[发明专利]一种数控G代码的转换方法

说明书

本发明公开了一种数控G代码的转换方法，步骤如下：首先对输入的G代码进行预处理，然后确定当前的G代码以及生成目标的G代码类型，再基于神经网络算法建立G代码转换框架，并对G代码转换框架进行训练，得到G代码转换模型，接着以行的形式读入G代码，将G代码传入G代码转换模型，对G代码进行翻译，最后判断转换是否完成，未完成则继续进行转换。本发明公开的方法能够很好适应的不同机床系统的特性，具有可扩展性强、G代码转换质量高等优点。

技术领域

本发明涉及一种数控G代码的转换方法。

背景技术

对于数控行业来说，数控机代码关系着数控的加工效益、质量等问题，随着时代的进步，不同的机床也需要进行更新迭代，如在国家倡导的换脑工程当中，一些旧的数控机床系统将会换成新的数控系统，但是由于大多换脑前的数控系统与换脑后的系统不同，导致之前数控机床加工中使用的一些优化的、固化参数的G代码，无法在换脑后的新的数控机床上进行使用。由于年代久远，有些甚至无法通过几何建模来生成数控加工代码。虽然目前大多数机床都使用通用标准，但即使是通用标准，在编程细节上面还是有一些略微的不同，为了解决不同数控机床之间代码共享问题，急需一种能智能、适应不同系统间的数控代码转化方法。

发明内容

为了解决上述技术问题，本发明提供一种算法简单、转换精度高的数控G代码的转换方法。

本发明解决上述问题的技术方案是：一种数控G代码的转换方法，包括以下步骤：

步骤一：对输入G代码进行预处理：

步骤二：确定当前A数控系统的G代码类型以及生成目标B数控系统的G代码的类型；

步骤三：基于神经网络算法建立G代码转换框架，并对G代码转换框架进行训练，得到G代码转换模型；

步骤四：以行的形式读入每行G代码，将A数控系统的G代码传入G代码转换模型，G代码转换模型对A数控系统的G代码进行编码，通过注意力机制后，对A数控系统进行解码；调用预先训练的深度学习G代码模型数据库，对G代码进行翻译；

步骤五：判断该行的翻译转换是否完成，如未完成则继续翻译，如果完成则继续判断是否全部翻译结束，如未结束，则重复步骤四至步骤五，继续读取下一行G代码，若已结束，则输出生成目标B数控系统的G代码。

上述数控G代码的转换方法，所述步骤一具体步骤为：对输入的G代码按照行号进行拆分，每行分为一个列表，并且对每行的元素进一步划分。

上述数控G代码的转换方法，所述步骤二具体步骤为：

2-1)经过数据预处理，对数据每行的每个G代码进行提取后，基于统计方法，对输入的G代码进行判断：首先对于标准通用的代码赋予较小的权值，对于非标准通用的代码赋予较大的权值，并对每个G代码进行可能所属类别进行打分，对最后的分数进行统计，并根据权重从到小进行排序；

2-2)根据最后的最高的得分预估输入的G代码可能的所属的数控系统，给出判断结果，由客户确认；

2-3)选择需要输出的G代码类别。

上述数控G代码的转换方法，所述步骤三中，G代码转化框架分为编码部分与解码部分；

在编码区部分，G代码通过X_i进行输入到隐藏层后，进行编码，

h_t＝Φ(h_t-1,x_t)＝f(W^(hh)h_t-1+W^(hx)x_t)

其中X_t为输入层，h_t为隐藏层，隐藏层之间相互联系，W为权重；