CN111353255A - 加工参数自动产生系统 - Google Patents

加工参数自动产生系统 Download PDF

Info

Publication number
CN111353255A
CN111353255A CN201910052364.7A CN201910052364A CN111353255A CN 111353255 A CN111353255 A CN 111353255A CN 201910052364 A CN201910052364 A CN 201910052364A CN 111353255 A CN111353255 A CN 111353255A
Authority
CN
China
Prior art keywords
processing
applicable
processing parameters
candidate
generation system
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.)
Pending
Application number
CN201910052364.7A
Other languages
English (en)
Inventor
刘杨伦
蔡玉麟
蔡曜阳
吴正杰
梁硕芃
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.)
Industrial Technology Research Institute ITRI
Original Assignee
Industrial Technology Research Institute ITRI
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 Industrial Technology Research Institute ITRI filed Critical Industrial Technology Research Institute ITRI
Publication of CN111353255A publication Critical patent/CN111353255A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • G06F18/24137—Distances to cluster centroïds
    • G06F18/2414—Smoothing the distance, e.g. radial basis function networks [RBFN]
    • 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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/06—Recognition of objects for industrial automation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Abstract

一种加工参数自动产生系统，用以产生加工程序的加工参数以供工具机读取后进行加工，包括：几何数据撷取模块，用以撷取工件的几何形状以产生候选特征列表；特征辨识学习网络，根据一神经网络模型训练候选特征列表以取得适用特征列表；以及加工参数学习网络，根据另一神经网络模型训练适用特征列表与候选加工参数以取得优化后的适用加工参数。

Description

加工参数自动产生系统
技术领域
本发明有关于一种自动产生系统，特别是一种针对工具机的加工程序的加工参数自动产生系统。
背景技术
现有的加工程序多是由工程师利用计算机辅助设计与计算机辅助制造(CAD/CAM)等软件以进行刀具路径规划而编成，但是其中各种加工参数，例如转速、进给、切深等，均须凭着经验或参考资料，再搭配多次试加工方能取得较合适的参数，对于几何形状较为复杂的工件或新型材料等，则需要耗费大量时间与成本。
发明内容
有鉴于此，本发明提供一种加工参数自动产生系统，结合机器学习法的特征辨识(feature recognition)，由现有的加工信息及人为产生的数据当中，撷取出相关数据进入机器学习模型中以进行训练，得到一个可选择适当加工参数的模型，进而提升加工规划与制程效率，以有效改善上述耗费时间与成本的问题。
根据本发明所公开的一种加工参数自动产生系统，包括：几何数据撷取模块，撷取工件的几何形状以产生候选特征列表；特征辨识学习网络，根据一神经网络模型训练候选特征列表以取得适用特征列表；以及加工参数学习网络，根据另一神经网络模型训练适用特征列表与候选加工参数以取得优化后的适用加工参数。
以上有关于本发明公开内容的说明及以下实施方式的说明，均用以示范与解释本发明的精神与原理，并且提供本发明的权利要求更进一步的解释与支持。
附图说明
图1为本发明一实施例的加工参数自动产生系统的示意图。
符号说明
加工参数自动产生系统10
几何数据撷取模块11
特征辨识学习网络12
特征数据产生模块121
加工参数学习网络13
加工参数数据产生模块131
加工效能评估模块132
工件W
工件设计图档STP
制程规划软件CAM
工具机MT
具体实施方式
以下在实施方式中详细叙述本发明的详细特征以及优点，其内容足以使任何熟习相关技术者，了解本发明的技术内容并据以实施，且根据本说明书所公开的内容、权利要求及附图，任何熟习相关技术者可轻易地理解本发明相关的目的及优点。以下的实施例是进一步详细说明本发明的观点，但非以任何观点限制本发明的范畴。
图1为依据本发明的一实施例的加工参数自动产生系统10的示意图，本发明的加工参数自动产生系统10，用以产生一加工程序的加工参数，下称产生系统10，可经由软件或硬件方式来组成与实施，本发明并不加以限制；产生系统10举例主要包括：几何数据撷取模块11(下称撷取模块11)、特征辨识学习网络12(下称特征网络12)与加工参数学习网络13(下称参数网络13)。产生系统10可接收外部所传入的工件W的三维设计图档STP，例如STEP图档，经处理后将产生一优化后的适用加工参数，例如刀具、进给、切深等的数据，传出予外部或内部的制程规划软件CAM以产生包括刀具路径在内的加工程序，最后再经由工具机MT读取该加工程序后以对工件W进行加工。
如图1所示，产生系统10的撷取模块11在接收工件W的三维设计图档STP后，此设计图档STP可表示工件W完整的几何形状，此几何形状由多个平面、圆角、倒角、槽、孔等特征所组成，以撷取各特征而输出一候选特征列表，此列表举例可表示各特征的编号、型态、位置等。在一训练过程中，撷取模块11亦可选择性地接收由特征数据产生模块121(下称特征模块121)所传来的多个训练特征而再输出一训练特征列表，此训练特征是由特征模块121以随机或乱数方式所产生。撷取模块11将此二列表(候选特征列表、训练特征列表)再传入特征网络12的一神经网络模型中进行学习训练，以最终确定一适用特征列表。本发明藉由机器学习方式以建立并训练一模型，除可明显提升特征撷取的准确率，一旦此模型经多次训练完备后，即在应用阶段中，撷取模块11便可不再接收该训练特征列表。上述的特征网络12虽称为网络，但实际上仍为一演算模块，本发明并不加以限制。
当一适用列表被确定后，在一训练过程中，加工参数数据产生模块131(下称参数模块131)同时依据该设计图档STP以产生一初版的加工参数，例如刀具、工法、转速、进给等数据，此初版的加工参数再传入加工效能评估模块132(下称评估模块132)中并以虚拟加工方式进行评估，以产生对应上述参数数据的加工时间、切削力等结果，但此结果可能并不符合加工需求，例如加工时间过长或切削力过大等，因此将再回馈予参数模块131重新产生及评估，直至最终符合需求为止，而此时此版的候选加工参数则将再传入参数网络13。
本发明的参数网络13接收了候选加工参数后，将连同适用特征列表以另一神经网络模型进行学习训练，以最终确定选择或产生出一修改后或优化后的适用加工参数。上述的参数网络13虽称为网络，但实际上仍为一演算模块，本发明并不加以限制。
当一适用加工参数最终被确定后，本发明的产生系统10的加工参数自动产生程序自此完成，全程无须工程师介入选用或调整。此版的适用加工参数举例将再交予在产生系统10外部或内部的一制程规划软件CAM以产生包含刀具路径在内的加工程序，此加工程序最后由工具机MT读取以进行加工。
本发明的加工参数自动产生系统可从工件的设计图档中，经由自动地产生与撷取特征、产生加工参数、评估加工效能而至最终确定一适用的加工参数，同时也可间接或直接地产生加工程序，而此系统改变了一般以工程师亲为的方式，不仅节省时间与成本，准确与优化的程度也将随学习训练而趋于完善，具备了发明专利的条件。
虽然本发明以前述的实施例公开如上，然其并非用以限定本发明。在不脱离本发明的精神和范围内，所做的更动与润饰，均属于本发明的专利保护范围。关于本发明所界定的保护范围请参考所附的权利要求书。

Claims (7)

1.一种加工参数自动产生系统，包括：
几何数据撷取模块，撷取一工件的几何形状以产生一候选特征列表；
特征辨识学习网络，根据一第一神经网络模型训练所述候选特征列表以取得一适用特征列表；以及
加工参数学习网络，根据一第二神经网络模型训练所述适用特征列表与一候选加工参数以取得一适用加工参数，所述适用加工参数用以产生一加工程序供一工具机读取后进行加工。
2.根据权利要求1所述的加工参数自动产生系统，其中所述几何形状是指所述工件的三维设计图档并包括多个特征。
3.根据权利要求1所述的加工参数自动产生系统，其中还包括一特征数据产生模块以产生多个训练特征予所述几何数据撷取模块再产生一训练特征列表。
4.根据权利要求3所述的加工参数自动产生系统，其中所述特征辨识学习网络还训练所述训练特征列表以取得所述适用特征列表。
5.根据权利要求1所述的加工参数自动产生系统，其中还包括一加工参数数据产生模块以根据所述几何形状产生所述候选加工参数。
6.根据权利要求1所述的加工参数自动产生系统，其中还包括一加工效能评估模块以虚拟加工方式评估所述候选加工参数。
7.根据权利要求1所述的加工参数自动产生系统，其中还包括一制程规划软件以根据所述适用加工参数产生包括刀具路径的所述加工程序。
CN201910052364.7A 2018-12-05 2019-01-21 加工参数自动产生系统 Pending CN111353255A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW107143557A TWI722344B (zh) 2018-12-05 2018-12-05 加工參數自動產生系統
TW107143557 2018-12-05

Publications (1)

Publication Number Publication Date
CN111353255A true CN111353255A (zh) 2020-06-30

Family

ID=70972045

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910052364.7A Pending CN111353255A (zh) 2018-12-05 2019-01-21 加工参数自动产生系统

Country Status (3)

Country Link
US (1) US10762699B2 (zh)
CN (1) CN111353255A (zh)
TW (1) TWI722344B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11900026B1 (en) * 2019-04-24 2024-02-13 X Development Llc Learned fabrication constraints for optimizing physical devices
CN117348524B (zh) * 2023-12-05 2024-01-30 沈阳秀展科技有限公司 一种根据图纸自动控制加工中心的cam系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7933679B1 (en) * 2007-10-23 2011-04-26 Cessna Aircraft Company Method for analyzing and optimizing a machining process
CN103235556A (zh) * 2013-03-27 2013-08-07 南京航空航天大学 基于特征的复杂零件数控加工制造方法
CN107506565A (zh) * 2017-10-16 2017-12-22 安徽工业大学 基于神经网络合金铸钢轧辊材料设计专家系统的建立方法
CN108115232A (zh) * 2016-11-26 2018-06-05 阿杰·查米莱斯股份有限公司 用于工件的机械加工和检查的方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3872756A (en) * 1973-06-18 1975-03-25 Canron Inc Rake angle and related stroke control for a shear or the like
US6363298B1 (en) 1998-10-23 2002-03-26 Chrysler Corporation Method and apparatus for generating tool paths
WO2008011845A1 (de) * 2006-07-28 2008-01-31 Siemens Aktiengesellschaft Positionsabhängige nachgiebigkeitskompensation bei einer werkzeugmaschine
US7643027B2 (en) 2007-01-18 2010-01-05 Dassault Systemes Solidworks Corporation Implicit feature recognition for a solid modeling system
CN101817163B (zh) 2010-03-25 2012-01-04 南京大学 一种基于神经网络的磨削加工工况检测方法
CN102289537B (zh) 2011-06-20 2012-12-12 南京航空航天大学 一种复杂结构件多体特征识别方法
TWI492008B (zh) 2013-11-01 2015-07-11 Ind Tech Res Inst 工作機械控制系統及其方法
US9886529B2 (en) 2014-08-28 2018-02-06 Hcl Technologies Limited Methods and systems for feature recognition
US10065318B2 (en) * 2014-09-15 2018-09-04 The Boeing Company Methods and systems of repairing a structure
TWI518469B (zh) * 2014-09-22 2016-01-21 財團法人工業技術研究院 加工監控系統及方法
JP6219897B2 (ja) 2015-09-28 2017-10-25 ファナック株式会社 最適な加減速を生成する工作機械
JP6676030B2 (ja) * 2017-11-20 2020-04-08 株式会社安川電機 把持システム、学習装置、把持方法、及び、モデルの製造方法
US20190258925A1 (en) * 2018-02-20 2019-08-22 Adobe Inc. Performing attribute-aware based tasks via an attention-controlled neural network

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7933679B1 (en) * 2007-10-23 2011-04-26 Cessna Aircraft Company Method for analyzing and optimizing a machining process
CN103235556A (zh) * 2013-03-27 2013-08-07 南京航空航天大学 基于特征的复杂零件数控加工制造方法
CN108115232A (zh) * 2016-11-26 2018-06-05 阿杰·查米莱斯股份有限公司 用于工件的机械加工和检查的方法
CN107506565A (zh) * 2017-10-16 2017-12-22 安徽工业大学 基于神经网络合金铸钢轧辊材料设计专家系统的建立方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
付晓东等: ""基于神经网络专家系统的工艺推理研究——以轴类零件为例"", 《现代制造工程》, no. 09, pages 126 - 131 *
池勇敏等: ""基于BP神经网络的特征识别"", 《电脑知识与技术》, no. 09, pages 1 - 2 *
郭谆钦: "《电火花加工技术及精度改善措施》" *

Also Published As

Publication number Publication date
US20200184720A1 (en) 2020-06-11
US10762699B2 (en) 2020-09-01
TW202022653A (zh) 2020-06-16
TWI722344B (zh) 2021-03-21

Similar Documents

Publication Publication Date Title
US9507340B2 (en) Tool path part program modification system of NC machine tool
Dodok et al. Utilization of strategies to generate and optimize machining sequences in CAD/CAM
US10884390B2 (en) Optimized control of a metal-cutting machine tool
CN105911956A (zh) 机床
CN106249698A (zh) 基于三维图形设计平台的智能化线切割编程方法及系统
CN115793571B (zh) 基于多模态数据的加工设备控制方法、系统及相关设备
CN103454972A (zh) 基于ug nx api的刀具五轴数控磨削加工自动编程的方法
CN109767486B (zh) 一种异形工件切割建模方法、电子设备、存储介质及系统
CN111353255A (zh) 加工参数自动产生系统
JP2005309713A (ja) 工程設計支援システム及び支援方法
CN107301310B (zh) 一种机械零件三维工艺模板的构建方法
CN102609564A (zh) 一种加工特征与加工操作快速定位与对应方法
CN102375901A (zh) 模具设计工序云处理系统
CN108228996B (zh) 一种基于孔特征的对孔自动编程的系统及方法
Mohamed et al. Integrated interface system for tool path generation of STEP file
CN108227627B (zh) 一种用于船用柴油机关键件的数控程序编制方法
Kowalski et al. Intelligent manufacturing templates for CNC machine programming
Németh et al. 3D design support for rapid virtual prototyping of manufacturing systems
CN102819237A (zh) 一种实体法铣削仿真过程中仿真目标毛坯的产生方法
JP4624902B2 (ja) Ｎｃパス生成方法及び装置
CN110990998B (zh) 一种变速箱箱体智能制造工艺系统
Dodok et al. ANALYSIS OF SHAPES FOR THE DEVELOPMENT OF ALGORITHMS FOR STRATEGIES OF MACHINING PROCESS IN THE CAM SYSTEM.
JP5892846B2 (ja) 加工シミュレーション装置及び方法
CN110990998A (zh) 一种变速箱箱体智能制造工艺系统
CN113792362B (zh) 一种机械设计方案分步推荐方法

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200630