论文部分内容阅读
机械加工是机械制造中一种重要的成形方法,是工件和刀具相互作用的过程。选择合适的刀具和切削参数是机械加工工艺设计的重要任务。在实际加工过程中,机械加工工艺参数的选择往往依赖人工经验,而人工经验是一种主观经验,具有精确性不足、难以复用等缺点。所以,针对机械加工工艺参数选择困难以及机械加工数据和知识彼此隔离、难以相互转化的问题,本文通过建立机械加工知识图谱,在语义层面将机械加工过程中的知识关联起来,并基于知识图谱运用图算法和图神经网络等方法开展机械加工工艺参数推荐方法的研究,从而为实现机械加工智能化提供一种新的方法。具体研究内容如下:(1)在分析机械加工知识的组成和来源的基础之上,运用本体首次建立了包含机械加工过程知识的完整的本体模型,使加工过程知识在语义层面实现有机的关联,基于本体设计了机加知识图谱的模式,建立了一种新的机械加工过程表示模型。(2)建立机械加工知识图谱数据生成、融合和存储的方法。对于非结构化数据,研究如何通过自然语言处理技术构建知识抽取和关系抽取模型。对于结构化数据,通过模式映射的方法将数据转化为图数据模型表示的三元组,并对多源异构数据进行融合。设计了面向推荐任务的描述零件特征、材料和刀具之间关系的多元加权关系图谱模型。(3)建立了一种个性化和精确化的刀具推荐方法。该方法的核心思想是将已产生的机械加工过程数据之间的内在联系作为工艺参数推荐的重要依据。将工件的材料、加工零件的结构特征、刀具和切削参数之间的相关性作为参数推荐的首要因素。然后运用基于PPR算法的刀具推荐模型,推选出合适的刀具,为工艺规划刀具的选择提供依据,并结合具体的数据验证该方法的有效性。(4)建立了一种基于图神经网络的切削参数推荐模型。针对传统神经网络难以处理异构图数据的问题,构建了基于关系图卷积网络的机加切削参数推荐模型,实现对切削速度、进给量和背吃刀量的精准推荐。