基于ALO-BP神经网络和机械零件加工特征的工艺方案决策

针对传统制造企业工艺知识应用不充分,用于工艺方案决策过程的部分BP神经网络决策效率和准确率不高的问题,采用蚁狮优化(Ant Lion Optimizer, ALO)算法优化的BP神经网络构建了基于零件加工特征的工艺方案智能决策模型。首先对产品及工艺数据进行预处理,其次应用蚁狮优化算法对BP神经网络的初始化权值和阈值进行优化,最终基于样本数据集开展神经网络训练,进一步建立智能决策系统,并以柴油机零件为对象进行了工艺方案决策方法的应用验证。实例验证表明,采用优化的BP神经网络后,决策的速度和精度都有明显的提升;所构建决策系统是可行的,能够用于工艺方案的决策。     

基于图像深度学习的零件加工特征信息提取方法

针对各类基于模型定义(MBD)的零件模型加工特征的信息集成问题,提出一种多层次提取架构的加工特征全息信息提取方法.通过对零件的结构特点进行分析,以具有制造语义且无法拆分的最简化特征实现加工特征的分类;在阐述提取策略的基础上,构建了基于深度学习图像识别技术的加工特征分类器;依据MBD模型信息标注的特点快速定位、抽取加工特...