| 数据与知识驱动的零件特征工艺决策方法 |
| |
| 作者姓名： | 方舟 黄瑞 黄波 蒋俊锋 韩泽凡 |
| |
| 作者单位： | 河海大学 信息科学与工程学院, 常州 213200;中国科学院 深圳先进技术研究院, 深圳 518055 |
| |
| 基金项目： | 国家自然科学基金(52075148, 52105518) |
| |
| 摘 要： | 在零件的工艺设计阶段, 加工工艺方案的生成强依赖于设计人员选择和应用的工艺知识. 而由于实际的生产环境与设计人员选择工艺知识存在着诸多偏差, 加工方案与实际的工艺过程不匹配成为当前零件制造领域关注的难题. 为解决上述问题, 本文提出了一种数据与知识双驱动的零件特征工艺决策方法. 本方法使用基于注意力机制的MLP深度学习算法, 从结构化工艺数据中挖掘工艺知识, 关联零件特征与特征工艺标签. 将其经过数据加工后, 用于训练神经网络模型. 经过验证, 该方法能够以零件特征的工艺数据为输入, 输出其对应的特征工艺标签的概率分布, 为零件工艺方案的选择提供决策支持.
|
| 关 键 词： | 数据驱动 知识引导 MLP 特征工艺决策 |
| 收稿时间： | 2023-12-28 |
| 修稿时间： | 2024-01-29 |
|
| 点击此处可从《计算机系统应用》浏览原始摘要信息 |
|
点击此处可从《计算机系统应用》下载免费的PDF全文 |
|
