[发明专利]冲压打磨的工艺知识库构建方法、装置、设备及存储介质在审
| 申请号: | 202310761781.5 | 申请日: | 2023-06-27 |
| 公开(公告)号: | CN116595230A | 公开(公告)日: | 2023-08-15 |
| 发明(设计)人: | 谢晖;李茂;邓乾旺;龚志辉;李志彪 | 申请(专利权)人: | 大捷智能科技(广东)有限公司 |
| 主分类号: | G06F16/901 | 分类号: | G06F16/901;G06N3/0464;G06N3/084 |
| 代理公司: | 广州市深研专利事务所(普通合伙) 44229 | 代理人: | 江新伟 |
| 地址: | 528225 广东省佛山市南海区*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 冲压 打磨 工艺 知识库 构建 方法 装置 设备 存储 介质 | ||
1.一种冲压打磨的工艺知识库构建方法,其特征在于,所述方法包括:
构建冲压工艺知识库的第一数据库和打磨工艺知识库的第二数据库;
将所述第一数据库划分为材料库、模具库、设备库、工艺数据库、工艺参数库以及用户资料库;
将材料数据信息存储到所述材料库,将冲压模具的类型和冲压模具的材料以及参数的数据信息存储到所述模具库,将冲压的各种参数信息存储到所述设备库,将所述冲压工艺的设计流程中的数据、公式以及规则信息存储到所述工艺数据库,将所述冲压工艺得到的工艺参数存储到所述工艺参数库,以及将用户资料存储到所述用户资料库;
将所述第二数据库划分为输入层、知识存储层、推理层以及输出层;
将条件参数作为所述输入层的输入层参数,将打磨机器人打磨模具型面的工艺参数作为所述输出层的输出层参数,将所述输入层参数和所述输出层参数及打磨后表面质量所形成的数据及数据的映射关系存储到所述知识存储层,将卷积神经网络模型以及所述卷积神经网络模型的参数存储到所述推理层。
2.根据权利要求1所述的方法,其特征在于,所述将材料数据信息存储到所述材料库,包括:
将各材料的牌号、力学性能、厚度、零件形状、硬度、化学成分以及金相组织中的一种或多种材料数据信息存储到所述材料库。
3.根据权利要求1所述的方法,其特征在于,所述将冲压的各种参数信息存储到所述设备库,包括:
将冲压的冲压设备参数、种类参数、技术参数中的一项或多项存储到所述设备库。
4.根据权利要求1所述的方法,其特征在于,所述将所述冲压工艺得到的工艺参数存储到所述工艺参数库,包括:
将冲压工序、材料、材料尺寸、材料排样图、模具以及设备中的一项或多项工艺参数存储到所述工艺参数库。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
接收输入的新产品的产品信息,所述新产品的产品信息包括所述新产品的尺寸、材料、生产批量、公差以及形状;
根据所述新产品的尺寸、材料、生产批量以及公差与所述第一数据库中任一旧产品的尺寸、材料、生产批量以及公差计算出所述新产品与所述任一旧产品的成形相似度;
根据所述新成品的形状和所述任一旧产品的形状计算出所述新产品与所述任一旧产品的形状相似度;
根据所述成形相似度和所述形状相似度计算出所述新产品与所述任一旧产品的整体相似度;
若根据所述整体相似度确定所述新产品与所述任一旧产品不相似时,将所述新产品的尺寸、材料、生产批量、公差以及形状存储到所述材料库。
6.根据权利要求1所述的方法,其特征在于,所述条件参数包括初始表面质量、机体材质、打磨局部区域的曲率中的一项或多项;
所述打磨机器人打磨模具型面的工艺参数包括打磨头参数、打磨头移动速度、打磨头移动路径、打磨力中的一项或多项。
7.根据权利要求1所述的方法,其特征在于,所述卷积神经网络模型的训练步骤包括:
获取采样数据,所述采样数据包括打磨的初始表面质量、打磨头移动速度、打磨区域的高斯曲率、打磨力、机体材质、打磨头参数、打磨方向及磨损;
采用卷积神经网络反向传播算法,并基于建立的代价函数以及所述采样数据对所述卷积神经网络模型进行模型训练。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于大捷智能科技(广东)有限公司,未经大捷智能科技(广东)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310761781.5/1.html,转载请声明来源钻瓜专利网。





