[发明专利]一种基于深度学习的产品数字模型智能装配系统

说明书

本发明提供一种基于深度学习的产品数字模型智能装配系统，包括四个层次：层次1，用户模块层；层次2，关键技术层；层次3，逻辑层；层次4，数据层；其中用户模块层包括产品模型设计过程中的参数化建模模块及智能装配处理模块；关键技术层包括参数化设计模块、深度学习模型建立模块、智能装配技术模块；逻辑层包括参数化建模的机理模块、基于深度学习的分类识别模块、智能装配算法模块；数据层包括历史产品装配模型库、参数化产品装配模型库、新产品装配模型库。该系统可以直接根据零部件数字模型信息，利用深度信念网络的学习性，实现对零部件模型的装配关系确定，极大的方便了产品模型的三维装配设计，缩短设计周期，提高设计效率。

技术领域

本发明涉及一种基于深度学习的产品数字模型智能装配系统，具体涉及一种基于机械制图软件数字模型的智能装配方法。

背景技术

随着市场经济的不断发展以及客户对产品的需求精细化，传统的批量式生产方式不断发生变化。如今更多的产品正向个性化的制造方案转变。固定单一的产品模式已经不能很好地适应客户个性化及多样化的需求，企业为能在不断变化的市场需求中脱颖而出，都在大力推进高效优质的产品设计技术，绝大部分企业已经开始搭建多品种、小批量、低成本的制造平台。因此，在以客户需求为重心的产品定制方式已经成为未来发展趋势的浪潮下，产品设计的高效性则关系到企业的生存与发展。

以客户需求为重心的汽车制造领域也需进一步实施个性化设计与生产。作为设计阶段重要技术的CAD技术也更需满足个性化设计需求。因此，为快速的设计和装配出产品数字模型，大量新型CAD技术不断出现，产品数字模型的智能装配技术便是其中之一。智能装配技术的主要优势就在于当需求变动时，可以迅速的将现有的零部件进行自动装配，避免了逐一手动添加配合关系的繁琐过程。当然，智能装配技术也需要与其他相关技术融合，比如数字模型的分类识别技术、装配意图智能识别与捕捉技术等；所以在个性化需求下，如何迅速设计出符合要求的产品成为提高企业竞争力的关键。

数字化装配技术作为产品设计中的一项核心技术，经过几年的发展，已由传统的手动装配，经历了柔性装配的转变，发展到数字化装配的阶段。但其装配效率还远远没有达到理想的目标，现有技术有：1、基于装配推理的贝叶斯网络，对未知零部件进行推理装配约束，需要建立一定的零件识别库，才能提高推理结果的准确性；2、语义推理驱动的智能装配技术，提高了协同装配过程的智能化和自动化程度，该方式需要预定义零部件的装配端口以及语义推理规则库；3、一种基于分层的几何约束自动识别方法，提高了装配效率，该方法需要设置不同的分层判断机制，限制了智能装配的灵活性和适应性。

上述装配方式，在一定程度上提高了装配效率，但主要都建立在对典型零部件的归纳和分析，这些在应用范围上有很大程度的限制；因此为进一步提高设计效率和缩短设计周期，有必要提供一种深度学习的产品数字模型智能装配系统，该系统可以直接根据零部件数字模型信息，利用深度信赖网络的学习性，实现对零部件模型的装配关系确定，并对零部件进行位置变换和位姿变换，从而极大的方便了产品模型的三维装配设计，缩短设计周期，提高设计效率。

发明内容

针对现有技术存在的问题，本发明为解决现有技术中存在的问题采用的技术方案如下：

一种基于深度学习的产品数字模型智能装配系统，其特征在于，包括以下四个层次：层次1，用户模块层；层次2，关键技术层；层次3，逻辑层；层次4，数据层；所述用户模块层包括产品模型设计过程中的参数化建模模块及智能装配处理模块；所述关键技术层包括参数化设计模块、深度学习模型建立模块、智能装配技术模块；所述逻辑层包括参数化建模的机理模块、基于深度学习的分类识别模块、智能装配算法模块；所述的数据层包括历史产品装配模型库、参数化产品装配模型库、新产品装配模型库。