[发明专利]一种基于流动特征获取注塑制品类型的方法

说明书

本发明属于注塑制品领域，并公开了一种基于流动特征获取注塑制品类型的方法。该方法包括下列步骤：(a)采集多个注塑制品的三维模型，该三维模型中包括注塑制品的外部和内部几何结构特征；(b)采用仿真模拟流体填充该三维模型，由此获得该三维模型填充过程中的流动特征，将该流动特征转化为矩阵形式；(c)重复上述步骤获得所有三维模型对应的矩阵，构建并训练深度卷积神经网络模型；(d)将待处理注塑制品的三维模型获得对应的待处理矩阵，然后将该待处理矩阵输入神经网络模型中获得其所属的类型，由此获得待处理注塑制品的类型。通过本发明，实现对注塑制品三维模型的流动特征提取，整个过程高效、准确，可以脱离人工操作实现智能。

技术领域

本发明属于注塑制品领域，更具体地，涉及一种基于流动特征获取注塑制品类型的方法。

背景技术

在注塑制品的生产过程中，产品的外部形状及内部结构会对其模具设计、成型过程以及质量产生重要影响。而注塑工业经过许多年的发展已经积累了无数宝贵生产经验和数据，因此，我们需要有效的方法来利用这些经验及数据。通过检索相似注塑产品形状及结构，可以从以往的生产数据中找到相似的生产方案，从而高效地指导后续的模具设计及工艺参数优化等，或者甚至重复利用以往的生产实例指导生产。

目前的技术大多数是通过人工或者简单的制品几何信息对制品进行检索，以求获得以往相似的生产实例。而许多三维模型的形状检索方法，都是通过旋转模型来生成多个方向观察的二维图像，然后从二维图像中提取图像的形状描述因子和特征向量，通过比较这些形状描述因子和特征向量来判断三维模型的相似性，从而达到模型检索目的。但形状描述因子等特征需要人工选取，而且构建十分繁琐且涉及大量计算，选取方式将会直接影响检索的准确性，因此鲁棒性不佳。此外，大多数模型检索只是对模型的外形进行检测和检索，而在注塑成型过程中，产品的内部结构与材料在模具内部的流动状态息息相关，对注射过程的影响更加重要，而目前并没有很好的方法能够对三维模型内部进行有效的相似性检索。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于流动特征获取注塑制品类型的方法，基于对注塑制品三维模型的流动特性，根据该流动特性构建神经网络模型，实现对注塑制品的分类，由此解决没有结合注塑制品三维模型内部结构获取其所属类型的技术问题。

为实现上述目的，按照本发明，提供了一种基于流动特征获取注塑制品类型的方法，其特征在于，该方法包括下列步骤：

(a)采集N个注塑制品的三维模型，该三维模型中包括注塑制品的外部和内部几何结构特征，N为大于或等于1的任意正整数；

(b)针对每个三维模型，采用仿真模拟流体填充该三维模型，由此获得该三维模型填充过程中的流动特征，将该流动特征转化为矩阵形式；

(c)重复步骤(b)N次获得N个注塑制品各自相应的矩阵，N个矩阵构成矩阵集合，构建深度卷积神经网络模型，该神经网络模型首先学习和识别所述矩阵对应的流动特征，然后根据该流动特征对所述矩阵进行聚类，采用所述矩阵集合对神经网络模型进行训练，由此完成神经网络模型的构建；

(d)将待处理注塑制品的三维模型重复步骤(b)获得与该三维模型对应的待处理矩阵，然后将该待处理矩阵输入所述神经网络模型中，获得该待处理矩阵所属的类型，由此获得待处理注塑制品的类型。

进一步优选地，在步骤(b)中，将流动特征转化为矩阵形式包括下列步骤：

(b1)在所述流动特征中设定S个采样点，并获取每个采样点对应的M 个特征参数与时间的关系，由此所述流动特征对应S*M个特征参数与时间的关系，其中，S和M为大于或等于1的任意整数；

(b2)将每个所述特征参数与时间的关系绘制为曲线，并以图像的形式存储，对所述图像进行图像处理获得与该图像对应的灰度值二维矩阵；