[發(fā)明專利]基于零件形狀相似性的排樣任務(wù)可復(fù)用性評價方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202211030285.4
• 申請日: 2022-08-26
• 公開（公告）號: CN115759550A
• 公開（公告）日: 2023-03-07
• 發(fā)明（設(shè)計）人: 饒運清;方杰;劉攀;羅強;趙旭升;亓鵬;杜冰;徐佳泰;楊飄若
• 申請（專利權(quán)）人: 華中科技大學(xué)
• 主分類號: G06Q10/0631
• 分類號: G06Q10/0631;G06Q50/04;G06V10/28;G06V10/422;G06V10/74;G06V10/82;G06N3/045;G06N3/08
• 代理公司: 華中科技大學(xué)專利中心 42201
• 代理人: 孔娜

本發(fā)明屬于結(jié)構(gòu)件優(yōu)化下料領(lǐng)域，并具體公開了一種基于零件形狀相似性的排樣任務(wù)可復(fù)用性評價方法及系統(tǒng)，其包括：獲取預(yù)訓(xùn)練好的孿生神經(jīng)網(wǎng)絡(luò)模型；計算目標排樣任務(wù)A與歷史排樣任務(wù)B中的重復(fù)零件個數(shù)，得到排樣任務(wù)重復(fù)度；將任務(wù)A與任務(wù)B中的零件圖形輸入孿生神經(jīng)網(wǎng)絡(luò)模型中，得到形狀相似度；通過零件尺寸差異度對形狀相似度進行修正，得到零件相似度矩陣；依照最大相似度原則對任務(wù)A與任務(wù)B中的零件進行配對，根據(jù)配對結(jié)果計算排樣任務(wù)相似度；根據(jù)排樣任務(wù)重復(fù)度和排樣任務(wù)相似度，計算排樣任務(wù)可復(fù)用度。本發(fā)明方法可檢索對于目標排樣任務(wù)可復(fù)用性最高的歷史任務(wù)，為排樣知識的遷移和復(fù)用奠定基礎(chǔ)，具有較好的實用價值。

技術(shù)領(lǐng)域

本發(fā)明屬于結(jié)構(gòu)件優(yōu)化下料領(lǐng)域，更具體地，涉及一種基于零件形狀相似性的排樣任務(wù)可復(fù)用性評價方法及系統(tǒng)。

背景技術(shù)

在制造業(yè)中，數(shù)控切割技術(shù)占有重要地位且應(yīng)用廣泛。在數(shù)控切割過程中，有效地優(yōu)化排樣以提高鋼板利用率可以降低企業(yè)制造成本，提高經(jīng)濟效益。

以工程機械為代表的重工產(chǎn)品為例，這些產(chǎn)品的制造生產(chǎn)模式通常為變品種批量生產(chǎn)，其中同系列的產(chǎn)品多采取批次輪番生產(chǎn)方式，其零件也多采用變形設(shè)計，因此具有一定的重復(fù)性和相似性，然而現(xiàn)有的排樣算法卻不能利用這種相似性，每次排樣都需要重新計算。根據(jù)以上特點，為了提高排樣的效率，針對新的排樣任務(wù)進行排樣設(shè)計時可以引入可復(fù)用排樣機制，即在排樣任務(wù)重復(fù)和相似的前提下，對零件的排入順序、旋轉(zhuǎn)角度、靠接位置關(guān)系等排樣知識進行學(xué)習(xí)和復(fù)用。在實現(xiàn)對以往優(yōu)秀排樣知識經(jīng)驗的復(fù)用之前，亟需解決的問題是如何將當前排樣任務(wù)與歷史排樣任務(wù)聯(lián)系起來，評價前后排樣任務(wù)的可復(fù)用性。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)的以上缺陷或改進需求，本發(fā)明提供了一種基于零件形狀相似性的排樣任務(wù)可復(fù)用性評價方法及系統(tǒng)，其目的在于，對歷史排樣任務(wù)的可復(fù)用性進行合理評價，滿足可復(fù)用排樣機制中對歷史排樣知識的獲取和復(fù)用的需求。

為實現(xiàn)上述目的，按照本發(fā)明的一方面，提出了一種基于零件形狀相似性的排樣任務(wù)可復(fù)用性評價方法，包括如下步驟：

S1、獲取預(yù)訓(xùn)練好的孿生神經(jīng)網(wǎng)絡(luò)模型；

S2、計算目標排樣任務(wù)A與歷史排樣任務(wù)B中的重復(fù)零件個數(shù)，得到排樣任務(wù)重復(fù)度；

S3、將目標排樣任務(wù)A與歷史排樣任務(wù)B中的零件圖形成對輸入到預(yù)訓(xùn)練好的孿生神經(jīng)網(wǎng)絡(luò)模型中，得到形狀相似度；進而通過零件尺寸差異度對該形狀相似度進行修正，得到零件相似度矩陣；

S4、基于零件相似度矩陣，依照最大相似度原則對目標排樣任務(wù)A與歷史排樣任務(wù)B中的零件進行配對，根據(jù)配對結(jié)果計算排樣任務(wù)相似度；

S5、根據(jù)排樣任務(wù)重復(fù)度和排樣任務(wù)相似度，計算得到排樣任務(wù)可復(fù)用度。

作為進一步優(yōu)選的，所述孿生神經(jīng)網(wǎng)絡(luò)模型用于形狀相似性度量，其基于卷積神經(jīng)網(wǎng)絡(luò)Vgg16構(gòu)建，通過零件形狀數(shù)據(jù)集對孿生神經(jīng)網(wǎng)絡(luò)模型進行預(yù)訓(xùn)練。

作為進一步優(yōu)選的，所述孿生神經(jīng)網(wǎng)絡(luò)模型在讀取零件圖像時，先進行圖像預(yù)處理，然后進行圖像特征提取和相似性度量；圖像預(yù)處理的步驟如下：

將零件圖像轉(zhuǎn)換為二值圖像；

計算二值圖像的零階原點矩和一階原點矩，計算得到圖像重心坐標(x_c,y_c)；

基于圖像重心坐標計算p+q階中心矩W_pq：

根據(jù)p+q階中心矩W_pq，計算圖像主軸方向角θ，并將圖像順時針旋θ角度；主軸方向角θ計算式如下：

其中，f(x,y)為圖像在像素坐標(x,y)處的灰度值，p、q為幾何矩的階數(shù)。