开(公告)号:CN116700149A

    公开(公告)日:2023-09-05

    申请号:CN202310816890.2

    申请日:2023-07-05

    Abstract: 本发明涉及一种数控加工刀具路径的自适应滤波优化方法,用于工程制造系统流程中对计算机辅助制造系统(CAM)生成的NC程序存在的刀具路径的缺陷进行定位并优化。首先,定义了数控系统加工路径的信息模型,通过对CAM系统生成的NC工艺文件进行解析提取出进给轴的位置信息并利用可视化工具生成刀具路径,利用OPC UA实现加工路径的信息模型的映射和封装,在应用系统中使用路径自适应优化算法对缺陷路径进行优化并发送至OPC UA服务器,OPC UA服务器集成在数控系统中,数控系统利用优化后的刀具路径进行加工。该方法能够实现数控系统加工刀具路径的自适应优化和实时的数据传输,并且能够辅助工程师的工艺设计,减轻工艺开发和监控的负担以及提高工件的加工质量,缩短生产周期。

Patent Agency Ranking