结合相邻刀轨横向几何特征的刀具特征点识别方法及设备技术

本发明专利技术属于铣削精加工及深度学习相关技术领域，其公开了一种结合相邻刀轨横向几何特征的刀具特征点识别方法及设备，方法包括以下步骤：(1)解析目标零件的G01程序段以获取加工刀具路径中刀位点的三维坐标，并按照刀具行进方向排序以得到刀位点点云；(2)确定并计算刀位点的几何参数，构建刀位点的几何特征向量；(3)结合刀具行进方向的邻域刀位点生成刀位点几何特征矩阵；(4)将刀位点云拓扑成图数据结构；(5)通过每个刀位点的邻接刀位点索引构建刀位点间的连通关系，计算刀位点云邻接矩阵；(6)将预测特征点的刀位点云数据及刀位点云邻接矩阵输入训练后图神经网络模型，以完成刀具特征点识别。本发明专利技术有更高的识别精度和查全率。率。率。

【技术实现步骤摘要】
结合相邻刀轨横向几何特征的刀具特征点识别方法及设备


[0001]本专利技术属于铣削精加工及深度学习相关
，更具体地，涉及一种结合相邻刀轨横向几何特征的刀具特征点识别方法及设备。

技术介绍

[0002]在现代制造业中，数控加工作为一种最重要、最受欢迎的制造方法，普遍应用于汽车、航空、消费电子等行业。在实际的铣削精加工的过程中，是由CAM软件后处理生成加工G01程序段，如图2所示，数控系统就是通过读取G代码进而进行零件的加工，但是G代码是一种较为简单的语言，主要包含了刀具路径的位置信息，无法表达零件模型的几何特征，所以在这个过程中数控系统无法获得零件的几何特征信息。随着制造业的发展，对机床加工精度提出了更高的要求，所以如何从G代码中提取出零件的几何特征信息并让数控系统加以读取并利用，成为了进一步提升机床加工精度的核心问题之一。在G01程序段中，刀位点横向加工信息不一致的点即为特征点，特征点位于零件几何特征的边界，或是相邻刀路的连接点，如图3所示。在刀具路径中标识出这些特征点对于数控系统来说是至关重要的，首先，数控系统可根据标识出的特征点划分零件的几何特征区域，并根据零件几何特征区域进行合理的速度区间划分，可在提升加工精度的同时提升加工效率，另一方面，保持特征点在横向的速度一致性能够极大的保证零件的加工质量，避免产生加工瑕疵，特别是在一些自由曲面零件加工中，由此可见特征点识别对于数控系统的重要性。
[0003]由于加工零件特征的多样性及G代码表达的几何缺陷，采用传统的方法难以解决刀具路径的特征点识别问题，传统方法需人为的提取总结特征点的特征模式，并且难以结合相邻刀轨的横向几何特征信息，所以导致传统方法在特征点识别问题上的适用性和效果较差。

技术实现思路

[0004]针对现有技术的以上缺陷或改进需求，本专利技术提供了一种结合相邻刀轨横向几何特征的刀具特征点识别方法及设备，其通过识别出刀具路径中的特征点可以供数控系统参考，得以对零件加工过程进行进一步的优化，且该专利技术结合了相邻刀轨刀位点的横向几何特征，相较于之前的刀路轨迹特征点识别拥有更高的识别精度和查全率。
[0005]为实现上述目的，按照本专利技术的一个方面，提供了一种结合相邻刀轨横向几何特征的刀具特征点识别方法，所述方法主要包括以下步骤：
[0006](1)解析目标零件的G01程序段以获取加工刀具路径中刀位点的三维坐标，并将得到的刀位点坐标按照刀具行进方向排序以得到刀位点点云；
[0007](2)确定并计算刀位点的几何参数，同时构建刀位点的几何特征向量；
[0008](3)结合刀具行进方向的邻域刀位点生成刀位点几何特征矩阵；
[0009](4)采用贪婪投影三角化算法将刀位点云拓扑成图数据结构；
[0010](5)通过每个刀位点的邻接刀位点索引构建刀位点间的连通关系，进而计算刀位
点云邻接矩阵；
[0011](6)将需预测特征点的刀位点云数据及刀位点云邻接矩阵输入训练后的图神经网络模型，所述图神经网络模型完成刀具特征点识别。
[0012]进一步地，步骤(6)包括以下子步骤：
[0013](S1)确定并计算刀位点间的几何相似性系数，再结合刀位点云邻接矩阵构建刀位点云几何相似性邻接矩阵；
[0014](S2)构建刀位点云游走概率矩阵；
[0015](S3)针对每个刀位点的游走概率向量，按照游走概率从大到小概率获取m个关系刀位点，m为正整数；
[0016](S4)通过关系刀位点索引集选取关系刀位点的几何特征矩阵，结合目标刀位点的几何特征矩阵，构造目标刀位点的综合几何特征矩阵；
[0017](S5)将刀位点综合几何特征矩阵输入图神经网络模型的隐藏层以提取抽象特征，并预测输出特征点标签。
[0018]进一步地，输出的特征点标签按照概率进行区分，预测概率大于0.8的即为特征点，以标签1来表示该刀位点为特征点，反之以0表示为刀位点不是特征点。
[0019]进一步地，步骤(2)中，刀位点云几何相似性邻接矩阵的每一行为对应索引的刀位点与其邻接刀位点的几何相似性系数，与未邻接刀位点的几何相似性系数为0，提取出刀位点的邻接相似性向量；接着，通过归一化刀位点的邻接相似性向量，计算刀位点的游走概率向量；之后，计算刀位点间的游走概率，并构建刀位点云游走概率矩阵A
p
及刀位点游走概率向量接着，根据确定的需要游走的步数c，计算游走c步后的刀位点云游走概率矩阵及游走c步后的刀位点游走概率向量
[0020]进一步地，步骤(S3)中，对每个刀位点的游走概率向量进行从大到小的排序，并按照游走概率从大到小保存邻接刀位点的索引值；选取邻接刀位点索引，选中的索引值即为目标刀位点的关系刀位点索引，刀位点i的关系刀位点索引集记为S
i
，关系刀位点即为目标刀位点的相邻刀轨中与目标刀位点有连通关系且几何特征最为相似的刀位点。
[0021]进一步地，几何参数包括点距、外角、内角及曲率。
[0022]进一步地，步骤(5)中，针对每个刀位点，刀位点云三角化后，针对每个刀位点获取与其有连通关系的刀位点，即邻接刀位点，记录其邻接刀位点的索引；通过刀位点的邻接点索引向量构建刀位点云的邻接矩阵A，其中A
ij
表示刀位点i与刀位点j的连通关系，如有连通关系A
ij
＝1，否则A
ij
＝0。
[0023]进一步地，该图神经网络模型包括输入层、综合几何特征提取层、隐藏层及输出层；输入层读取该图数据结构，随后图神经网络模型中的综合几何特征提取层聚合刀位点刀具行进纵向及横向的几何特征，进行刀位点综合几何特征矩阵的生成与刀位点综合几何特征初步提取，随后图神经网络模型中的隐藏层进行特征点深层次特征的提取，最后由输出层进行聚合计算并输出特征点标。
[0024]本专利技术还提供了一种计算机可读存储介质，该计算机可读存储介质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上所述的结合相邻刀轨横向几何特征的刀具特征点识别方法。
[0025]本专利技术还提供了一种结合相邻刀轨横向几何特征的刀具特征点识别设备，该设备包括如上所述的计算机可读存储介质以及处理器，处理器用于调用和处理计算机可读存储介质中存储的计算机程序。
[0026]总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，本专利技术提供的结合相邻刀轨横向几何特征的刀具特征点识别方法及设备主要具有以下有益效果：
[0027]1.该专利技术通过三角剖分将刀位点与其邻接刀位点建立连通关系，通过计算刀位点与其邻接刀位点几何相似性来确定游走概率，通过游走概率来确定横向关系刀位点，通过结合刀位点与其关系刀位点的几何特征构建综合几何特征矩阵作为图神经网络隐藏层的输入，以此利用图神经网络模型解决特征点的识别问题，该方法与现有方法相比能够提取和结合刀位点的邻域刀位点几何特征信息及刀位点横向几何特征信息，生成的特征矩阵有更强的特征表达能力，有利于图神经网络提取其深层次特征。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合相邻刀轨横向几何特征的刀具特征点识别方法，其特征在于，所述方法包括以下步骤：(1)解析目标零件的G01程序段以获取加工刀具路径中刀位点的三维坐标，并将得到的刀位点坐标按照刀具行进方向排序以得到刀位点点云；(2)确定并计算刀位点的几何参数，同时构建刀位点的几何特征向量；(3)结合刀具行进方向的邻域刀位点生成刀位点几何特征矩阵；(4)采用贪婪投影三角化算法将刀位点云拓扑成图数据结构；(5)通过每个刀位点的邻接刀位点索引构建刀位点间的连通关系，进而计算刀位点云邻接矩阵；(6)将需预测特征点的刀位点云数据及刀位点云邻接矩阵输入训练后的图神经网络模型，所述图神经网络模型完成刀具特征点识别。2.如权利要求1所述的结合相邻刀轨横向几何特征的刀具特征点识别方法，其特征在于：步骤(6)包括以下子步骤：(S1)确定并计算刀位点间的几何相似性系数，再结合刀位点云邻接矩阵构建刀位点云几何相似性邻接矩阵；(S2)构建刀位点云游走概率矩阵；(S3)针对每个刀位点的游走概率向量，按照游走概率从大到小概率获取m个关系刀位点，m为正整数；(S4)通过关系刀位点索引集选取关系刀位点的几何特征矩阵，结合目标刀位点的几何特征矩阵，构造目标刀位点的综合几何特征矩阵；(S5)将刀位点综合几何特征矩阵输入图神经网络模型的隐藏层以提取抽象特征，并预测输出特征点标签。3.如权利要求2所述的结合相邻刀轨横向几何特征的刀具特征点识别方法，其特征在于：输出的特征点标签按照概率进行区分，预测概率大于0.8的即为特征点，以标签1来表示该刀位点为特征点，反之以0表示为刀位点不是特征点。4.如权利要求1所述的结合相邻刀轨横向几何特征的刀具特征点识别方法，其特征在于：步骤(2)中，刀位点云几何相似性邻接矩阵的每一行为对应索引的刀位点与其邻接刀位点的几何相似性系数，与未邻接刀位点的几何相似性系数为0，提取出刀位点的邻接相似性向量；接着，通过归一化刀位点的邻接相似性向量，计算刀位点的游走概率向量；之后，计算刀位点间的游走概率，并构建刀位点云游走概率矩阵A
p
及刀位点游走概率向量接着，根据确定的需要游走的步数c，计算游走c步后的刀位点云游走概率矩...

【专利技术属性】
技术研发人员：胡鹏程，宋颍博，谢杰君，陈吉红，
申请(专利权)人：武汉华中数控股份有限公司，
类型：发明
国别省市：