面向增减材混合制造的CAD模型自动特征识别与尺寸属性提取
人工智能
2024-08-15 v2 计算工程、金融与科学
计算机视觉与模式识别
机器学习
摘要
计算机辅助设计(CAD)、计算机辅助工艺规划(CAPP)与计算机辅助制造(CAM)的集成在现代制造中起着至关重要的作用，促进了从数字设计到物理产品的无缝过渡。然而，这一集成中的一个重大挑战是CAD模型的自动特征识别(AFR)，尤其是在结合了减材与增材制造工艺的混合制造背景下。传统的AFR方法主要侧重于识别减材(机加工)特征，包括孔、圆角、倒角、型腔和槽，无法识别与增材制造相关的特征。此外，传统方法在精确提取几何尺寸和方向上存在不足，而这些也是有效制造工艺规划的关键因素。本文提出了一种新颖的方法，通过Python Open Cascade创建一个包含增材和减材加工相关特征的合成CAD数据集。采用分层图卷积神经网络(HGCNN)模型来准确识别合成CAD数据集中的复合增材-减材特征。所提出方法的关键创新与贡献在于其能够识别广泛的制造特征，并精确提取其尺寸、方向和毛坯尺寸。该模型的特征识别准确率超过97%，对已识别特征的尺寸提取准确率达到100%。因此，所提出的方法通过提供精确的特征识别和尺寸提取，增强了混合制造中CAD、CAPP和CAM的集成。它通过支持更明智的决策，促进了改进的制造工艺规划。
引用
@article{arxiv.2408.06891,
title = {Automatic Feature Recognition and Dimensional Attributes Extraction From CAD Models for Hybrid Additive-Subtractive Manufacturing},
author = {Muhammad Tayyab Khan and Wenhe Feng and Lequn Chen and Ye Han Ng and Nicholas Yew Jin Tan and Seung Ki Moon},
journal= {arXiv preprint arXiv:2408.06891},
year = {2024}
}
备注
10 pages, 12 figures. This paper has been accepted for presentation at the ASME IDETC-CIE 2024 conference