[发明专利]基于深度学习的刀具特征识别方法

说明书

本发明公开了一种基于深度学习的刀具特征识别方法，用于解决现有非标专用刀具设计方法实用性差的技术问题。技术方案是从图像视觉入手，挖掘工件加工特征与刀具的二维工程图二者的关联关系，实现刀具设计方案重用。首先基于卷积深度信念网络生成模型，融合二维工程图的结构信息和尺寸信息，对高维刀具图进行特征提取，获取低维的刀具特征向量；然后结合CDBN判别模型和迁移学习，在重用刀具特征提取网络参数的基础上，挖掘加工特征与刀具特征向量的关联关系；最后通过基于Sofmax的刀具分类和基于夹角余弦法的相似性匹配两个步骤，实现刀具特征向量到历史刀具设计方案的映射，实用性好。

技术领域

本发明涉及一种非标专用刀具设计方法，特别是涉及一种基于深度学习的刀具特征识别方法。

背景技术

非标专用刀具设计是一个非常依赖设计经验知识的设计过程，设计人员在构思刀具设计方案时，通常会根据个人设计经验，将新的刀具设计要求与以往的刀具设计实例进行对比，参考已有的成熟设计经验知识，对以往刀具设计实例进行修改来满足新刀具的设计要求。

目前，关于刀具设计知识重用方法主要有：基于实例的推理方法、基于专家系统的方法、基于规则的推理方法等。文献“一种基于实例推理的刀具选配方法研究，航空制造技术，2015，vol.474(5),77-81”公开了一种基于实例推理的刀具选配方法。该方法利用以往的经验和知识来解决新的刀具选择问题，重点研究了刀具选配实例的知识表示和检索匹配，首先输入加工要求等信息，用统一的知识表示方法加以组织形成问题实例；然后按照一定的检索匹配策略从实例库中搜索相似的刀具选配实例；最后对检索匹配出的刀具选择结果和切削参数等信息进行修改优化，将修改后的信息作为新问题的解决方法。然而，该方法只是针对通用刀具的选配问题，需要建立统一的知识表示方法和详细的检索匹配策略，对于复杂的非标专用刀具并不适用。

发明内容

为了克服现有非标专用刀具设计方法实用性差的不足，本发明提供一种基于深度学习的刀具特征识别方法。该方法从图像视觉入手，挖掘工件加工特征与刀具的二维工程图二者的关联关系，实现刀具设计方案重用。首先基于卷积深度信念网络生成模型，融合二维工程图的结构信息和尺寸信息，对高维刀具图进行特征提取，获取低维的刀具特征向量；然后结合CDBN判别模型和迁移学习，在重用刀具特征提取网络参数的基础上，挖掘加工特征与刀具特征向量的关联关系；最后通过基于Sofmax的刀具分类和基于夹角余弦法的相似性匹配两个步骤，实现刀具特征向量到历史刀具设计方案的映射，实用性好。

本发明解决其技术问题所采用的技术方案是：一种基于深度学习的刀具特征识别方法，其特点是包括以下步骤：

步骤一、刀具特征提取：从刀具图中获得刀具的结构信息和尺寸信息，并构造成刀具输入数据矩阵组合：

Y_str＝[[Y_M,str],[Y_S,str],[Y_T,str]] (1)

DF_Y＝[[Y_str],[Y_size]^×16]＝[[Y_M,str],[Y_S,str],[Y_T,str],[Y_size]^×16] (3)

式中，Y_str是代表刀具的结构信息，包括主视图Y_M,str、侧视图Y_S,str、俯视图Y_T,str；Y_size是刀具的尺寸信息，由长度尺寸向量y_L,size,i、角度尺寸向量y_A,size,i和直径尺寸向量y_R,size,i构成；DF_Y是刀具特征提取网络的输入数据。