[发明专利]一种基于深度学习的钣金布局方法

说明书

本发明公开了一种基于深度学习的钣金布局方法，包含以下步骤：A、对已有的钣金布局图进行预处理；B、创建钣金件字典；C、设定样本的结束及空标示；D、创建钣金布局图中钣金件及位置信息的数值映射；E、确定循环神经网络的结构；F、钣金布局图样本及样本集构建；G、对获取到的样本数据进行训练；H、依据给定钣金件进行预测；I、模型的自优化及自学习，本发明的方法可以通过对钣金展平图的学习，实现钣金的自动布局，并且随着不断地学习，其甚至会达到最佳布局方案。

技术领域

本发明涉及钣金布局技术领域，具体是一种基于深度学习的钣金布局方法。

背景技术

在当前的大规模定制背景下，如何能够快速地响应设计需求，及时完成订单生产任务成为了制造业面临的重要问题。钣金件作为制造企业重要的零部件，如何有效提高钣金布局效率在工业企业设计及制造方面起到举足轻重的作用。

目前，在制造企业中，目前钣金件展平图的布局方式，多采用人工或基于某些规则的算法实现。

传统的人工方法，需要耗费大量的人工，才能得到基板利用率较好的布局；如果需要将前次布局的思路用于后续的布局，则会耗费较多的时间和精力，最终效果也不尽理想。

对于基于某些规则的算法来说，虽然可以实现钣金布局的自动化，但是往往需要人工参与，才能进一步提高其基板的利用率，并且由于无法有效更新算法，因此无论采用多长时间，其性能、效率及准确度都无法得到改善，所以人为参与需要贯穿始终。

发明内容

本发明的目的在于提供一种基于深度学习的钣金布局方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于深度学习的钣金布局方法，包含以下步骤：

A、对已有的钣金布局图进行预处理；

B、创建钣金件字典；

C、设定样本的结束及空标示；

D、创建钣金布局图中钣金件及位置信息的数值映射；

E、确定循环神经网络的结构；

F、钣金布局图样本及样本集构建；

G、对获取到的样本数据进行训练；

H、依据给定钣金件进行预测；

I、模型的自优化及自学习。

作为本发明的进一步方案：所述步骤A具体包含以下步骤：I)标签化布局图中的基板及钣金零件，利用钣金件的物料编码，对布局图中的钣金件进行标签化处理；II)数值化钣金件的位置信息，对布局图中的钣金件位置进行坐标化处理。将基板上的某一点作为坐标原点(0,0)建立全局绝对坐标系XOY；以布局图中钣金零件的左上角为基点，对每个钣金零件标注其坐标位置，即(X_n,Y_n)；III)基板利用率数值化。为了使用基板利用率优化钣金布局，以及更好地进行样本训练，此处将基板利用率进行数值化处理，表示为(X，？)，其中X表示为基板的利用率，“？”表示可以为任意值；IV)钣金布局图矩阵化，通过对钣金布局图进行上述处理后，即得到矩阵化后的钣金布局图。

作为本发明的进一步方案：所述步骤B具体是：依据钣金件的编码，区分不同的钣金件，并对样本集(由所有钣金布局图组成)中每一个不同的钣金件进行聚类处理，将其放入钣金件字典中，钣金件字典中零部件的个数为N。