CN114781082B - 挤压模具设计知识处理方法、系统、设备及存储介质 - Google Patents

挤压模具设计知识处理方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN114781082B
CN114781082B CN202210397537.0A CN202210397537A CN114781082B CN 114781082 B CN114781082 B CN 114781082B CN 202210397537 A CN202210397537 A CN 202210397537A CN 114781082 B CN114781082 B CN 114781082B
Authority
CN
China
Prior art keywords
model
sub
extrusion die
type
characteristic data
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
CN202210397537.0A
Other languages
English (en)
Other versions
CN114781082A (zh
Inventor
秦昊
刘智
王佳相
张昱
郭旭
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.)
Institute of Intelligent Manufacturing of Guangdong Academy of Sciences
Original Assignee
Institute of Intelligent Manufacturing of Guangdong Academy of Sciences
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 Institute of Intelligent Manufacturing of Guangdong Academy of Sciences filed Critical Institute of Intelligent Manufacturing of Guangdong Academy of Sciences
Priority to CN202210397537.0A priority Critical patent/CN114781082B/zh
Publication of CN114781082A publication Critical patent/CN114781082A/zh
Application granted granted Critical
Publication of CN114781082B publication Critical patent/CN114781082B/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]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/0482—Interaction with lists of selectable items, e.g. menus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • G06F3/04842—Selection of displayed objects or displayed text elements
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/22—Moulding
    • 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
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Extrusion Moulding Of Plastics Or The Like (AREA)

Abstract

本发明提供的挤压模具设计知识处理方法、系统、设备及存储介质，涉及挤压模具技术领域，方法包括：获取多个挤压模具样本各自对应的多类特征数据，然后根据多个挤压模具样本各自对应的多类特征数据，构建至少一个子模型；再基于每个子模型的特征属性，构建每个子模型对应的父模型，并建立每个子模型对应的父模型与每个子模型之间的层级结构；将层级结构作为相同挤压模具类型的挤压模具对应的知识表示模型，本发明通过采用知识表示模型来系统化地梳理表示挤压模具设计过程中的形成的特征数据之间的关系，解决了零散、非结构化知识的储存问题，实现对挤压模具设计知识的有效重用，提高了设计质量及效率。

Description

挤压模具设计知识处理方法、系统、设备及存储介质
技术领域
本发明涉及挤压模具技术领域，具体而言，涉及一种挤压模具设计知识处理方法、系统、设备及存储介质。
背景技术
目前，随着建筑、交通、工业、汽车以及太阳能和LED等产业的迅速发展，对挤压产品的高精度、高性能要求与日俱增，市场对大尺寸的复杂截面的挤压产品的需求量正在快速上升，这类型材由于结构复杂，生产难度大，对挤压模具的要求高，挤压模具结构设计的合理性是生产过程中的最关键问题。
现有的挤压模具设计方式主要依赖人工在复杂众多挤压模具样本中提炼挤压模具设计知识，来完成新挤压模具设计。该过程耗费大量的时候来寻找所需求的数据。另一方面设计人员也会因为挤压模具样本的设计知识缺失，很难进行有效的设计改进工作。
发明内容
本发明的目的之一在于提供一种挤压模具设计知识处理方法、系统、设备及存储介质，用以解决了零散、非结构化知识的系统化记录、储存与传承问题，可以实现对挤压模具设计知识的有效重用，从而提高设计的质量及效率。
第一方面，本发明提供一种挤压模具知识处理方法，所述方法包括：获取多个挤压模具样本各自对应的多类特征数据；所述多个挤压模具样本对应相同挤压模具类型；根据所述多个挤压模具样本各自对应的多类特征数据，构建至少一个子模型；其中，每个子模型的特征属性与至少一类特征数据之间具有映射关系；基于所述每个子模型的特征属性，构建所述每个子模型对应的父模型，并建立所述每个子模型对应的父模型与所述每个子模型之间的层级结构；其中，所述每个子模型对应的父模型的属性与所述每个子模型的特征属性一致；将所述层级结构作为所述相同挤压模具类型的挤压模具对应的知识表示模型。
可选地，根据所述多个挤压模具样本各自对应的多类特征数据，构建至少一个子模型，包括：根据所述每个子模型的特征属性与至少一类特征数据之间的映射关系，从所述多个挤压模具样本各自对应的多类特征数据中，确定所述每个子模型对应的全部目标特征数据；基于所述每个子模型对应的全部目标特征数据之间的相互关系信息，构建所述每个子模型的层级结构，并将所述层级结构作为所述每个子模型。
可选地，基于所述每个子模型对应的全部目标特征数据之间的相互关系信息，构建所述每个子模型的层级结构，并将所述层级结构作为所述每个子模型，包括：根据所述每个子模型对应的特征属性，确定所述每个子模型对应的全部目标特征数据之间的组合关系信息和语义关系信息；基于所述语义关系信息构建所述每个子模型对应的全部目标特征数据之间的层级结构，并基于所述组合关系信息，确定所述层级结构的每一层结构对应的目标特征数据；根据所述每个子模型对应的全部目标特征数据之间的层级结构、以及所述层级结构的每一层结构对应的目标特征数据，获得所述每个子模型。
可选地，根据所述每个子模型对应的特征属性，确定所述每个子模型对应的全部目标特征数据之间的组合关系信息和语义关系信息，包括：根据所述每个子模型的特征属性，将所述每个子模型对应的全部目标特征数据划分为第一类特征数据和第二类特征数据；其中，第一类特征数据用于表征具有所述相同挤压模具类型的挤压模具的参数数据；所述第二类特征数据用于表征具有所述相同挤压模具类型的挤压模具的经验数据；从所述第一类特征数据中，确定所述语义关系信息，并从所述第二类特征数据中，确定所述组合关系信息。
可选地，所述方法还包括：当确定存在具有的所述相同挤压模具类型的新挤压模具的多类特征数据，根据所述新挤压模具的多类特征数据，更新所述知识表示模型。
可选地，所述方法还包括：响应查询操作指令，获得待查询的挤压模具类型；基于所述待查询模的挤压模具类型，从预设的挤压模具知识处理系统中获得所述待查询模的挤压模具类型对应的知识表示模型；显示所述待查询模的挤压模具类型对应的知识表示模型。
第二方面，本发明提供一种挤压模具知识处理系统，包括：获取模块，用于获取多个挤压模具样本各自对应的多类特征数据；所述多个挤压模具样本具有相同挤压模具类型；构建模块，用于基于所述每个子模型的特征属性，构建所述每个子模型对应的父模型，并建立所述每个子模型对应的父模型与所述每个子模型之间的层级结构；其中，所述每个子模型对应的父模型的属性与所述每个子模型的特征属性一致；将所述层级结构作为所述相同挤压模具类型的挤压模具对应的知识表示模型。
第三方面，本发明提供一种设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机程序，所述处理器可执行所述计算机程序以实现第一方面所述的方法。
第四方面，本发明提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的方法。
本发明提供的挤压模具设计知识处理方法、系统、设备及存储介质，通过获取多个挤压模具样本各自对应的多类特征数据，然后根据多个挤压模具样本各自对应的多类特征数据，构建至少一个子模型；其中，每个子模型的特征属性与至少一类特征数据之间具有映射关系；基于每个子模型的特征属性，构建每个子模型对应的父模型，并建立每个子模型对应的父模型与每个子模型之间的层级结构；其中，每个子模型对应的父模型的属性与每个子模型的特征属性一致；将层级结构作为相同挤压模具类型的挤压模具对应的知识表示模型，本发明通过采用知识表示模型来系统化地梳理表示挤压模具设计过程中的形成的特征数据之间的关系，解决了零散、非结构化知识的系统化记录、储存与传承问题，可以实现对挤压模具设计知识的有效重用，从而提高设计的质量及效率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的一种设备的结构框图；
图2为本发明实施例提供的挤压模具知识处理方法的流程示意图；
图3为本发明实施例的一种场景图；
图4为本发明实施例提供的步骤S202的流程示意图；
图5为本发明实施例提供的步骤S202-2的流程示意图；
图6为本发明实施例提供的挤压模具知识处理系统的功能模块图；
图7为本发明实施例提供的挤压模具知识处理系统的一种交互界面示意图；
图8为本发明实施例提供的挤压模具知识处理系统的另一种交互界面示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中，需要说明的是，若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
需要说明的是，在不冲突的情况下，本发明的实施例中的特征可以相互结合。
挤压模具结构设计的合理性是复杂截面的挤压产品生产过程中的关键问题。一方面，现有的挤压模具设计方式主要依赖人工在复杂众多挤压模具样本中提炼挤压模具设计知识，主要是在复杂众多的画有挤压模具横截面形状的图纸中人工查找相似的形状，从而寻找之前相似的挤压模具设计，来完成新挤压模具设计。该过程耗费大量的时候来寻找所需求的数据。另一方面，目前并未有针对挤压模具设计过程系统的知识获取与表示方法，各种设计参数、经验数据等大多记录在工作日记、技术报告或者工程师的脑海里，知识繁琐零散，设计人员可能会因为挤压模具样本的设计知识缺失，很难进行有效的设计改进工作。
为了提高挤压模具设计效率和质量，本发明实施例提供了一种挤压模具知识处理方法，主要是针对每种类型的挤压模具，将已有的挤压模具样本的设计知识进行归类总结，基于各类设计知识元素及其相关关系将设计知识进行结构化储存，形成每种类型的挤压模具对应的标准化的挤压模具表示模型，实现对挤压模具设计知识的有效重用，从而提高设计的质量及效率。
请参见图1，图1为本发明实施例提供的一种设备的结构框图，该设备是本发明实施例提供的挤压模具知识处理方法的执行主体。该设备100包括：
设备100可以包括：包括存储器101、处理器102和通信接口103，该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
存储器101可用于存储软件程序及模块，如本发明实施例提供的挤压模具知识处理系统300指令/模块，可以软件或固件(firmware)的形式存储于存储器101中或固化在设备100的操作系统(operating system，OS)中，处理器102通过执行存储在存储器101内的软件程序及模块，从而执行各种功能应用以及数据处理。该通信接口103可用于与其他节点设备进行信令或数据的通信。
其中，存储器101可以是但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。
处理器102可以是一种集成电路芯片，具有信号处理能力。该处理器102可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以理解，图1所示的结构仅为示意，设备100还可以包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1所示的各组件可以采用硬件、软件或其组合实现。
请参见图2，图2为本发明实施例提供的挤压模具知识处理方法的流程示意图，可以看出，本发明实施例提供的知识处理方法针对的是挤压模具的知识处理方法，其他模具不在本发明实施例的考虑范围内，该方法以图1中的设备100为执行主体，方法包括：
S201，获取多个挤压模具样本各自对应的多类特征数据；多个挤压模具样本对应相同挤压模具类型。
在本发明实施例中，针对每种类型的挤压模具，根据以往的设计经验可以存在多个已经完成设计的挤压模具样本，由于业务需求、功能等因素，每个挤压模具样本所具有的公式、实验参数、经验数值等，均可以看作特征数据。
在可选地实施方式中，多类特征数据可以但不限于包括：外形设计类、工作带设计类、导流腔设计类和模孔设计类。每一类特征数据中可以包含多种特征数据，例如，以外形设计类为例，外形设计类特征数据中可以具有公式、实验参数、经验数值等。
在可选地实施方式中，上述多类特征数据可以但不限于来自各种设计参数、经验数据等大多记录在工作日记、技术报告或者工程师的脑海,具体的，可以由设计人员将上述各个场景中的数据输入到设备中，设备根据获得的数据得到上述多个挤压模具样本各自对应的多类特征数据。
通过获得相同挤压模具类型对应的多个挤压模具样本的多类特征数据，进而可以将同一类型的挤压模具的特征进行结构化表示，形成这一类型的挤压模具所共享的知识表示模型，这为后续同一类型的新挤压模具提供的设计依据。
S202，根据多个挤压模具样本各自对应的多类特征数据，构建至少一个子模型；其中，每个子模型的特征属性与至少一类特征数据之间具有映射关系。
在本发明实施例中，每个子模型相当于一个层级结构，也可以理解为是一种树形结构，具有对应的特征属性，特征属性可以但不限于是：业务需求属性、功能属性、行为属性、结构属性和设计经验属性。相应地，可以获得具有业务需求属性、功能属性、行为属性、结构属性和设计经验属性等五类子模型。
其中，业务需求属性指得是在设计某个挤压模具样本之前的需求分析信息；功能属性用于表征挤压模具样本所能实现的功能；行为属性用于表征实现功能属性的特征或特征组合方式；结构属性用于表征挤压模具样本的组成部分；设计经验属性用于表征挤压模具样本的改进方式以及原因。
在本发明实施例中，由于在挤压模具设计过程中业务需求分析、功能分析与分解、行为分析、结构分析、设计经验分析这五个方面与挤压模具的特征数据之间的关系最为密集的，因此，在构建子模型的过程中，可以结合业务需求、功能、行为、结构、设计经验等各自对应的特征数据，来分别构建这五类子模型，通过每类子模型，将与该子模型的特征属性有关的特征数据统一起来，以此可以实现设计知识的结构化表示，从而可以获得更加全面、可信度较高的模型。
S203，基于每个子模型的特征属性，构建每个子模型对应的父模型，并建立每个子模型对应的父模型与每个子模型之间的层级结构。
其中，每个子模型对应的父模型的属性与每个子模型的特征属性一致。
例如，继续以上述五类特征属性为例，那么本发明实施例可以构建五类父模型，分别为业务需求模型、功能模型、行为模型、结构模型、设计经验模型；该父模型可以理解为一个顶级节点，用于连接与其对应的子模型。父模型的构建方式可以为：建立一个空的节点，并为该节点配置一个特征属性，即完成父模型的构建。
本发明实施例中，在获得子模型和该子模型对应的父模型之后，构建子模型和该子模型对应的父模型之间的层级结构，具体的，将父级模型与子模型进行连接即获得层级结构，以使得相同挤压模具类型对应的多个特征数据实现结构化表示，从而形成这一挤压模具类型对应的挤压模具的知识表示模型。
S204，将层级结构作为相同挤压模具类型的挤压模具对应的知识表示模型。
根据本发明实施例提供的挤压模具知识处理方法，通过获取多个挤压模具样本各自对应的多类特征数据，然后根据多个挤压模具样本各自对应的多类特征数据，构建至少一个子模型；其中，每个子模型的特征属性与至少一类特征数据之间具有映射关系；基于每个子模型的特征属性，构建每个子模型对应的父模型，父模型的属性对应每个子模型的特征属性；最后构建每个子模型与父模型之间的层级结构，并将层级结构作为相同挤压模具类型的挤压模具对应的知识表示模型，本发明通过采用知识表示模型来系统化地梳理表示挤压模具设计过程中的形成的特征数据之间的关系，解决了零散、非结构化知识的系统化记录、储存与传承问题，可以实现对挤压模具设计知识的有效重用，从而提高设计的质量及效率。
请参见图3，图3为本发明实施例的一种场景图，为了方便理解上述实施过程，如图3所示，针对挤压模具，对挤压模具的外形尺寸、模孔位置及几何尺寸、工作带、导流腔等四类特征数据进行挤压模具的知识表示模型，具体地，可以从需求、功能、行为、结构、设计经验等五个特征属性出发，将上述四类特征数据进行结构化表示。
从最开始的需求分析，到制定挤压模具设计方案，再到具体的设计过程，详细分析形成各种需求分析列表、设计方案矩阵、概念草图、三维模型、工程图等资料中获得上述四类特征数据，根据与业务需求属性、功能属性、行为属性、结构属性和设计经验属性这五个特征属性相匹配的特征数据，构建子模型，举个例子，业务需求属性与记录铝型材横截面形状、周长、外圆直径、横截面积、材料等特征数据相匹配；结构属性可以与挤压模具的各个零部件，如凸模、凹模、模架、模芯等零部件的几何尺寸、及结构设计、分析等特征数据相匹配。
在获得子模型之后，根据上述五类特征属性构建父模型，可以理解的是，每个子模型对应一个父模型，五个父模型相当于知识表示模型的顶级节点，子模型相当于知识表示模型中全部子节点构成的层级结构，将每个子模型记录并连接到对应的顶级结点之后，即可获得本实施例中的知识表示模型。
请参见图4，图4为本发明实施例提供的步骤S202的流程示意图,如图2所示，步骤S202可以包括如下步骤：
S202-1,根据每个子模型的特征属性与至少一类特征数据之间的映射关系，从多个挤压模具样本各自对应的多类特征数据中，确定每个子模型对应的全部目标特征数据。
例如，继续以图3所示的场景为例，针对业务需求属性，目标特征数据即为记录铝型材横截面形状、周长、外圆直径、横截面积、材料等特征数据，在系统中可以通过“Know-What”标签来对这些基础数据进行标识；功能属性，目标特征数据指的是挤压模具的主功能以及与从主功能分解出来的若干个子功能，在系统中可以通过“Know-What”进行标识，并且可以结合主功能与若干个子功能之间的父子关系，结合树型结构来记录；行为属性，目标特征数据指的是：实现每个功能属性的特征组合形式，可以用“Know-What”-“Know-how”-“Know-why”的形式标识；结构属性，目标特征数据指得是通过进行结构分解，将整个挤压模具分解成各个机构及零部件，可以通过Know-what来标识，如尺寸、材料、工艺等基本数据。设计经验属性，目标特征数据主要是记录设计改进的过程及原因方面的知识，可以通过“Know-how”标识出设计迭代、改进原因信息，用“Know-why”来标识。
通过每个子模型的特征属性，可以将多类特征数据进行归纳，从而针对每个子模型对应的全部特征数据之间的相互关系，得到每个子模型。
S202-2,基于每个子模型对应的全部目标特征数据之间的相互关系信息，构建每个子模型的层级结构，并将层级结构作为每个子模型。
在本发明实施例中，相互关系可以从时间、空间、功能等多个方面来衡量，可以包括目标特征数据之间的语义关系和组合关系，根据语义关系和组合关系，可以实现子模型层级结构的构建，请参见图5，图5为本发明实施例提供的步骤S202-2的流程示意图，如图5所示，步骤S202-2可以包括如下步骤：
S202-2-1，根据每个子模型对应的特征属性，确定每个子模型对应的全部目标特征数据之间的组合关系信息和语义关系信息。
在可选的实施方式中，上述步骤S202-2-1的实现方式可以是：
根据每个子模型的特征属性，将每个子模型对应的全部目标特征数据划分为第一类特征数据和第二类特征数据；其中，第一类特征数据用于表征具有相同挤压模具类型的挤压模具的参数数据；第二类特征数据用于表征具有相同挤压模具类型的挤压模具的经验数据；从第一类特征数据中，确定语义关系信息，并从第二类特征数据中，确定组合关系信息。
在一种实现方式中，可以将目标特征数据分为并静态特征数据，如文本特征数据，包含挤压模具的参数数据；动态特征数据，如用于表征挤压模具修改信息的特征，包含挤压模具设计过程的经过修改、变更的经验数据；在另一种实现方式中，可以将目标特征数据分为显性特征数据，如强度校核公式；隐性特征数据，如设计过程中关于分型面的选择等信息。
可以理解的是，上述的参数数据指的是挤压模具的外形、结构、功能等描述挤压模具自身属性方面的参数；经验数据指的是在挤压模具外形、结构、功能等进行修改、调整的过程中，记录的一些原因信息、推导信息、分析信息等方面的数据。
S202-2-2，基于语义关系信息构建每个子模型对应的全部目标特征数据之间的层级结构，并基于组合关系信息，确定层级结构的每一层结构对应的目标特征数据。
S202-2-3，根据每个子模型对应的全部目标特征数据之间的层级结构、以及层级结构的每一层结构对应的目标特征数据，获得每个子模型。
例如，以上述图3中的结构属性为例，假设将结构属性对应的目标特征数据划分为显性特征数据和隐形特征数据，针对显性特征数据，将显性特征数据以语义关系连接，构建成子模型的“树干”与“树枝”。对于显性特征数据，分解表示成“Know-What”-“Know-how”-“Know-why”的形式标识的特征元素，作为“枝叶”，从而可以形成结构属性对应的子模型的层级结构。
在可选地实施方式中，当确定存在具有的相同挤压模具类型的新挤压模具的多类特征数据，根据新挤压模具的多类特征数据，更新知识表示模型。
可以理解的是，每种型号的挤压模具都可以作为一个实例，从而进行特征数据的结构化表示。同时，记录与挤压模具设计知识相关的数据，如挤压工艺、挤压材料、挤压机等，也可以以具体特征元素节点的形式与父模型建立关联，从而实现对知识表示模型的更新。
在可选地实施方式中，结合获得的挤压模具知识表示模型，本发明实施例还提供了一种基于网络协同工作环境的挤压模具知识处理系统以进行设计知识的可视化表示以及重用，因此，该方法还可以包括：响应查询操作指令，获得待查询的挤压模具类型；基于待查询模的挤压模具类型，从预设的挤压模具知识处理系统中获得待查询模的挤压模具类型对应的知识表示模型；显示待查询模的挤压模具类型对应的知识表示模型。
在一种可能的实施方式中，本发明实施例提供的挤压模具知识处理系统系统的功能主要有：挤压模具数据标识模型的结构化存储及可视化，图形和三维模型的可视化展示，知识的检索与重用。例如，本发明实施例可以运用HTML5及JavaScript的树型结构框架记录挤压模具数据标识模型。进而，运用Canvas的可视化模块将与数据标识模型中与特征数据相关的图片、图纸或三维模型在网页端可视化显示，以帮忙用户对知识元素的理解。最后，基于自然语言处理和深度学习方法，构建语义检索和智能问答模块，进行特征数据的快速搜索和重用。
图6为本发明实施例提供的一种挤压模具知识处理系统的功能模块图，如图6所示，该挤压模具知识处理系统300可以包括：
获取模块310，用于获取多个挤压模具样本各自对应的多类特征数据；多个挤压模具样本具有相同挤压模具类型。
构建模块320，用于根据多个挤压模具样本各自对应的多类特征数据，构建至少一个子模型；其中，每个子模型的特征属性与至少一类特征数据之间具有映射关系；基于每个子模型的特征属性，构建每个子模型对应的父模型，并建立每个子模型对应的父模型与每个子模型之间的层级结构；其中，每个子模型对应的父模型的属性与每个子模型的特征属性一致；将层级结构作为相同挤压模具类型的挤压模具对应的知识表示模型。
图7为本发明实施例提供的挤压模具知识处理系统的一种交互界面示意图，可以看出左边是以Canvas的形式三维可视化显示挤压模具的三维模型，可以但不限于包括零部件、几何尺寸、截面图、爆炸图。右边的是对应的知识表示模型，可以看出，在知识表示模型的每一层结构中，都对应挤压模具的设计知识。
图8为本发明实施例提供的挤压模具知识处理系统的另一种交互界面示意图，可以看出，用户可以通过语义检索和智能问答的形式，实现对任意一种类型的挤压模具的知识快速检索与重用，为新的挤压模具设计提供参考依据。
在可选地实施方式中，构建模块320，具体用于：根据所述每个子模型的特征属性与至少一类特征数据之间的映射关系，从所述多个挤压模具样本各自对应的多类特征数据中，确定所述每个子模型对应的全部目标特征数据；基于所述每个子模型对应的全部目标特征数据之间的相互关系信息，构建所述每个子模型的层级结构，并将所述层级结构作为所述每个子模型。
在可选地实施方式中，构建模块320，具体用于：根据所述每个子模型对应的特征属性，确定所述每个子模型对应的全部目标特征数据之间的组合关系信息和语义关系信息；基于所述语义关系信息构建所述每个子模型对应的全部目标特征数据之间的层级结构，并基于所述组合关系信息，确定所述层级结构的每一层结构对应的目标特征数据；根据所述每个子模型对应的全部目标特征数据之间的层级结构、以及所述层级结构的每一层结构对应的目标特征数据，获得所述每个子模型。
在可选地实施方式中，构建模块320，具体用于：根据所述每个子模型的特征属性，将所述每个子模型对应的全部目标特征数据划分为第一类特征数据和第二类特征数据；其中，第一类特征数据用于表征具有所述相同挤压模具类型的挤压模具的参数数据；所述第二类特征数据用于表征具有所述相同挤压模具类型的挤压模具的经验数据；从所述第一类特征数据中，确定所述语义关系信息，并从所述第二类特征数据中，确定所述组合关系信息。
在可选地实施方式中，挤压模具知识处理系统300还包括更新模块，用于：当确定存在具有的相同挤压模具类型的新挤压模具的多类特征数据，根据新挤压模具的多类特征数据，更新知识表示模型。
在可选地实施方式中，本发明实施例提供的挤压模具知识处理系统，可以设计知识的可视化表示以及重用，即挤压模具知识处理系统300还包括交互模块，用于响应查询操作指令，获得待查询的挤压模具类型；基于待查询模的挤压模具类型，从预设的挤压模具知识处理系统中获得待查询模的挤压模具类型对应的知识表示模型；显示待查询模的挤压模具类型对应的知识表示模型。
本发明实施例还提供一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如前述实施方式中任一项的挤压模具知识处理方法。该计算机存储介质可以是，但不限于，U盘、移动硬盘、ROM、RAM、PROM、EPROM、EEPROM、磁碟或者光盘等各种可以存储程序代码的介质。
应该理解到，在本发明所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

Claims (6)

1.一种挤压模具知识处理方法，其特征在于，所述方法包括：
获取多个挤压模具样本各自对应的多类特征数据；所述多个挤压模具样本对应相同挤压模具类型；
根据所述多个挤压模具样本各自对应的多类特征数据，构建至少一个子模型；其中，每个子模型的特征属性与至少一类特征数据之间具有映射关系；
基于所述每个子模型的特征属性，构建所述每个子模型对应的父模型，并建立所述每个子模型对应的父模型与所述每个子模型之间的层级结构；其中，所述每个子模型对应的父模型的属性与所述每个子模型的特征属性一致；
将所述层级结构作为所述相同挤压模具类型的挤压模具对应的知识表示模型；
根据所述多个挤压模具样本各自对应的多类特征数据，构建至少一个子模型，包括：根据所述每个子模型的特征属性与至少一类特征数据之间的映射关系，从所述多个挤压模具样本各自对应的多类特征数据中，确定所述每个子模型对应的全部目标特征数据；基于所述每个子模型对应的全部目标特征数据之间的相互关系信息，构建所述每个子模型的层级结构，并将所述层级结构作为所述每个子模型；
基于所述每个子模型对应的全部目标特征数据之间的相互关系信息，构建所述每个子模型的层级结构，并将所述层级结构作为所述每个子模型，包括：根据所述每个子模型对应的特征属性，确定所述每个子模型对应的全部目标特征数据之间的组合关系信息和语义关系信息；基于所述语义关系信息构建所述每个子模型对应的全部目标特征数据之间的层级结构，并基于所述组合关系信息，确定所述层级结构的每一层结构对应的目标特征数据；根据所述每个子模型对应的全部目标特征数据之间的层级结构、以及所述层级结构的每一层结构对应的目标特征数据，获得所述每个子模型；
根据所述每个子模型对应的特征属性，确定所述每个子模型对应的全部目标特征数据之间的组合关系信息和语义关系信息，包括：根据所述每个子模型的特征属性，将所述每个子模型对应的全部目标特征数据划分为第一类特征数据和第二类特征数据；其中，第一类特征数据用于表征具有所述相同挤压模具类型的挤压模具的参数数据；所述第二类特征数据用于表征具有所述相同挤压模具类型的挤压模具的经验数据；从所述第一类特征数据中，确定所述语义关系信息，并从所述第二类特征数据中，确定所述组合关系信息。
2.根据权利要求1所述的挤压模具知识处理方法，其特征在于，所述方法还包括：
当确定存在具有的所述相同挤压模具类型的新挤压模具的多类特征数据，根据所述新挤压模具的多类特征数据，更新所述知识表示模型。
3.根据权利要求1所述的挤压模具知识处理方法，其特征在于，所述方法还包括：
响应查询操作指令，获得待查询的挤压模具类型；
基于所述待查询的挤压模具类型，从预设的挤压模具知识处理系统中获得所述待查询的挤压模具类型对应的知识表示模型；
显示所述待查询的挤压模具类型对应的知识表示模型。
4.一种挤压模具知识处理系统，其特征在于，包括：
获取模块，用于获取多个挤压模具样本各自对应的多类特征数据；所述多个挤压模具样本具有相同挤压模具类型；
构建模块，用于根据所述多个挤压模具样本各自对应的多类特征数据，构建至少一个子模型；其中，每个子模型的特征属性与至少一类特征数据之间具有映射关系；基于所述每个子模型的特征属性，构建所述每个子模型对应的父模型，并建立所述每个子模型对应的父模型与所述每个子模型之间的层级结构；其中，所述每个子模型对应的父模型的属性与所述每个子模型的特征属性一致；将所述层级结构作为所述相同挤压模具类型的挤压模具对应的知识表示模型；
所述构建模块，具体用于：根据所述每个子模型的特征属性与至少一类特征数据之间的映射关系，从所述多个挤压模具样本各自对应的多类特征数据中，确定所述每个子模型对应的全部目标特征数据；基于所述每个子模型对应的全部目标特征数据之间的相互关系信息，构建所述每个子模型的层级结构，并将所述层级结构作为所述每个子模型；
所述构建模块，具体用于：根据所述每个子模型对应的特征属性，确定所述每个子模型对应的全部目标特征数据之间的组合关系信息和语义关系信息；基于所述语义关系信息构建所述每个子模型对应的全部目标特征数据之间的层级结构，并基于所述组合关系信息，确定所述层级结构的每一层结构对应的目标特征数据；根据所述每个子模型对应的全部目标特征数据之间的层级结构、以及所述层级结构的每一层结构对应的目标特征数据，获得所述每个子模型；
所述构建模块，具体用于：根据所述每个子模型的特征属性，将所述每个子模型对应的全部目标特征数据划分为第一类特征数据和第二类特征数据；其中，第一类特征数据用于表征具有所述相同挤压模具类型的挤压模具的参数数据；所述第二类特征数据用于表征具有所述相同挤压模具类型的挤压模具的经验数据；从所述第一类特征数据中，确定所述语义关系信息，并从所述第二类特征数据中，确定所述组合关系信息。
5.一种挤压模具知识处理设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机程序，所述处理器可执行所述计算机程序以实现权利要求1-3任一项所述的方法。
6.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-3任一项所述的方法。
CN202210397537.0A 2022-04-15 2022-04-15 挤压模具设计知识处理方法、系统、设备及存储介质 Active CN114781082B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210397537.0A CN114781082B (zh) 2022-04-15 2022-04-15 挤压模具设计知识处理方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210397537.0A CN114781082B (zh) 2022-04-15 2022-04-15 挤压模具设计知识处理方法、系统、设备及存储介质

Publications (2)

Publication Number Publication Date
CN114781082A CN114781082A (zh) 2022-07-22
CN114781082B true CN114781082B (zh) 2023-04-07

Family

ID=82429590

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210397537.0A Active CN114781082B (zh) 2022-04-15 2022-04-15 挤压模具设计知识处理方法、系统、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114781082B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106126885A (zh) * 2016-06-16 2016-11-16 中国船舶工业综合技术经济研究院 一种产品设计知识服务方法和装置
CN106970909A (zh) * 2016-01-14 2017-07-21 芋头科技（杭州）有限公司 一种二次匹配语义的语义分析方法
CN113890899A (zh) * 2021-09-13 2022-01-04 北京交通大学 一种基于知识图谱的协议转换方法
CN114116668A (zh) * 2021-11-23 2022-03-01 中冶京诚工程技术有限公司 一种设备模型的数据化存储方法及装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110851611A (zh) * 2019-07-18 2020-02-28 华瑞新智科技（北京）有限公司 一种隐患数据知识图谱的构建方法及装置、设备、介质
CN112364531B (zh) * 2021-01-13 2021-03-30 长沙树根互联技术有限公司 复合物模型构建方法、装置、电子设备及存储介质
CN113515632B (zh) * 2021-06-30 2024-03-19 西南电子技术研究所（中国电子科技集团公司第十研究所） 基于图路径知识萃取的文本分类方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106970909A (zh) * 2016-01-14 2017-07-21 芋头科技（杭州）有限公司 一种二次匹配语义的语义分析方法
CN106126885A (zh) * 2016-06-16 2016-11-16 中国船舶工业综合技术经济研究院 一种产品设计知识服务方法和装置
CN113890899A (zh) * 2021-09-13 2022-01-04 北京交通大学 一种基于知识图谱的协议转换方法
CN114116668A (zh) * 2021-11-23 2022-03-01 中冶京诚工程技术有限公司 一种设备模型的数据化存储方法及装置

Also Published As

Publication number Publication date
CN114781082A (zh) 2022-07-22

Similar Documents

Publication Publication Date Title
CN104142980A (zh) 基于大数据的元数据模型管理系统和管理方法
CN107622080B (zh) 一种数据处理方法及设备
CN111191125A (zh) 一种基于标签化的数据分析方法
CN114138985B (zh) 文本数据处理的方法、装置、计算机设备以及存储介质
CN116126809B (zh) 一种基于国标的建筑信息模型数据存储转换方法
US20170300531A1 (en) Tag based searching in data analytics
CN106250110B (zh) 建立模型的方法及装置
WO2015192090A1 (en) System and method for utilizing a logical graphical model for scenario analysis
Guo et al. A hybrid 3D feature recognition method based on rule and graph
CN114064926A (zh) 多模态电力知识图谱构建方法、装置、设备及存储介质
US10489024B2 (en) UI rendering based on adaptive label text infrastructure
CN110874717B (zh) 一种数据管理方法
CN115329504A (zh) 一种基于复杂产品结构的bom构建方法
US20140130008A1 (en) Generating information models
CN115905630A (zh) 一种图数据库查询方法、装置、设备及存储介质
CN114781082B (zh) 挤压模具设计知识处理方法、系统、设备及存储介质
CN111178083A (zh) 一种bim和gis的语义匹配方法及装置
US20140149093A1 (en) Modeling content data for generating information models
CN116894035A (zh) 多源异构数据血缘关系构建方法、系统、设备和介质
WO2023024474A1 (zh) 一种数据集的确定方法、装置、计算机设备以及存储介质
CN111767406A (zh) Plc工程的知识表示方法及装置
CN111581815B (zh) 一种基于xml的工艺模型本体构建方法
CN114385776A (zh) 信息定位方法、存储介质及装置
CN113721823A (zh) 一种基于拖拽式的人机互动数据可视化方法
CN112860725A (zh) Sql自动生成方法和装置、存储介质及电子设备

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