【技术实现步骤摘要】
【国外来华专利技术】通过强化学习生成工具路径来用于计算机辅助制造
[0001]相关申请的交叉引用
[0002]本专利申请要求2020年6月22日提交的美国临时专利申请号63/042,264和2021年1月20日提交的美国技术专利申请号17/153,266的优先权和权益,所述申请以引用的方式整体并入本文。
技术介绍
[0003]本说明书涉及诸如使用减材制造系统和技术对物理结构进行计算机辅助设计和制造。
[0004]已经开发出计算机辅助设计(CAD)软件和计算机辅助制造(CAM)软件,并且将所述软件用来生成对象的三维(3D)表示,并且例如使用计算机数控(CNC)制造技术制造那些对象的物理结构。减材制造是指通过切除物料的部分而从物料(通常是比3D对象大的“坯件”或“工件”)创建3D对象的任何制造过程。减材制造过程常常涉及在遵循先前(至少部分地)手动确定的工具路径的一系列操作中使用多个CNC机床切削工具。
[0005]对于新手用户来说,在CAM软件中选择工具路径可为困难的。CNC铣床可具有若干轴和功能,并且正在加工的几何形状可能具有需要特定的路由路径的复杂形式。现有的选择工具路径的方法涉及用户了解哪些类别的工具路径是最适当的,选择那个类别,并且操纵许多(通常是几十个)参数以实现期望的结果。然而,即使在向用户给出关于使用何种工具路径的提示时,选择哪一类别的工具路径并非总是明显的,并且因此用户常常要花费数小时来探索各种类别和参数以试图找到他们想要的工具路径。此外,软件(可从加利福尼亚州圣拉斐尔的Autodesk公司获得)包括可用于生成工具路径 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种方法,所述方法包括:在计算机辅助设计或制造程序中获得可制造对象的三维(3D)模型;由所述计算机辅助设计或制造程序通过在训练期间将所述三维模型的至少一部分提供给采用强化学习的机器学习算法而生成能够由计算机控制的制造系统用来制造所述可制造对象的至少一部分的工具路径,其中所述机器学习算法包括一个或多个打分函数,所述一个或多个打分函数包括与期望的工具路径特性相关的奖励,所述工具路径特性包括工具路径平滑度、工具路径长度和避免与所述三维模型的碰撞;以及将所述工具路径提供给所述计算机控制的制造系统以制造所述可制造对象的至少所述部分。2.如权利要求1所述的方法,其中所述期望的工具路径特性包括选定切削工具的工具接合和选定工具的接触轨迹。3.如权利要求1
‑
2中任一项所述的方法,其中所述机器学习算法采用可变进给和/或速度。4.如权利要求1所述的方法,其中所述机器学习算法包括两种或更多种机器学习算法,并且提供所述三维模型的至少所述部分包括:利用所述两种或更多种机器学习算法中的第一机器学习算法处理所述三维模型的至少所述部分;以及利用所述两种或更多种机器学习算法中的第二机器学习算法处理所述三维模型的所述部分。5.如权利要求4所述的方法,其中所述两种或更多种机器学习算法中的所述第一机器学习算法包括卷积神经网络,所述卷积神经网络用于从将要利用所述两种或更多种机器学习算法中的第二机器学习算法处理的所述三维模型的所述部分生成数据。6.如权利要求4所述的方法,其中所述两种或更多种机器学习算法中的所述第一机器学习算法对所述三维模型的至少所述部分的低分辨率视图进行操作,并且所述两种或更多种机器学习算法中的所述第二机器学习算法对所述三维模型的所述部分的高分辨率视图进行操作。7.如权利要求1
‑
2和4中任一项所述的方法,其中所述机器学习算法包括基于优势的执行者
‑
评论者机器学习架构。8.如权利要求1
‑
2和4
‑
6中任一项所述的方法,其中所述工具路径用于所述计算机控制的制造系统进行的2.5轴加工。9.如权利要求8所述的方法,其中生成能够由所述计算机控制的制造系统用来制造所述可制造对象的至少所述部分的所述工具路径包括:在离散的2D层处生成所述三维模型的多个二维(2D)表示;将每个2D表示提供给所述机器学习算法,以生成用于制造每个离散的2D层的对应一组工具路径;以及通过将用于所述三维模型在离散的2D层处的所述多个2D表示的所述对应组工具路径进行组合,生成能够由所述计算机控制的制造系统使用的所述工具路径。10.如权利要求1所述的方法,其中所述机器学习算法包括两种或更多种机器学习算法,并且将所述三维模型的至少所述部分提供给所述机器学习算法包括:
通过利用所述两种或更多种机器学习算法中的第一机器学习算法处理所述三维模型的至少所述部分的全局视图而生成至少一个起始位置;以及通过利用所述两种或更多种机器学习算法中的第二机器学习算法处理所述三维模型的至少所述部分的局部视图而在所述至少一个起始位置中的每一者附近生成一组工具路径。11.如权利要求10所述的方法,其中生成所述至少一个起始位置包括利用所述两种或更多种机器学习算法中的所述第一机器学习算法使用所述可制造对象的所述三维模型和物料的模型的离散化表示来处理所述全局视图,将要从所述物料的所述模型制造所述可制造对象的至少所述部分,并且其中生成所述一组工具路径包括在用于制造所述可制造对象的至少所述部分的所述计算机控制的制造系统中利用所述两种或更多种机器学习算法中的所述第二机器学习算法使用工具的模型的连续表示来处理所述局部视图。12.如权利要求11所述的方法,其中生成所述至少一个起始位置包括利用所述两种或更多种机器学习算法中的所述第一机器学习算法使用所述工具的所述模型的离散化表示来处理所述全局视图,并且生成所述一组...
【专利技术属性】
技术研发人员:DP洛弗尔,AA本阿布巴卡尔,S梅汉,
申请(专利权)人:欧特克公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。