一种零件加工特征识别方法、装置及电子设备与流程

计算;推算;计数设备的制造及其应用技术1.本发明涉及零件加工特征识别技术领域，具体涉及一种零件加工特征识别方法、装置及电子设备。背景技术：2.相关技术中，对加工特征识别的识别方法主要采用基于属性邻接图的匹配方法，但是对于一些较为复杂的特征很难进行识别，因此在工程应用中往往需要有经验的用户进行人工识别，标注未识别的复杂特征。对于复杂的零件模型，人工识别所占用的时间往往要大于匹配方法所识别的时间。此外，不同技术人员的人工识别存在误差，这种误差往往会直接影响到后续的加工。3.因此，需要另一种能够识别复杂特征的特征识别方法，缩短人工识别所用时间以提高特征识别的效率和准确率。技术实现要素：4.有鉴于此，本技术实施方式提供了一种零件加工特征识别方法、装置及电子设备，能够提高复杂特征识别的效率和准确率。5.本技术一个实施方式提供一种零件加工特征识别方法，所述方法包括：接收针对待识别零件模型输入的一条或者多条语义描述信息；将各条所述语义描述信息按照指定规则转换为规则描述特征；识别所述规则描述特征对应的零件类型，并将识别出的所述零件类型作为所述待识别零件模型的零件类型。6.在一个实施方式中，在接收针对待识别零件模型输入的一条或者多条语义描述信息之前，所述方法还包括：获取待识别零件模型，并利用预设系统判断所述待识别零件模型的零件类型；若所述预设系统无法识别所述待识别零件模型的零件类型，生成语义提示信息，以引导用户基于所述语义提示信息输入所述语义描述信息。7.在本实施方式中，若所述预设系统判断出所述待识别零件模型的零件类型，将识别出零件类型的零件模型输出。8.在一个实施方式中，所述将各条所述语义描述信息按照指定规则转换为规则描述特征，包括：提取各条语义描述信息的描述特征，针对提取的描述特征，在语义规则库生成对应的标准语义描述信息；将所述标准语义描述信息按照swrl规则转换为规则描述特征，所述规则描述特征存储于语义规则库中。9.在一个实施方式中，所述识别所述规则描述特征对应的零件类型按以下方式进行识别：对所述语义规则库中的历史规则描述特征进行搜寻，以搜寻出组成所述规则描述特征的历史规则描述特征；将搜寻出的历史规则描述特征所对应的零件类型的组合，作为所述规则描述特征对应的零件类型。10.在本实施方式中，若所述语义规则库中的没有组成所述规则描述特征的历史规则描述特征，对所述规则描述特征按照swrl规则，对加工特征所包括的面/边以及所述的面/边之间的拓扑关系，生成新的规则描述特征，对所述新的规则描述特征生成对应的新的标准语义描述信息，将所述新的规则描述特征与所述新的标准语义描述信息进行关联，并将关联的所述新的规则描述特征和所述新的标准语义描述信息更新到语义数据库。11.在本实施方式中，所述方法还包括：将加工特征所包括的面/边以及所述的面/边之间的拓扑关系所确定的零件模型作为所述规则描述特征对应的零件类型。12.本技术实施方式提供的加工特征识别方法，通过对待识别的零件模型进行语义描述，并按照特定的规则对语义描述信息转换为规则描述特征，以规则描述特征对应的零件类型作为零件模型的零件类型，在对具有复杂特征的类型的零件模型进行识别时，不用人员对识别不出的复杂特征进行几何信息的标定，避免了由于人员对复杂特征进行几何信息标定时，由于人员的技术水平问题导致的误差，从而提高了复杂特征识别的效率和准确率，并且提高了可识别特征的数量。13.本技术一个实施方式提供一种零件加工特征识别装置，所述装置包括：语义描述接收单元，用于接收针对待识别零件模型输入的一条或者多条语义描述信息；规则描述特征转换单元，用于将各条所述语义描述信息按照指定规则转换为规则描述特征；零件类型识别单元，用于识别所述规则描述特征对应的零件类型，并将识别出的所述零件类型作为所述待识别零件模型的零件类型。14.本技术一个实施方式提供一种电子设备，所述电子设备包括存储器和处理器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时，实现上述零件加工特征识别方法。15.一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序被处理器执行时，实现上述零件加工特征识别方法。附图说明16.通过参考附图会更加清楚的理解本技术的特征和优点，附图是示意性的而不应理解为对本技术进行任何限制，在附图中：17.图1示出了本技术一个实施方式中零件加工特征识别方法步骤示意图；18.图2(a)示出了本技术一个实施方式中一个组合孔特征的正视图；19.图2(b)示出了本技术一个实施方式中一个组合孔特征的立体图；20.图3示出了本技术一个实施方式中零件加工特征识别装置的功能模块示意图；21.图4示出了本技术一个实施方式中电子设备的结构示意图。具体实施方式22.为使本技术实施方式的目的、技术方案和优点更加清楚，下面对本技术实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本技术一部分实施方式，而不是全部的实施方式。基于本技术中的实施方式，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本技术保护的范围。23.如图1所示，本技术一个实施方式提供一种零件加工特征识别方法，该方法可以应用于特征识别规则系统中，或者也可以应用于运行有该特征识别规则系统的电子设备中。所述方法可以包括以下步骤。24.s1：接收针对待识别零件模型输入的一条或者多条语义描述信息。25.在本实施方式中，待识别零件模型可以是尚未进行零件类型辨别的零件模型。针对该待识别零件模型，用户可以通过自身对零件结构的认知，向特征识别规则系统中输入一条或者多条语义描述信息。该语义描述信息可以是从组成待识别零件模型的面与面之间的连接关系以及面的特点等方面来对待识别零件模型进行描述的自然语句，也可以是组成零件模型的各个加工特征对零件模型进行描述的自然语句。例如，该自然语句可以是加工特征f含面x和面y，面x是圆柱面、面y是球面，面x和相邻面a凸连接且面x和面y凹连接。26.在一个实施方式中，考虑到特征识别规则系统可以对结构比较简单的零件模型直接进行识别，而无需用户输入语义描述信息。鉴于此，在特征识别规则系统接收针对待识别零件模型输入的一条或者多条语义描述信息之前，特征识别规则系统可以获取待识别零件模型，并利用预设系统判断所述待识别零件模型的零件类型。27.在实际应用中，该预设系统可以是基于简单结构的零件模型训练得到的系统。例如，可以对沉头孔、通孔等零件模型的特征进行提取，并通过神经网络，对提取的特征进行训练，从而得到能够辨别简单结构的零件模型的预设系统，通常而言，该预设系统可以专用于辨别简单结构的零件模型。若所述预设系统无法识别所述待识别零件模型的零件类型，则表明该待识别零件模型的结构比较复杂，此时可以生成语义提示信息，以引导用户基于所述语义提示信息输入对应的语义描述信息。举例来说，上述的语义提示信息可以是“请输入加工特征f所包含的基本特征个数，并描述各个基本特征的零件类型(如基本特征x是沉头孔-通孔、基本特征y是简单孔-通孔)”。28.在一个实施方式中，若所述预设系统判断出所述待识别零件模型的零件类型，则表明该待识别零件模型的结构比较简单，不需要触发用户输入语义描述信息的过程，此时，特征识别规则系统可以将识别出的零件类型输出，输出的内容具体是对组成该零件类型的面与面之间的连接关系进行了标定以及标定了各个面上一些特征点的坐标信息的文件。29.在实际应用中，上述的零件模型是一个中性文件，其中记录了零件的面类型、边类型、边的凹凸性等拓扑信息，以及面积、边长、法向量、顶点坐标等位置信息。将零件模型按照xml格式传输到上述的预设系统，并且保证上述的预设系统可以反复多次读取零件模型中的拓扑信息以及位置信息等几何信息。30.上述的预设系统读取到零件模型的拓扑信息和位置信息等几何信息后，将零件模型中的各个要进行识别的特征生成一个目标特征列表，并对目标特征列表进行遍历，提取组成各目标特征的各个面的类型，各个面上的特征点，各个面之间的连接关系和特征点所在的面的位置生成组成各个目标特征的属性邻接图集合，在属性邻接图上包含有各个面的类型、各个面上的特征点，各个面之间的连接关系和特征点所在的面的位置，可以将各个目标特征的属性邻接图集合定义为属性邻接图集合a，因为零件模型本身可能由不止一个特征所组成，而且在识别时候，有时一起识别的不止一个零件，所以对零件模型生成属性邻接图集合b，将属性邻接图集合a与属性邻接图集合b进行匹配，以找到在集合b中的各个零件模型所对应与集合a中的特征，将匹配结果记为r,r＝uin＝0ri，其中ri表示第i零件模型与特征的匹配结果，n表示零件模型的个数。31.在一个实施方式中，预设的系统可以直接识别出零件类型的特征定义为简单特征，所述简单特征可以包括：简单孔-通孔、简单孔-平底盲孔、简单孔-钻尖盲孔、简单孔-r底盲孔、简单孔-球底盲孔、沉头孔-通孔、沉头孔-c角通孔等。预设的系统无法直接识别出零件类型的特征，其由相同或不同的简单特征之间的各种组合而成。每一种复杂特征对应于一种零件模型的零件类型。32.s3：将各条所述语义描述信息按照指定规则转换为规则描述特征。33.在一个实施方式中，上述预设的系统无法识别零件模型的零件类型，用户按照提示信息输入语义描述信息，特征识别规则系统对接收到各条所述语义描述信息按照指定规则转换为规则描述特征。34.在本实施方式中，提取各条语义描述信息的描述特征，针对提取的描述特征，在语义规则库生成对应的标准语义描述信息，所述标准语义描述信息也可称为自然语言描述。将所述标准语义描述信息按照swrl规则转换为规则描述特征，所述规则描述特征存储于语义规则库中。其中，swrl(semantic web rule language)是由以语义的方式呈现规则的一种语言，在网络服务、软件应用中有应用。35.考虑到实际应用中，不同的人员输入的语义描述信息可能表达的含义相同，但实际的文字内容可能不统一，例如有的用户输入的语义描述信息为：“基本特征x是沉头孔-通孔、基本特征y是简单孔-钻尖盲孔”，有的用户输入的语义描述信息为：“基本特征x是钻尖盲孔，基本特征y是沉头孔-通孔”，对于这种情况，输入的语义描述信息虽然不同，但实际所代表的零件模型是相同的，为此将语义描述信息提取描述特征。例如提取特征后，钻尖盲孔统一为简单孔-钻尖盲孔,再将提取的描述特征在语义规则库生成对应的标准语义描述信息。例如，提取的描述特征转换为标准语义描述信息为：“【加工特征f含特征x和特征y】且【特征x是沉头孔-通孔】且【特征y是简单孔-钻尖盲孔】”，特征识别规则系统以所述标准语义描述信息按照swrl规则转换为规则描述特征，或者所述规则描述特征也可以称为swrl规则描述，所述规则描述特征存储于语义规则库中。36.在一个实施方式中，语义规则库中有大量标准语义描述信息以及与之对应的规则描述特征，所述标准语义描述信息以及与之对应的规则描述特征是对实际中上述的预设系统可以识别出的简单特征进行处理生成的预存数据，为实现区分，将预存数据中的标准语义描述信息称为历史标准语义描述信息，将预存数据中的规则描述特征称为历史规则描述特征。37.示例性地，在语义库中，以简单孔-通孔为例，标准语义描述信息：【加工特征f含面x】且【面x是圆柱面】且【面x和相邻面a凸连接】且【面x和相邻面b凸连接】，则【特征f是简单孔-通孔】。38.规则描述特征：39.feature(？f)∧hasface(？f,？x)∧cylinder(？x)∧isconvex(？x,？a)∧isconvex(？x,？b)→throughhole(？)40.示例性地，在语义库中，以沉头孔-通孔为例，标准语义描述信息：【加工特征f含面x和面y和面z】且【面x是圆柱面】且【面y是平面】且【面z是圆柱面】且【面x和相邻面a凸连接】且【面x和面y凹连接】且【面y和面z凸连接】且【面z和相邻面b凸连接】，则【面x和面y和面z是沉头孔-通孔】。41.规则描述特征：42.feature(？f)∧hasface(？f,？x)∧hasface(？f,？y)∧hasface(？f,？z)∧cylinder(？x)∧rsurface(？y)∧cylinder(？z)∧isconvex(？x,？a)∧isconvex(？x,？y)∧isconvex(？y,？z)∧isconvex(？z,？b)→countersinkthroughhole(？f)43.s5：识别所述规则描述特征对应的零件类型，并将识别出的所述零件类型作为所述待识别零件模型的零件类型。44.在一个实施方式中，由于所述规则描述对应的零件类型是由多个基本类型的零件组成，故对所述规则描述特征进行组合特征识别，即对所述语义规则库中的历史规则描述特征进行搜寻，以搜寻出组成所述规则描述特征的历史规则描述特征；将搜寻出的历史规则描述特征所对应的零件类型的组合，作为所述规则描述特征对应的零件类型。45.在本实施方式中，若所述语义规则库中没有组成所述规则描述特征的历史规则描述特征，对所述规则描述特征按照swrl规则，对加工特征所包括的面/边以及所述的面/边之间的拓扑关系，生成新的规则描述特征，对所述新的规则描述特征生成对应的新的标准语义描述信息，将所述新的规则描述特征与所述新的标准语义描述信息进行关联，并将关联的所述新的规则描述特征和所述新的标准语义描述信息更新到语义数据库。将加工特征所包括的面/边以及所述的面/边之间的拓扑关系所确定的零件模型作为所述规则描述特征对应的零件类型。46.在一些应用场景中，图2(a)为组合孔特征的正视图，图2(b)为该组合孔特征的立体图。上述的预设系统无法识别出该加工特征，此加工特征由多个沉头孔和一个盲孔组合而成。生成语义提示信息在显示界面中，以引导用户基于所述语义提示信息输入所述语义描述信息，用户只需掌握基础的swrl规则，就可以按照提示的语义信息输入语义描述信息，例如用户输入【加工特征f含特征x和特征y和特征z】且【特征x是沉头孔-c角通孔】且【特征y是沉头孔-通孔】且【特征z是简单孔-平底盲孔】，将语义描述信息提取描述特征，再将提取的描述特征在语义规则库生成对应的标准语义描述信息，由于此时输入的语义描述信息与标准语义描述信息所包含的文字信息，故在语义库中生成的标准语义描述信息也是【加工特征f含特征x和特征y和特征z】且【特征x是沉头孔-c角通孔】且【特征y是沉头孔-通孔】且【特征z是简单孔-平底盲孔】。特征规则识别系统根据swrl规则对该标准语义描述信息进行解析，得到与之对应的规则描述特征，所述对应的规则描述特征为：47.feature(？f)∧hascountersinkthrouguholewithc(？x)∧hascountersinkthroughholewithc(？y)∧blindhole(？z)→targetfeature(？f)48.特征规则识别系统根据该规则描述特征在语义库中搜寻组成该规则描述特征的历史规则描述特征，确定该规则描述特征由历史规则描述特征中的：49.feature(？f)∧hasfeature(？f,？y)∧cone(？x)∧countersinkthroughhole(？y)、∧isconvex(？x,？a)→countersinkthroughholewithc(？f)50.feature(？f)∧hasface(？f,？x)∧hasface(？f,？y)∧hasface(？f,？z)∧cylinder(？x)∧rsurface(？y)∧cylinder(？z)∧isconvex(？x,？a)∧isconvex(？x,？y)∧isconvex(？y,？z)∧isconvex(？z,？b)→countersinkthroughhole(？f)和51.所组成，这三个规则描述特征的组合所对应的零件类型的组合识别出该加工特征所对应的零件类型，并将识别结果输出，输出的为判断出零件类型的中性文件。52.本技术实施方式提供的加工特征识别方法，通过对待识别的零件模型进行语义描述，并按照特定的规则对语义描述信息转换为规则描述特征，以规则描述特征对应的零件类型作为零件模型的零件类型，在对具有复杂特征的类型的零件模型进行识别时，不用人员对识别不出的复杂特征进行几何信息的标定，避免了人员对复杂特征进行几何信息时由于人员的技术水平问题导致的误差，从而提高了复杂特征识别的效率和准确率，并且提高了可识别特征的数量。53.如图3所示，本技术一个实施方式提供一种零件加工特征识别装置，所述装置包括：54.语义描述接收单元，用于接收针对待识别零件模型输入的一条或者多条语义描述信息；55.规则描述特征转换单元，用于将各条所述语义描述信息按照指定规则转换为规则描述特征；56.零件类型识别单元，用于识别所述规则描述特征对应的零件类型，并将识别出的所述零件类型作为所述待识别零件模型的零件类型。57.如图4所示，本技术一个实施方式提供一种电子设备，所述电子设备包括存储器和处理器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时，实现上述零件加工特征识别方法。58.本技术一个实施方式提供一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序被处理器执行时，实现上述零件加工特征识别方法。59.其中，处理器可以为中央处理器(central processing unit，cpu)。处理器还可以为其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。60.存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施方式中的方法对应的程序指令/模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施方式中的方法。61.存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。62.本领域技术人员可以理解，实现上述实施方式方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施方式的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)、随机存储记忆体(random access memory，ram)、快闪存储器(flash memory)、硬盘(hard disk drive，hdd)或固态硬盘(solid-state drive，ssd)等；所述存储介质还可以包括上述种类的存储器的组合。63.虽然结合附图描述了本技术的实施方式，但是本领域技术人员可以在不脱离本技术的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!