CN107273650B - 基于坐标表示的典型工艺路线提取方法 - Google Patents

基于坐标表示的典型工艺路线提取方法 Download PDF

Info

Publication number
CN107273650B
CN107273650B CN201710719163.9A CN201710719163A CN107273650B CN 107273650 B CN107273650 B CN 107273650B CN 201710719163 A CN201710719163 A CN 201710719163A CN 107273650 B CN107273650 B CN 107273650B
Authority
CN
China
Prior art keywords
process route
distance
cluster
dissimilarity
route
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710719163.9A
Other languages
English (en)
Other versions
CN107273650A (zh
Inventor
王艳
陈文杰
纪志成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangnan University
Original Assignee
Jiangnan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangnan University filed Critical Jiangnan University
Priority to CN201710719163.9A priority Critical patent/CN107273650B/zh
Publication of CN107273650A publication Critical patent/CN107273650A/zh
Application granted granted Critical
Publication of CN107273650B publication Critical patent/CN107273650B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/18—Manufacturability analysis or optimisation for manufacturability

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明在分析大量工艺规程的基础上，提出了基于坐标表示的典型工艺路线发现方法。在对零件工艺路线中各工序进行坐标表示的基础上，进一步计算出各工艺路线几何中心点之间的欧式距离，并以此作为衡量各工艺路线间的相异度的标准；应用聚类分析方法将工艺路线聚类成簇；通过平均距离法计算工艺路线簇间的距离；最后采用相异度均值法从聚类簇中提取到典型工艺路线。典型的工艺路线是企业为典型零件制定的较为普遍适用的工艺路线，所有与该典型零件相似的零件都可以借用此工艺路线对其进行少量修改，即可应用于新零件的工艺设计，以提高零件工艺设计的效率和质量。

Description

基于坐标表示的典型工艺路线提取方法
技术领域
本发明涉及机械零件制造技术领域，特别涉及一种基于坐标表示的典型工艺路线的提取方法。
背景技术
制造类企业在产品的工艺设计过程中积累了大量的工艺数据，已成为企业的一种知识资源，如何挖掘这些知识并加以重复利用，是解决工艺知识重用和促进工艺标准化的关键问题之一。工艺路线提取是零件制造过程中典型的复杂问题，信息量大，范围广，又与具体的生产环境和个人经验密切相关，是一项技术性和经验性很强的工作。由于零件加工工序的多样性、加工要求的个性化以及约束的复杂性，当排序规模较大、符合工艺路线匹配的可行方案数量较多时，单纯依靠经验知识提取难以取得最优或次优的工艺路线方案，而且也不能运用传统的逻辑决策的方法来求解。
典型的工艺路线是企业为典型零件制定的较为普遍适用的工艺路线，所有与该典型零件相似的零件都可以借用此工艺路线对其进行少量修改，即可应用于新零件的工艺设计，以提高零件工艺设计的效率和质量。
发明内容
本发明的目的是针对现有工艺路线优化中的不足，提出一种基于坐标表示方法的典型工艺路线提取方法，使其在满足各种工艺约束和优化目标的条件下，得到最优或者近似最优的工艺路线。
为了达到上述目的,本发明采取以下技术方案，所述的基于坐标表示的典型工艺路线提取方法包括以下步骤：
步骤一、基于零件加工信息描述确定零件工艺路线的加工工序，所述工艺路线是零件所有加工工序信息的集合，表示为：L＝A1A2A3……An；
其中L表示零件的工艺路线，A1～An表示组成该工艺路线的各工序，n表示工艺路线中工序的个数；
步骤二、对各工序分别进行坐标编码，根据机械行业标准JB/T5992.1，采用大类、中类和小类三个层次的三位编码分别作为该工序的X、Y、Z坐标，令工序Ai对应三维坐标中的点Pi(xi，yi，zi)，各坐标的计算方式为：
Figure GDA0002669380780000011
Figure GDA0002669380780000012
Figure GDA0002669380780000021
其中
Figure GDA0002669380780000022
分别表示第k个工序Ak的大类、中类和小类信息；
步骤三、依据零件加工工序的先后次序，连接各工序所对应的三维坐标中的点，得到相应工艺路线的三维空间曲线，该曲线的几何中心点坐标为p0(x0，y0，z0)；
步骤四、进行工艺路线之间相异度的计算，包括计算工序间的距离、工艺路线间的距离及簇间距离；
步骤五、绘制工艺路线的动态聚类图：采用凝聚层次聚类法，依据步骤四提供的各项距离值，首先把n条工艺路线分别划分为n个不同的簇，在簇间距离基础上，根据实际应用的需要确定一个阈值α；再采用自底向上的策略，把距离小于或等于α的两簇合并为一个新的簇，新的簇继续和剩余的簇重复前述的聚类操作，直到最小距离系数大于α，即可停止聚类，得到实际所需的工艺路线聚类簇；
步骤六、典型工艺路线提取：对于步骤五得到的工艺路线聚类簇，分别求出聚类簇中的元素对该聚类簇中各工艺路线的相异度均值，相异度均值最小的那条工艺路线即为该聚类簇的典型工艺路线。
具体的，在步骤四工艺路线之间相异度的计算中，把进行相异度计算的对象都作为向量，计算两个向量间的欧式距离并将其作为两个向量的相异度测度，如果两个向量间的欧式距离越小，对应的相异度越小，反之，相异度越大。
进一步的，步骤四中，所述工序间的距离计算，用欧氏计算公式计算工序之间的距离，工序Ai对应三维直角坐标Pi(xi，yi，zi)与工序Aj对应的三维直角坐标Pj(xj，yj，zj)之间的距离用d(Ai，Aj)表示
Figure GDA0002669380780000023
所述工艺路线间的距离计算是对零件工艺路线所对应的三维空间曲线，取该曲线的几何中心P0(x0，y0，z0)，其中
Figure GDA0002669380780000024
i＝1,2,3，……，n，n表示曲线的长度；点(xi0,yi0,zi0)和点(xj0,yj0,zj0)分别表示工艺路线曲线Li和Lj的几何中心坐标，采用计算中心点间的欧式距离来表示两条工艺路线间的距离，工艺路线间的距离即曲线Li和Lj之间的距离表示为
Figure GDA0002669380780000025
式中d(Li,Lj)表示Li和Lj之间的距离。
所述簇间距离的计算，采用式(3)给出的平均距离法计算簇间距离：
Figure GDA0002669380780000026
式中davg(Cp,Cq)表示簇Cp,Cq之间的距离，np，nq分别表示簇Cp,Cq中工艺路线的数量。
具体的，步骤六中聚类簇的相异度均值计算公式为：
Figure GDA0002669380780000031
式中m为聚类簇的编号；f为所选元素编号；t为聚类簇m中的元素编号；Sm(f)为所选元素f对聚类簇m的相异度均值；d(Li,Lj)为工艺路线曲线Li和Lj之间的距离；N为聚类簇m所具有的全部元素的数量；即若满足Sm(f)＝minh∈mSm(h)，h为聚类簇m的元素，则工艺路线f即为聚类簇m所对应的典型工艺路线。
本发明的有益效果如下：基于坐标表示的典型工艺路线提取方法，利用数学工具对零件工艺路线设计结构进行数值刻画，提高了相似性度量的准确性。将凝聚的层次聚类方法引入工艺路线聚类划分中，实现了聚类的智能化，有效的解决了从众多工艺数据中提取典型工艺路线难的问题。通过对聚类簇中典型工艺路线的提取,可以从工艺数据库中发现以往工艺路线设计的经验,有助于提高全局优化效率，提高零件制造工艺的继承性和重用性，促进工艺的标准化。
附图说明
图1是本发明基于坐标表示的典型工艺路线提取方法流程图。
图2是工艺路线聚类分析的动态聚类图。
具体实施方式
以下结合本发明的内容和附图实施例对本发明作进一步的说明。
本发明是一种基于坐标表示的典型工艺路线提取方法，如图1所示，包括以下步骤：
步骤一、基于零件加工信息确定零件工艺路线的加工工序，零件工艺路线是零件所有加工工序信息的集合，表示为：L＝A1A2A3……An。
其中L表示零件的加工工艺路线，A1～An分别表示组成该工艺路线的各工序，n表示该工艺路线中包含工序的个数。
步骤二、对工艺路线中各工序进行三维直角坐标编码，参考机械行业标准JB/T5992.1，采用零件加工工序的大类、中类和小类信息分别作为该工序的X、Y和Z坐标(如表1)。
表1工序三维坐标编码
Figure GDA0002669380780000032
令工序Ai对应三维坐标中的点Pi(xi，yi，zi)，其各坐标的计算方式如下：
Figure GDA0002669380780000041
Figure GDA0002669380780000042
Figure GDA0002669380780000043
其中
Figure GDA0002669380780000044
分别表示第k个工序Ak的大类、中类和小类信息；
步骤三、依据加工工序的先后次序连接各工序对应三维坐标中的一系列的点，得到相应工艺路线的三维空间曲线，其几何中心点坐标P0(x0，y0，z0)的计算方式为：
Figure GDA0002669380780000045
Figure GDA0002669380780000046
Figure GDA0002669380780000047
其中xi、yi、zi分别表示工艺路线中第i个工序所对应三维空间坐标的X、Y和Z坐标，n表示工艺路线中包含工序的个数。
步骤四、工艺路线之间相异度的计算，包括工序间的距离计算、工艺路线间的距离计算及聚类簇间距离计算；
(4.1)工序间的距离计算
用欧氏计算公式计算工序之间的距离，工序Ai对应三维直角坐标Pi(xi，yi，zi)与工序Aj对应于三维直角坐标Pj(xj，yj，zj)之间的距离用d(Ai，Aj)表示
Figure GDA0002669380780000048
(4.2)工艺路线间的距离计算
对零件工艺路线的空间表示得到三维空间曲线，取它的几何中心P0(x0，y0，z0)，其中
Figure GDA0002669380780000049
(i＝1，2，3，…，n)，n表示工艺路线的长度。点(xi0,yi0,zi0)和点(xj0,yj0,zj0)分别表示工艺路线Li和Lj几何中心坐标，采用计算中心点间的欧式距离来表示两条工艺路线间的距离，工艺路线Li和Lj之间的距离(相异度)表示为
Figure GDA00026693807800000410
式中d(Li,Lj)表示工艺路线Li和Lj之间的距离。
(4.3)簇间距离的计算
簇的凝聚要遵循一定的距离(相异度)准则。常见的度量方法有最小距离(单链接方法)、最大距离(完全链接方法)、平均距离(平均链接方法)和均质的距离(质心方法)。采用不同的距离准则可以得到不同的层次聚类方法，单链聚类法就是簇的凝聚中遵循簇间最小距离准则的层次聚类方法。簇间最小距离准则通过簇间距离最小的一对数据点代表簇间的距离，使簇内工艺路线数过多，相似度较低，聚类效果不理想；采用最大距离准则，簇内工艺路线相似度较高,但工艺路线数较少，簇数较多，聚类效果也不理想。这里采用式(3)给出的平均距离法计算簇间距离：
Figure GDA0002669380780000051
式中davg(Cp,Cq)表示簇Cp,Cq之间的距离，np，nq分别表示簇Cp,Cq中工艺路线的数量。
数学中向量的比较方法很多，这里计算两个向量间的欧式距离并将其作为两个向量的相异度测度，两个向量间的欧式距离越小对应的相异度越小，反之，相异度越大。
步骤五、绘制工艺路线的动态聚类图。
动态聚类图是采用凝聚的层次聚类法，首先把n条工艺路线分别划分为n个不同的簇，在式(3)得到的簇间距离基础上，根据实际应用的需要确定一个阈值α。采用自底向上的策略，把距离小于等于α的两簇合并为一个新的簇，新的簇继续和剩余的簇重复前述的聚类操作，直到最小距离系数大于α，即可停止聚类，得到实际所需的工艺路线聚类簇；
步骤六、典型工艺路线提取。
对于步骤五得到的实际所需的聚类簇，分别求出聚类簇中的元素对该聚类簇中各工艺路线的相异度均值，相异度均值最小的那条工艺路线即为该聚类簇的典型工艺路线。聚类簇的相异度均值计算公式为：
Figure GDA0002669380780000052
式中m为聚类簇的编号；f为所选元素编号；t为聚类簇m中的元素编号；Sm(f)为所选元素f对聚类簇m的相异度均值；d(Li,Lj)为工艺路线曲线Li和Lj之间的距离；N为聚类簇m所具有的全部元素的数量；即若满足Sm(f)＝minh∈mSm(h)，h为聚类簇m的元素，则工艺路线f即为聚类簇m所对应的典型工艺路线。
以下以企业的加工工艺数据为例，说明本发明所述的基于坐标表示的典型工艺路线提取的过程及效果。
在企业的工艺路线数据库中，通过对数据去重并进行简单预处理后，随机选取8条工艺路线，如表2所示，并采用工序坐标编码。工序坐标编码中,空位用坐标(0，0，0)代替。编码后得工艺路线如表3所示。假设最小相异度min{α}＝6.0。
表2工艺数据表
Figure GDA0002669380780000061
表3工艺路线坐标编码
Figure GDA0002669380780000062
根据步骤二和步骤三的方法计算出8条工艺路线的中心点坐标，如表4所示。根据对象距离的计算方法式(2)和式(3)可得各工艺路线中心坐标点之间的欧氏距离如表5。
表4各工艺路线的中心坐标点
Figure GDA0002669380780000063
表5各工艺路线的中心坐标点间距
Figure GDA0002669380780000071
根据表5中提供的距离信息，首先把8条工艺数据分别划分为8个不同的簇，根据式(4)计算簇间距离，把距离系数最小的簇合并为一个新的簇，新簇与剩余簇再次进行前述的聚类操作，直到最小距离系数大于所给定的阈值。聚类过程如图2所示，其中左侧数据是每一步聚类时所计算的最小距离。由min{α}＝6.0可知，当聚类操作进行到第6步时，即可停止聚类，得到工艺路线聚类簇为：{1，2，3，4，5，7，8}。
对于上述聚类簇，根据相异度均值法得到该聚类簇中的元素对该聚类簇中各工艺路线的相异度均值S(1)＝3.15，S(2)＝5.06，S(3)＝3.14，S(4)＝4.46，S(5)＝5.76，S(7)＝4.75，S(8)＝3.71。相异度均值最小为工艺路线3，即该聚类簇的典型工艺路线为：下料-车削-车削-铣削-铣削-检验-镀锌。实际生产应用中，所有与该典型工艺路线相似的零件都可以借用此工艺路线对其进行少量修改，即可应用于新零件的工艺设计。
本发明在分析大量工艺规程的基础上，提出了基于坐标表示的典型工艺路线发现方法。在对零件工艺路线中各工序进行坐标表示的基础上，进一步计算出各工艺路线几何中心点之间的欧式距离，并以此作为衡量各工艺路线间的相异度的标准；应用聚类分析方法将工艺路线聚类成簇；通过平均距离法计算工艺路线簇间的距离；最后采用相异度均值法从聚类簇中提取到典型工艺路线。典型的工艺路线是企业为典型零件制定的较为普遍适用的工艺路线，所有与该典型零件相似的零件都可以借用此工艺路线对其进行少量修改，即可应用于新零件的工艺设计，以提高零件工艺设计的效率和质量。

Claims (1)

1.基于坐标表示的典型工艺路线提取方法，其特征是，包括如下步骤：
步骤一、基于零件加工信息描述确定零件工艺路线的加工工序，所述工艺路线是零件所有加工工序信息的集合，表示为：L＝A1A2A3……An；
其中L表示零件的工艺路线，A1～An表示组成该工艺路线的各工序，n表示工艺路线中工序的个数；
步骤二、对各工序分别进行坐标编码，根据机械行业标准JB/T5992.1，采用大类、中类和小类三个层次的三位编码分别作为该工序的X、Y、Z坐标，令工序Ai对应三维坐标中的点Pi(xi，yi，zi)，各坐标的计算方式为：
Figure FDA0002415635220000011
Figure FDA0002415635220000012
Figure FDA0002415635220000013
其中
Figure FDA0002415635220000014
分别表示第k个工序Ak的大类、中类和小类信息；
步骤三、依据零件加工工序的先后次序，连接各工序所对应的三维坐标中的点，得到相应工艺路线的三维空间曲线，该曲线的几何中心点坐标为p0(x0，y0，z0)；
步骤四、进行工艺路线之间相异度的计算，包括计算工序间的距离、工艺路线间的距离及簇间距离；
步骤五、绘制工艺路线的动态聚类图：采用凝聚层次聚类法，依据步骤四提供的各项距离值，首先把n条工艺路线分别划分为n个不同的簇，在簇间距离基础上，根据实际应用的需要确定一个阈值α；再采用自底向上的策略，把距离小于或等于α的两簇合并为一个新的簇，新的簇继续和剩余的簇重复前述的聚类操作，直到最小距离系数大于α，即可停止聚类，得到实际所需的工艺路线聚类簇；
步骤六、典型工艺路线提取：对于步骤五得到的工艺路线聚类簇，分别求出聚类簇中的元素对该聚类簇中各工艺路线的相异度均值，相异度均值最小的那条工艺路线即为该聚类簇的典型工艺路线；
在步骤四工艺路线之间相异度的计算中，把进行相异度计算的对象都作为向量，计算两个向量间的欧式距离并将其作为两个向量的相异度测度，如果两个向量间的欧式距离越小，对应的相异度越小，反之，相异度越大；
步骤四中，所述工序间的距离计算，用欧氏计算公式计算工序之间的距离，工序Ai对应三维直角坐标Pi(xi，yi，zi)与工序Aj对应的三维直角坐标Pj(xj，yj，zj)之间的距离用d(Ai，Aj)表示
Figure FDA0002415635220000015
步骤四中，所述工艺路线间的距离计算是对零件工艺路线所对应的三维空间曲线，取该曲线的几何中心P0(x0，y0，z0)，其中
Figure FDA0002415635220000016
Figure FDA0002415635220000017
n表示曲线的长度；点(xi0,yi0,zi0)和点(xj0,yj0,zj0)分别表示工艺路线曲线Li和Lj的几何中心坐标，采用计算中心点间的欧式距离来表示两条工艺路线间的距离，工艺路线间的距离即曲线Li和Lj之间的距离表示为
Figure FDA0002415635220000021
式中d(Li,Lj)表示Li和Lj之间的距离；
步骤四中，
所述簇间距离的计算，采用式(3)给出的平均距离法计算簇间距离：
Figure FDA0002415635220000022
式中davg(Cp,Cq)表示簇Cp,Cq之间的距离，np，nq分别表示簇Cp,Cq中工艺路线的数量；
步骤六中聚类簇的相异度均值计算公式为：
Figure FDA0002415635220000023
式中m为聚类簇的编号；f为所选元素编号；t为聚类簇m中的元素编号；Sm(f)为所选元素f对聚类簇m的相异度均值；d(Li,Lj)为工艺路线曲线Li和Lj之间的距离；N为聚类簇m所具有的全部元素的数量；即若满足Sm(f)＝minh∈mSm(h)，h为聚类簇m的元素，则工艺路线f即为聚类簇m所对应的典型工艺路线。
CN201710719163.9A 2017-08-21 2017-08-21 基于坐标表示的典型工艺路线提取方法 Active CN107273650B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710719163.9A CN107273650B (zh) 2017-08-21 2017-08-21 基于坐标表示的典型工艺路线提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710719163.9A CN107273650B (zh) 2017-08-21 2017-08-21 基于坐标表示的典型工艺路线提取方法

Publications (2)

Publication Number Publication Date
CN107273650A CN107273650A (zh) 2017-10-20
CN107273650B true CN107273650B (zh) 2020-11-10

Family

ID=60076372

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710719163.9A Active CN107273650B (zh) 2017-08-21 2017-08-21 基于坐标表示的典型工艺路线提取方法

Country Status (1)

Country Link
CN (1) CN107273650B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108491376B (zh) * 2018-03-02 2021-10-01 沈阳飞机工业（集团）有限公司 一种基于机器学习的工艺规程编制方法
CN109858515A (zh) * 2018-12-24 2019-06-07 合肥工业大学智能制造技术研究院 用于对智能制造的供应链进行订单分批配置的方法及系统
CN111310388A (zh) * 2020-02-22 2020-06-19 江南大学 一种离散制造系统的工艺知识自动推送方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102081706A (zh) * 2011-02-28 2011-06-01 同济大学 基于相似性理论的工艺规划方法
CN103324165A (zh) * 2013-05-27 2013-09-25 西北工业大学 一种考虑生产线稳定性的工艺路线优化方法
CN104881548A (zh) * 2015-06-04 2015-09-02 西北工业大学 基于离散域力场的相邻工序模型几何演变的获取方法
CN105224953A (zh) * 2015-10-09 2016-01-06 天津大学 一种机床零件加工工艺规程中知识提取与演化的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102081706A (zh) * 2011-02-28 2011-06-01 同济大学 基于相似性理论的工艺规划方法
CN103324165A (zh) * 2013-05-27 2013-09-25 西北工业大学 一种考虑生产线稳定性的工艺路线优化方法
CN104881548A (zh) * 2015-06-04 2015-09-02 西北工业大学 基于离散域力场的相邻工序模型几何演变的获取方法
CN105224953A (zh) * 2015-10-09 2016-01-06 天津大学 一种机床零件加工工艺规程中知识提取与演化的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
工艺知识发现与重用技术;刘书暖;《中国博士学位论文全文数据库 工程科技II辑》;20080315;正文30页和第4章 *

Also Published As

Publication number Publication date
CN107273650A (zh) 2017-10-20

Similar Documents

Publication Publication Date Title
CN109117560B (zh) 基于mbd的汽车典型机加工零件三维工艺设计方法及平台
CN107273650B (zh) 基于坐标表示的典型工艺路线提取方法
Dwijayanti et al. Basic study on process planning for turning-milling center based on machining feature recognition
CN105118059A (zh) 一种多尺度坐标轴夹角特征的点云快速配准方法
Xu et al. A convolutional neural network for point cloud instance segmentation in cluttered scene trained by synthetic data without color
CN106815447B (zh) 基于历史数据的复杂结构件加工特征智能定义与分类方法
CN110942107B (zh) 基于零件工程图像的复合磨削加工特征自动识别方法
CN104036102A (zh) 一种产品装配偏差的计算方法及装置
Yu et al. Method for discriminating geometric feasibility in assembly planning based on extended and turning interference matrix
CN104268600A (zh) 一种基于Minkowski距离的矿物浮选泡沫图像纹理分析及工况识别方法
CN114997276A (zh) 一种面向压制成型设备的异构多源时序数据异常识别方法
CN109597354A (zh) 一种三角网格模型的多约束数控加工轨迹生成方法
Fu et al. Improved dexel representation: A 3-d cnn geometry descriptor for manufacturing cad
CN104036232A (zh) 一种基于图像边缘特征分析的领带花型检索方法
Zhou et al. Integrating granular computing and bioinformatics technology for typical process routes elicitation: a process knowledge acquisition approach
CN110175372B (zh) 一种基于母面特征参数的包络面表征方法
CN108227627B (zh) 一种用于船用柴油机关键件的数控程序编制方法
CN116798028A (zh) 三维零件的尺寸自动标注方法
CN110930028A (zh) 一种基于聚类分析法的机械加工制造资源配置方法
CN115937468A (zh) 一种无数模工件机器人加工程序自动生成方法
Pantuwong et al. Skeleton-growing: a vector-field-based 3D curve-skeleton extraction algorithm
CN108168459A (zh) 一种汽车轮毂识别匹配方法
CN113901968A (zh) 一种基于机器学习的铁路点云特征提取方法
CN110211170B (zh) 一种基于数字化模型壁厚分析方法
Lee et al. BRepGAT: Graph neural network to segment machining feature faces in a B-rep model

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant