Toward a framework of extracting typical machining process routines

最新推荐文章于 2026-01-04 20:51:53 发布

原创

最新推荐文章于 2026-01-04 20:51:53 发布 · 439 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #人工智能

本文建立基于知识表示学习的典型加工过程例程提取框架。先构建两个图模型，用TransD算法确定较优模型，对零件向量聚类，突破传统分类局限。从聚类结果提取tmpr，将成果打包到软件模块。该框架效率和扩展性高，未来将研究动态重用策略和开发问答系统。

Toward a framework of extracting typical machining process routines based on knowledge representation learning

Toward a framework of extracting typical machining process routines based
on knowledge representation learning (提出了一种基于知识表示学习的典型加工流程提取框架)

2024 Advanced Engineering Informatics

摘要

随着CAPP系统的应用，制造企业积累了大量的零件工艺数据，是重要的战略资源。深入挖掘这些工艺数据中隐藏的价值，提高工艺知识的重用率是实现工艺规划智能化的关键。本文建立了一种基于知识表示学习的典型加工过程例程提取框架。首先，建立了描述加工过程的“零件-材料-工艺-机床-刀具”关系的两个图模型，通过图结构的连通性直接表示加工数据的语义。一个模型遵循标准的流程路线，而另一个模型进行了一些修改，使节点“部件”具有更多的内链接和外链接。然后，利用TransD算法将基于两种模型的实体和关系映射到密集的低维实值空间中，从而确定较好的模型。然后，对代表较优模型零件的向量进行聚类，结果表明，操作顺序相似、使用相同刀具和机床加工的零件可以聚到同一聚类中。该方法突破了传统根据零件特征进行分类的单一性和局限性。

进一步，从聚类结果中提取tmpr，验证这些向量的语义表达能力。最后，将研究成果的主要功能打包到相应的软件模块中。与现有的流程重用方法相比，该框架具有更高的效率和可扩展性。