[发明专利]五轴联动精密数控机床及其控制方法

权利要求书

1.一种五轴联动精密数控机床，其特征在于，包括：

待机加工产品图像采集模块，用于获取待机加工产品的六视图，所述待机加工产品的六视图为第一至第六图像；

机加工图像特征提取模块，用于将所述第一至第六图像分别通过包含深浅融合模块的第一卷积神经网络模型以得到第一至第六特征矩阵；

结构化模块，用于将所述第一至第六特征矩阵沿着样本维度进行排列以得到三维特征张量；

第一尺度关联编码模块，用于将所述三维特征张量输入使用具有第一尺度的三维卷积核的第二卷积神经网络模型以得到第一尺度关联特征图；

第二尺度关联编码模块，用于将所述三维特征张量输入使用具有第二尺度的三维卷积核的第二卷积神经网络模型以得到第二尺度关联特征图；

多尺度融合模块，用于融合所述第一尺度关联特征图和所述第二尺度关联特征图以得到分类特征图；以及

数控加工推荐结果生成模块，用于将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示所述待机加工产品适配的加工模式标签。

2.根据权利要求1所述的五轴联动精密数控机床，其特征在于，所述机加工图像特征提取模块，包括：

浅层特征图提取单元，用于从所述包含深浅融合模块的第一卷积神经网络模型的浅层提取第一至第六浅层特征图；

深层特征图提取单元，用于从所述包含深浅融合模块的第一卷积神经网络模型的深层提取第一至第六深层特征图；以及

深浅融合单元，用于使用所述包含深浅融合模块的第一卷积神经网络模型的深浅特征融合模块来融合所述第一至第六浅层特征图和所述第一至第六深层特征图以得到所述第一至第六特征矩阵。

3.根据权利要求2所述的五轴联动精密数控机床，其特征在于，所述结构化模块，包括：

优化因子计算单元，用于以如下公式计算所述第一至第六特征矩阵的多分布二元分类连续性因数以得到第一至第六优化因子；

其中，所述公式为：

softmaxv(M)＝[p(M),1-p(M)]

其中，M_i是所述第一至第六特征矩阵中的第i特征矩阵，M_r是基于所述第一至第六特征矩阵的参考特征矩阵，p(M)表示特征矩阵通过所述分类器所获得的概率值，log表示以2为底的对数函数，w_i表示所述第一至第六优化因子中的第i优化因子，softmaxv(·)表示softmaxv激活函数；

优化因子作用单元，用于以所述第一至第六特征矩阵的多分布二元分类连续性因数作为加权系数分别对于所述第一至第六特征矩阵进行加权优化以得到第一至第六优化特征矩阵；以及

聚合单元，用于将所述第一至第六优化特征矩阵进行聚合，以得到所述三维特征张量。

4.根据权利要求3所述的五轴联动精密数控机床，其特征在于，所述第一尺度关联编码模块，用于：将所述三维特征张量输入所述使用具有第一尺度的三维卷积核的第二卷积神经网络模型的第一卷积层以得到第一尺度关联特征图，其中，所述第一卷积层具有第一长度的第一一维卷积核。

5.根据权利要求4所述的五轴联动精密数控机床，其特征在于，所述第二尺度关联编码模块，用于：将所述三维特征张量输入所述使用具有第二尺度的三维卷积核的第二卷积神经网络模型的第二卷积层以得到第二尺度关联特征图，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度。

6.根据权利要求5所述的五轴联动精密数控机床，其特征在于，所述多尺度融合模块，进一步用于：以如下公式来融合所述第一尺度关联特征图和所述第二尺度关联特征图以得到分类特征图；

其中，所述公式为：

F_c＝Concat[F₁，F₂]

其中，F₁，F₂表示所述第一尺度关联特征图和所述第二尺度关联特征图，Concat[·]表示级联函数，F_c表示所述分类特征图。