基于Kolmogorov-Arnold网络的容差感知制造可行性评估集成设计制造原则
人工智能
2026-01-13 v1
摘要
制造可行性评估是连接设计与生产之间持续鸿沟的关键步骤。虽然人工智能（AI）已广泛应用于此任务，但大多数现有框架依赖几何驱动方法，需大量预处理，信息丢失严重，可解释性有限。本研究提出一种方法，从参数化设计特征直接评估制造可行性，实现对尺寸容差的显式纳入，无需计算机辅助设计（CAD）处理。该方法采用Kolmogorov-Arnold网络（KANs）学习设计参数、容差与制造结果之间的函数关系。为评估不同情景下的性能，生成30万组标记设计数据，涵盖钻孔、雕刻口袋和综合钻孔-雕刻三种典型情景，并考虑加工约束和设计制造（DFM）规则。与十四种机器学习（ML）和深度学习（DL）模型进行基准测试显示，KAN在所有情景中均取得最佳性能，钻孔情景的AUC为0.9919，雕刻情景的AUC为0.9841，综合情景的AUC为0.9406。该框架通过样条基函数可视化和潜在空间投影提供高度可解释性，识别影响制造可行性最强的设计和容差参数。工业案例研究进一步表明，该框架 enables 对非制造可行性组件进行迭代、参数级修改，使其转化为制造可行性组件。
引用
@article{arxiv.2601.06334,
title = {Kolmogorov-Arnold Networks-Based Tolerance-Aware Manufacturability Assessment Integrating Design-for-Manufacturing Principles},
author = {Masoud Deylami and Negar Izadipour and Adel Alaeddini},
journal= {arXiv preprint arXiv:2601.06334},
year = {2026}
}
备注
25 pages, 12 figures. Under review for journal publication