Machining Feature Recognition Method Based on Improved Mesh Neural Network
2023 Iranian Journal of Science and Technology
Machining Feature Recognition Method Based on Improved Mesh Neural Network(基于改进网格神经网络的加工特征识别方法)
特征识别指的是,即从其固有几何和拓扑信息中识别CAD模型的高级加工特征(例如槽、孔和步骤)。
摘要
加工特征识别是连接计算机辅助设计(CAD)和计算机辅助工艺规划(CAPP)系统的桥梁,是实现CAD、CAPP和计算机辅助制造(CAM)一体化的关键技术。为了克服传统CAPP系统识别效率低和智能水平低的问题,有效识别加工特征,本文提出了一种基于MeshFaster RCNN的机械零件加工特征识别方法,该方法将原有的MeshCNN模型与Faster RCNN模型相结合。基于改进的MeshNet网格识别框架,构建了一种卷积神经网络,用于加工曲面网格数据的自动加工特征识别。通过采集CAD模型中加工特征面的网格数据集,构建适合网络学习的三角网格数据样本库,通过样本训练得到最优神经网络模型。然后,基于模型定义(MBD)技术快速准确地获取零件的加工特征,并将其转换为三角网格数据;在此基础上,结合三角网格数据处理算法,将处理后的加工特征数据导入到最优神经网络模型中,完成特征识别过程。实验结果表明,通过对CNN进行网络训练,得到了一个加工特征识别器,可以自动识别24种加工特征,准确率达到99.6%以上。该方法需要的特征网格数据量少,数据处理过程简单。该方法具有较好的鲁棒性和对相交特征的识别效果。
贡献
本研究的贡献如下:
(1)提出了一种改进的MeshCNN方法,提高了网络识别的准确率。
(2)利用改进的MeshCNN从机械零件的基于模型的定义(MBD)模型中识别加工特征,提高了识别过程的智能化程度。
(3)为解决待识别零件中复杂相交特征的问题,提高复杂机械零件的识别精度,提出了一种特征提取方法。
框架
结论
针对现有CAPP系统中使用的加工特征识别方法识别效率低、智能化程度低的问题,本研究提出了一种基于三角网格和神经网络的加工特征识别方法,得到以下结论:
(1)针对不同行业产品加工特征差异较大,现有加工特征识别方法适用性有限的问题,提出了一种加工特征数据集自定义的方法。此外,在系统的使用过程中,如果特征识别不正确,可以使用该特征生成一个数据集,输入到训练集中进行训练,因此是真实的利用系统的自学习能力,提高系统的智能化。
(2)提出了一种基于网格CNN算法的加工特征识别方法,提高了系统识别特征的智能性,提高了加工特征识别的效率和精度。此外,还建立了一种用于加工特征识别的深度神经网络。
率和精度。此外,还建立了一种用于加工特征识别的深度神经网络。
(3)提出了一种三角网格数据处理方法,并与MBD技术相结合。将加工特征完全转化为神经网络可识别的数据,为本文提出的加工特征识别方法奠定了基础。