本發(fā)明涉及一種基于深度學(xué)習(xí)的產(chǎn)品數(shù)字模型智能裝配系統(tǒng)，具體涉及一種基于機(jī)械制圖軟件數(shù)字模型的智能裝配方法。

背景技術(shù)：

隨著市場經(jīng)濟(jì)的不斷發(fā)展以及客戶對產(chǎn)品的需求精細(xì)化，傳統(tǒng)的批量式生產(chǎn)方式不斷發(fā)生變化。如今更多的產(chǎn)品正向個性化的制造方案轉(zhuǎn)變。固定單一的產(chǎn)品模式已經(jīng)不能很好地適應(yīng)客戶個性化及多樣化的需求，企業(yè)為能在不斷變化的市場需求中脫穎而出，都在大力推進(jìn)高效優(yōu)質(zhì)的產(chǎn)品設(shè)計(jì)技術(shù)，絕大部分企業(yè)已經(jīng)開始搭建多品種、小批量、低成本的制造平臺。因此，在以客戶需求為重心的產(chǎn)品定制方式已經(jīng)成為未來發(fā)展趨勢的浪潮下，產(chǎn)品設(shè)計(jì)的高效性則關(guān)系到企業(yè)的生存與發(fā)展。

以客戶需求為重心的汽車制造領(lǐng)域也需進(jìn)一步實(shí)施個性化設(shè)計(jì)與生產(chǎn)。作為設(shè)計(jì)階段重要技術(shù)的cad技術(shù)也更需滿足個性化設(shè)計(jì)需求。因此，為快速的設(shè)計(jì)和裝配出產(chǎn)品數(shù)字模型，大量新型cad技術(shù)不斷出現(xiàn)，產(chǎn)品數(shù)字模型的智能裝配技術(shù)便是其中之一。智能裝配技術(shù)的主要優(yōu)勢就在于當(dāng)需求變動時，可以迅速的將現(xiàn)有的零部件進(jìn)行自動裝配，避免了逐一手動添加配合關(guān)系的繁瑣過程。當(dāng)然，智能裝配技術(shù)也需要與其他相關(guān)技術(shù)融合，比如數(shù)字模型的分類識別技術(shù)、裝配意圖智能識別與捕捉技術(shù)等；所以在個性化需求下，如何迅速設(shè)計(jì)出符合要求的產(chǎn)品成為提高企業(yè)競爭力的關(guān)鍵。

數(shù)字化裝配技術(shù)作為產(chǎn)品設(shè)計(jì)中的一項(xiàng)核心技術(shù)，經(jīng)過幾年的發(fā)展，已由傳統(tǒng)的手動裝配，經(jīng)歷了柔性裝配的轉(zhuǎn)變，發(fā)展到數(shù)字化裝配的階段。但其裝配效率還遠(yuǎn)遠(yuǎn)沒有達(dá)到理想的目標(biāo)，現(xiàn)有技術(shù)有：1、基于裝配推理的貝葉斯網(wǎng)絡(luò)，對未知零部件進(jìn)行推理裝配約束，需要建立一定的零件識別庫，才能提高推理結(jié)果的準(zhǔn)確性；2、語義推理驅(qū)動的智能裝配技術(shù)，提高了協(xié)同裝配過程的智能化和自動化程度，該方式需要預(yù)定義零部件的裝配端口以及語義推理規(guī)則庫；3、一種基于分層的幾何約束自動識別方法，提高了裝配效率，該方法需要設(shè)置不同的分層判斷機(jī)制，限制了智能裝配的靈活性和適應(yīng)性。

上述裝配方式，在一定程度上提高了裝配效率，但主要都建立在對典型零部件的歸納和分析，這些在應(yīng)用范圍上有很大程度的限制；因此為進(jìn)一步提高設(shè)計(jì)效率和縮短設(shè)計(jì)周期，有必要提供一種深度學(xué)習(xí)的產(chǎn)品數(shù)字模型智能裝配系統(tǒng)，該系統(tǒng)可以直接根據(jù)零部件數(shù)字模型信息，利用深度信賴網(wǎng)絡(luò)的學(xué)習(xí)性，實(shí)現(xiàn)對零部件模型的裝配關(guān)系確定，并對零部件進(jìn)行位置變換和位姿變換，從而極大的方便了產(chǎn)品模型的三維裝配設(shè)計(jì)，縮短設(shè)計(jì)周期，提高設(shè)計(jì)效率。

技術(shù)實(shí)現(xiàn)要素：

針對現(xiàn)有技術(shù)存在的問題，本發(fā)明為解決現(xiàn)有技術(shù)中存在的問題采用的技術(shù)方案如下：

一種基于深度學(xué)習(xí)的產(chǎn)品數(shù)字模型智能裝配系統(tǒng)，其特征在于，包括以下四個層次：層次1，用戶模塊層；層次2，關(guān)鍵技術(shù)層；層次3，邏輯層；層次4，數(shù)據(jù)層；所述用戶模塊層包括產(chǎn)品模型設(shè)計(jì)過程中的參數(shù)化建模模塊及智能裝配處理模塊；所述關(guān)鍵技術(shù)層包括參數(shù)化設(shè)計(jì)模塊、深度學(xué)習(xí)模型建立模塊、智能裝配技術(shù)模塊；所述邏輯層包括參數(shù)化建模的機(jī)理模塊、基于深度學(xué)習(xí)的分類識別模塊、智能裝配算法模塊；所述的數(shù)據(jù)層包括歷史產(chǎn)品裝配模型庫、參數(shù)化產(chǎn)品裝配模型庫、新產(chǎn)品裝配模型庫。

上述各層次中用戶模塊層主要包括參數(shù)化建模模塊、各類板鏈參數(shù)化建模模塊、參數(shù)修改模塊及其智能裝配特征定義模塊，供設(shè)計(jì)人員對零部件進(jìn)行參數(shù)化建模、零部件參數(shù)以及為智能裝配定義裝配特征，也是最終呈現(xiàn)給用戶的交互界面。對于邏輯層和關(guān)鍵技術(shù)層，則是產(chǎn)品數(shù)字模型完成智能裝配的底層邏輯和技術(shù)支撐，是智能裝配系統(tǒng)的核心層。數(shù)據(jù)層是產(chǎn)品數(shù)據(jù)的來源和存取層，歷史產(chǎn)品的裝配模型、裝配關(guān)系數(shù)據(jù)以及新產(chǎn)品的裝配模型數(shù)據(jù)均在系統(tǒng)的數(shù)據(jù)層中，其中歷史產(chǎn)品的裝配數(shù)據(jù)是深度學(xué)習(xí)分類識別模型的基礎(chǔ)，是智能分類的依據(jù)。

所述的深度學(xué)習(xí)模型建立模塊的建立，包括如下步驟：

step1：確定dbn(深度信賴網(wǎng)絡(luò))模型的層數(shù)，根據(jù)智能裝配系統(tǒng)對裝配過程的高效性需求、輸入數(shù)據(jù)向量結(jié)構(gòu)以及網(wǎng)絡(luò)最高層作為分類器接口等因素，dbn結(jié)構(gòu)確定出輸入層、輸出層、隱藏層個數(shù)；

step2：確定輸入層節(jié)點(diǎn)數(shù)與輸出層節(jié)點(diǎn)數(shù)，輸入層節(jié)點(diǎn)數(shù)參照dbn模型輸入數(shù)據(jù)向量，輸出層參照模型分類數(shù)，以及中間隱藏層節(jié)點(diǎn)數(shù)參考bp神經(jīng)網(wǎng)絡(luò)的部分經(jīng)驗(yàn)公式：

式(1)中：x為中間隱藏層節(jié)點(diǎn)數(shù)，n為輸入節(jié)點(diǎn)數(shù)，m為輸出節(jié)點(diǎn)數(shù)，z為[0,10]的常量，n和m根據(jù)實(shí)際情況賦值；

step3：確定學(xué)習(xí)率，在dbn的訓(xùn)練過程中存在兩個學(xué)習(xí)率，分別為前向堆疊rbm(受限玻爾茲曼機(jī))學(xué)習(xí)中的學(xué)習(xí)率ε和反向微調(diào)學(xué)習(xí)中的學(xué)習(xí)率δ，本文根據(jù)經(jīng)驗(yàn)值，學(xué)習(xí)率ε和δ按照經(jīng)驗(yàn)值均取為0.1；

step4：確定dbn模型的權(quán)重w和偏置量a、b，迭代訓(xùn)練學(xué)習(xí)過程中各可見層與隱藏層的參數(shù)均會被多次迭代更新調(diào)整，且初始化參數(shù)的具體數(shù)值雖對dbn模型的訓(xùn)練時間影響明顯，但對結(jié)果影響不大，故三個參數(shù)可以由隨機(jī)生成。

所述基于深度學(xué)習(xí)的分類識別模塊的建立，包括如下步驟：

步驟1，提取零部件裝配信息數(shù)據(jù)，分為訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)；

步驟2，將歷史產(chǎn)品裝配數(shù)據(jù)輸入dbn模型，從低到高層逐層訓(xùn)練dbn中的rbm；

步驟3，根據(jù)訓(xùn)練組的標(biāo)記數(shù)據(jù)和分類規(guī)則，從最高層往最低層反向微調(diào)參數(shù)，完成dbn模型的整個訓(xùn)練過程；

步驟4，將測試組產(chǎn)品數(shù)據(jù)輸入dbn模型中，輸出零部件最有可能的裝配方式等相關(guān)數(shù)據(jù)。

所述基于深度學(xué)習(xí)的分類識別模塊的數(shù)據(jù)流向?yàn)椋?/p>

(a1)、參數(shù)化模型庫由歷史產(chǎn)品裝配模型、新產(chǎn)品裝配模型組成；

(b1)、進(jìn)而利用訓(xùn)練好的dbn識別模型，將產(chǎn)品模型識別為典型零部件識別庫、非典型零部件識別庫；

(c1)、根據(jù)識別好的模型，采用差異性的裝配規(guī)則，完整產(chǎn)品模型的智能裝配；

(d1)、如果產(chǎn)品裝配模型為新產(chǎn)品裝配模型，裝配好之后，將產(chǎn)品裝配模型導(dǎo)入歷史產(chǎn)品裝配模型，擴(kuò)大產(chǎn)品模型庫。

所述的智能裝配算法模塊，包含典型零部件智能裝配算法和非典型零部件智能裝配算法兩類。

所述典型零部件智能裝配算法的裝配流程為：

(a2)、首先對典型零部件確定其自身的配合類型，即判斷該典型零部件與已完成裝配過程的裝配之間是否為第ⅰ類：二元配合；

(b2)、如果是第i類二元配合方式，進(jìn)一步確定是否“線-線型約束”、“面-面型約束”等，接著，判斷配合方式，重合、平行、或垂直；確定配合方式，最后施加約束關(guān)系，完成裝配；

(c2)、如果不是第i類二元配合方式，由配合元素的類型與裝配約束之間存在的關(guān)系逐級推理各類配合元素的位置關(guān)系。

所述非典型零部件智能裝配算法的裝配流程為：

(a3)、若零部件為非典型零部件，首先判斷零部件的后綴名是否為裝配體；

(b3)、若該模型為零件，則通過函數(shù)獲取該零件的輪廓尺寸，并建立該零部件的最小包絡(luò)體，通過定義最小包絡(luò)體的裝配特征，并將其加入非典型零部件庫；

(c3)、若該模型為裝配體，則通過函數(shù)獲取該裝配體的輪廓尺寸，并建立該裝配體的最小包絡(luò)體，通過定義最小包絡(luò)體的裝配特征，并將其加入非典型零部件庫；

(d3)、對加入非典型零部件庫的模型，利用識別已有的裝配特征組，添加相應(yīng)的配合關(guān)系，從而完成模型的裝配。

本發(fā)明具有如下優(yōu)點(diǎn)：

本發(fā)明可以通過參數(shù)模塊快速設(shè)計(jì)出產(chǎn)品的三維零部件，并且，該系統(tǒng)可以直接根據(jù)零部件數(shù)字模型信息，利用深度信念網(wǎng)絡(luò)的學(xué)習(xí)性，實(shí)現(xiàn)對零部件模型的裝配關(guān)系確定，并對零部件進(jìn)行位置變換和位姿變換，從而極大的方便了產(chǎn)品模型的三維裝配設(shè)計(jì)，縮短設(shè)計(jì)周期，提高設(shè)計(jì)效率。

附圖說明

圖1為本發(fā)明方法中所包含的系統(tǒng)結(jié)構(gòu)圖；

圖2為本發(fā)明方法中深度信念網(wǎng)絡(luò)模型架構(gòu)圖；

圖3為本發(fā)明方法的系統(tǒng)流程圖；

圖4本本發(fā)明方法中典型零部件的智能裝配流程圖；

圖5本為發(fā)明方法中非典型零部件的智能裝配流程圖；

圖6本為發(fā)明方法中典型零部件的智能裝配例子-汽車生產(chǎn)線設(shè)備夾具裝配圖；

圖7本為發(fā)明方法中典型零部件的智能裝配例子-“線-線型約束”簡化模型圖；

圖8本為發(fā)明方法中典型零部件的智能裝配例子-“線-線型約束”零部件坐標(biāo)系的建立及其初始位姿；

圖9本為發(fā)明方法中非典型零部件的智能裝配過程；

其中：1-支座，2-夾具，a-基準(zhǔn)軸1，b-基準(zhǔn)軸2；

圖2中v1-5是輸入層神經(jīng)元，o1-5代表輸出層的神經(jīng)元，h1-3^(1-3)代表不同隱藏層之間的神經(jīng)元，h1-3分別代表不同的隱藏層。

具體實(shí)施方式

下面通過實(shí)施例，并結(jié)合附圖，對本發(fā)明的技術(shù)方案作進(jìn)一步具體的說明，如圖1-9所示，基于深度學(xué)習(xí)的智能裝配系統(tǒng)包括三個主要部分：零部件參數(shù)設(shè)計(jì)、零部件分類識別和零部件智能裝配。本發(fā)明在零部件設(shè)計(jì)時，首先建立通用零件庫，然后在solidworks(本實(shí)施例中取機(jī)械制圖軟件為solidworks為例)中設(shè)置關(guān)聯(lián)方程式變量，在后續(xù)設(shè)計(jì)過程中，可以利用參數(shù)化設(shè)計(jì)功能，通過修改模型關(guān)鍵變量來快速生成零部件模型。

零部件分類識別通過利用深度信賴網(wǎng)絡(luò)(dbn)的層級結(jié)構(gòu)以及dbn模型的訓(xùn)練學(xué)習(xí)等理論，結(jié)合dbn模型，引入零部件區(qū)分度dc的概念，且對零部件的分類特征進(jìn)行重構(gòu)定義，面向dbn模型構(gòu)建零部件裝配信息模型，將零部件裝配信息向量化，并用于dbn模型的訓(xùn)練，進(jìn)一步完成對零部件模型的分類識別。

零部件智能裝配是對識別好的典型零部件和非典型零部件，對不同類別的零部件分別建立典型和非典型零部件模型庫，對其采用差異化的裝配方式，采用典型和非典型零部件模型庫中零部件相應(yīng)的智能裝配方案。針對典型零部件配合關(guān)系簡單的特點(diǎn)，從零部件的配合類型與配合關(guān)系元素的角度，通過零部件的坐標(biāo)變換或配合關(guān)系的多層決策算法來實(shí)現(xiàn)典型零部件的智能裝配。針對非典型零部件，則通過構(gòu)建零部件的最小包絡(luò)體，將非典型零部件復(fù)雜的裝配轉(zhuǎn)化為最小包絡(luò)體的簡單裝配，使非典型零部件實(shí)現(xiàn)智能裝配，最終完成產(chǎn)品智能裝配系統(tǒng)的搭建。

本發(fā)明的方法中，典型零部件的智能裝配算法包括如下步驟：

步驟1，對于其配合關(guān)系的幾何元素組合中是否涉及曲面將配合方式分為兩類：二元配合和多元配合；

步驟2，“線-線型約束”的dbn智能判別過程，在裝配過程中，當(dāng)兩零部件之間的軸線處于相互重合、平行及垂直三種位置關(guān)系之一時，表明兩零部件間的“線-線型約束”已產(chǎn)生?！熬€-線型約束”限定待裝配零部件在與其裝配特征回轉(zhuǎn)軸正交的另外兩個軸向上的移動和轉(zhuǎn)動。如圖6中為汽車生產(chǎn)線上汽車輪轂夾具設(shè)備，屬于工位機(jī)械設(shè)備裝配，其結(jié)構(gòu)外形雖然復(fù)雜，但其裝配特征較為簡單，可抽象為軸孔配合，即需智能裝配系統(tǒng)添加“線-線型約束”。其簡化裝配模型如圖7所示，設(shè)兩圓柱體的軸線方向的單位向量分別為兩軸線(或兩方向向量)之間的夾角為α，然后分別在兩軸線上任取兩點(diǎn)a、b，連接a、b兩點(diǎn)，設(shè)兩點(diǎn)之間連線的單位向量為且β為與之間的夾角；

步驟3，由構(gòu)建的“線-線型約束”簡化模型分析可知，產(chǎn)生重合、平行以及垂直三種不同位置關(guān)系的“線-線型約束”應(yīng)滿足的條件也各不相同：

(1)重合時應(yīng)滿足的角度與距離關(guān)系條件：①兩零部件裝配特征的回轉(zhuǎn)軸線趨于平行，即兩軸線的夾角α應(yīng)趨向系統(tǒng)給定的閾值θ定1且收斂于0；②兩零部件軸線上任兩點(diǎn)的連線與軸線也趨于平行，即與之間的夾角β應(yīng)趨向系統(tǒng)給定的閾值θ定2且收斂于0；③兩軸線的距離d≤d定且趨于0；其中，θ定1、θ定2及d定為系統(tǒng)設(shè)定值，根據(jù)裝配靈敏度進(jìn)行設(shè)置；

(2)平行與重合應(yīng)滿足的角度關(guān)系條件相同，但與重合的區(qū)別在于平行時線與線的垂直距離d＞0，在智能裝配系統(tǒng)中通過該垂直距離來區(qū)分兩種位置關(guān)系，在系統(tǒng)實(shí)際裝配過程中也是通過先角度變換，再通過距離變換實(shí)現(xiàn)平行的位置關(guān)系；

(3)垂直時應(yīng)滿足的條件：①兩零部件裝配特征的回轉(zhuǎn)軸線夾角應(yīng)趨向π/2，即角度π/2-α應(yīng)趨向系統(tǒng)給定的閾值θ定1且收斂于0；②兩軸線上任意兩點(diǎn)的連線與一個軸趨于垂直，即與的夾角β應(yīng)滿足類似α的條件；

因此，智能裝配系統(tǒng)根據(jù)以上條件自動判別待裝配典型零部件的“線-線型約束”的位置關(guān)系。判別“線-線型約束”的位置關(guān)系如表1所示：

表1“線-線型約束”的數(shù)學(xué)判別模型

步驟4，當(dāng)待裝配零部件滿足“線-線型約束”，系統(tǒng)自動為零部件添加約束，即對零部件作一系列坐標(biāo)變換，在進(jìn)行坐標(biāo)變換時需要建立零部件的三維空間坐標(biāo)系，如圖8所示，在已完成裝配過程的零部件pj上某一點(diǎn)為坐標(biāo)原點(diǎn)o，建立適合的三維空間坐標(biāo)系xyz，設(shè)待裝配零部件pi與已完成裝配過程的零部件pj的軸li與lj在坐標(biāo)平面yoz、xoz、xoy上投影的夾角分別為α、β、又知軸線li與lj上對應(yīng)點(diǎn)之間的距離在x軸、y軸、z軸方向的投影分別為δdx、δdy、δdz。因此，系統(tǒng)自動對待裝配零部件pi經(jīng)過旋轉(zhuǎn)變換和平移變換，使兩零部件間產(chǎn)生“線-線型約束”。

本發(fā)明的方法中，非典型零部件的智能裝配算法包括如下步驟如下：

步驟1，系統(tǒng)請求用戶指定裝配特征組,形成一個包含點(diǎn)、線、面的裝配特征組，將該零件進(jìn)行裝配特征定義到solidworks所附加的attribute屬性中。

步驟2，獲取待裝配組件po與已完成裝配過程的零部件pj裝配特征組之間的最小距離dmin，最小距離dmin系統(tǒng)采用多層循環(huán)嵌套的冒泡法獲取。

步驟3，設(shè)最小包絡(luò)體po與已完成裝配過程的零部件pj分別包含n、m個裝配特征af，即afgn、afgm，且pj中有t個裝配特征已被占用。

步驟4：從最小包絡(luò)體po上的裝配特征組afgn中任選一個裝配特征afn1，其裝配特征點(diǎn)為gpn1，從pj中任選一個裝配特征afm1，其裝配特征點(diǎn)為gpm1，初始化最鄰近裝配特征點(diǎn)間的歐式距離

步驟5：先以初始點(diǎn)gpn1不變，遍歷pj上裝配特征組afgm中所有裝配特征，其中遍歷到第j個特征afmj，且0＜j≤m，若裝配特征特征afmj的占位標(biāo)記lj＝1，則直接跳過該特征進(jìn)行下一個裝配特征的遍歷，否則獲取該裝配特征的特征點(diǎn)gpmj坐標(biāo)；

步驟6：計(jì)算兩特征點(diǎn)gpn1與gpmj的距離若d1j＜dmin，則將d1j賦值于dmin，否則，dmin值不變，直至afgm中所有裝配特征遍歷一遍；

步驟7：然后再分別以特征點(diǎn)gpn2、gpn2......gpnn重復(fù)步驟3、步驟4，即遍歷最小包絡(luò)體po上的裝配特征組afgn中所有裝配特征afni，其中0＜i≤n，當(dāng)遍歷完afgn、afgm中所有的裝配特征即可獲取最小包絡(luò)體po與已完成裝配過程的零部件pj兩者裝配特征點(diǎn)之間的最小距離dmin；

步驟8：若最終獲取的dmin≤ad，則智能裝配系統(tǒng)自動在具有該最小距離的裝配特征之間實(shí)施裝配操作，完成裝配；若最終獲取的dmin＞ad，則通過用戶指定目標(biāo)組件，使組件po與組件pj完成裝配(ad為用戶設(shè)定的裝配精度，可針對模型信息進(jìn)行調(diào)整)；

步驟9：在裝配過程中利用solidworks的干涉檢查，對其裝配方向進(jìn)行確定，如果裝配體有干涉則自動進(jìn)行反向裝配。本發(fā)明提供的方法是提高機(jī)械產(chǎn)品三維模型設(shè)計(jì)效率的更經(jīng)濟(jì)有效的技術(shù)方法，是降低設(shè)計(jì)成本、縮短開發(fā)周期和提高自主開發(fā)能力的重要工具。

本發(fā)明的保護(hù)范圍并不限于上述的實(shí)施例，顯然，本領(lǐng)域的技術(shù)人員可以對本發(fā)明進(jìn)行各種改動和變形而不脫離本發(fā)明的范圍和精神。倘若這些改動和變形屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍內(nèi)，則本發(fā)明的意圖也包含這些改動和變形在內(nèi)。