一种零件的搜索方法和系统技术方案

本发明专利技术提供了一种零件的搜索方法和系统，涉及计算机技术的技术领域。该方法利用算法模型将零件特征信息(包含几何结构、材料属性和加工工艺信息等)转化为特征向量，步骤如下：步骤一、历史零件特征信息转化算法模型训练；步骤二、保存训练好的模型和历史零件特征向量，构建历史特征向量库；步骤三、输入待搜索零件特征信息至训练后模型，得到特征向量；步骤四、计算所述待搜索零件的特征向量与历史零件特征向量库中所有零件间的相似度；步骤五、判断、输出搜索结果。本发明专利技术解决了现有技术中零件检索的检索准确率较低的技术问题。索的检索准确率较低的技术问题。索的检索准确率较低的技术问题。

【技术实现步骤摘要】
一种零件的搜索方法和系统


[0001]本专利技术涉及计算机技术的
，尤其是涉及一种零件的搜索方法和系统。

技术介绍

[0002]在机械设计行业的产品开发过程中，存在大量的重复设计(即重用过去的部件设计)，而全新的设计只占小部分。因此简捷、快速并准确的从数据库中搜索到相似的零件模型并加以修改，是提高设计效率，缩短开发周期的关键之一。
[0003]传统的零件搜索方法是通过设计人员预先对每个零件进行标注，添加某些索引信息，分为不同类别，然后通过关键字的搜索从而达到零件的索引。
[0004]由于传统方法：需要设计人员对所有零件进行标注，并且后续设计的新零件也要进行这个操作，是一个长期耗时、耗力的工作；零件标注规则通常较为简单，检索结果不够精确；检索出来的结果往往是多个，还需要设计人员进行最终的筛选，导致零件检索的检索准确率较低且检索效率较低。
[0005]针对上述问题，还未提出有效的解决方案。

技术实现思路

[0006]有鉴于此，本专利技术的目的在于提供一种零件的搜索方法和系统，以缓解了现有技术中零件检索的检索准确率较低的技术问题。
[0007]第一方面，本专利技术实施例提供了一种零件的搜索方法，包括如下步骤：
[0008]步骤一、历史零件特征信息转化成特征向量的算法模型训练；步骤二、利用训练好的模型得到历史零件特征向量，构建历史零件特征向量库；步骤三、输入待搜索零件特征信息至训练后模型，得到特征向量；步骤四、计算所述待搜索零件的特征向量与历史零件特征向量库汇总的所有历史零件特征向量间的相似度，即向量距离；步骤五、基于所述向量距离，确定出目标特征向量，并将所述目标特征向量对应的历史零件确定为搜索结果。
[0009]进一步地，零件特征信息包括几何结构、材料属性和加工工艺信息。
[0010]进一步地，步骤一中历史零件特征向量由算法模型将零件特征信息转化而成。
[0011]进一步地，零件特征信息包含零件的几何结构特征信息转化为N*3的数组表示，材料属性特征信息转为N*M1的独热编码表示，加工工艺特征信息转化为N*M2的独热编码表示。
[0012]进一步地，训练零件特征信息转化算法模型包含如下步骤：建立历史零件的特征信息库，构建编码
‑
解码结构的网络模型，其中编码层的输出为零件的特征向量；训练信息转化模型学习历史零件特征信息与特征向量的映射关系；评估、优化、输出训练后信息转化模型。
[0013]进一步地，步骤三所述待搜索零件的特征向量与历史零件特征向量间的相似度包括了几何结构、材料属性和加工工艺三个方面的相似度。
[0014]进一步地，编码
‑
解码结构的网络模型训练过程中，损失函数Loss包括了三个维
度，其中包含几何结构重构的损失函数为倒角距离(Loss1),材料属性的损失函数为欧式距离(Loss2),加工工艺的损失函数为欧式距离(Loss3)。
[0015]第二方面，本专利技术实施例还提供了一种零件的搜索系统，包括：训练单元，构建单元，获取单元，计算单元和输出单元，其中，所述训练单元，用于历史零件特征信息转化成特征向量的算法模型训练；所述构建单元，利用训练好的模型得到历史零件特征向量，构建历史零件特征向量库；所述获取单元，用于将待搜索零件的特征信息输入至训练好的算法模型，得到带搜索零件的特征向量；所述计算单元，用于计算所述待搜索零件的特征向量与历史零件特征向量库中零件特征向量间的距离；所述输出单元，根据所述特征向量间的距离，确定出目标特征向量，并将所述目标特征向量对应的历史零件确定为搜索结果输出。
[0016]第三方面，本专利技术实施例还提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储支持处理器执行上述第一方面中所述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。
[0017]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行第一方面中所述方法的步骤。
[0018]在本专利技术实施例中，通过获取待搜索零件的特征信息；将所述待搜索零件的特征信息输入零件特征信息转化算法模型，得到所述待搜索零件的特征向量；计算所述待搜索零件的特征向量与历史零件特征向量库中所有历史零件特征向量之间的向量距离；基于所述向量距离，确定出目标特征向量，并将所述目标特征向量对应的零件确定为搜索结果，其中，所述目标特征向量为向量距离最小值对应的历史零件特征向量，达到了利用学习模型进行零件搜索的目的，进而解决了现有技术中零件检索的检索准确率较低的技术问题，从而实现了提高了零件检索的检索准确率的技术效果。
[0019]本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
[0020]为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0021]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0022]图1为本专利技术实施例提供的一种零件的搜索方法的流程图；
[0023]图2为本专利技术实施例提供的零件匹配流程的示意图；
[0024]图3为本专利技术实施例提供的一种零件的搜索系统的示意图；
[0025]图4本专利技术实施例提供的一种电子设备的示意图。
具体实施方式
[0026]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术
的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0027]实施例一：
[0028]根据本专利技术实施例，提供了一种零件的搜索方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0029]图1是根据本专利技术实施例的一种零件的搜索方法的流程图，如图1所示，该方法包括如下步骤：
[0030]步骤S102，步骤一、历史零件特征信息转化成特征向量的算法模型训练；
[0031]步骤S104，步骤二、利用训练好的模型得到历史零件特征向量，构建历史零件特征向量库；
[0032]步骤S106，步骤三、输入待搜索零件特征信息至训练后模型，得到特征向量；
[0033]步骤S108，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种零件的搜索方法，其特征在于，包括如下步骤：步骤一、历史零件特征信息转化成特征向量的算法模型训练；步骤二、利用训练好的模型得到历史零件特征向量，构建历史零件特征向量库；步骤三、输入待搜索零件特征信息至训练后模型，得到特征向量；步骤四、计算所述待搜索零件的特征向量与历史零件特征向量库汇总的所有历史零件特征向量间的相似度，即向量距离；步骤五、基于所述向量距离，确定出目标特征向量，并将所述目标特征向量对应的历史零件确定为搜索结果。2.根据权利要求1所述一种零件的搜索方法，其特征在于，零件特征信息包括几何结构、材料属性和加工工艺信息。3.根据权利要求1所述一种零件的搜索方法，其特征在于，步骤一中历史零件特征向量由算法模型将零件特征信息转化而成。4.根据权利要求1所述一种零件的搜索方法，其特征在于，零件特征信息包含零件的几何结构特征信息转化为N*3的数组表示，材料属性特征信息转为N*M1的独热编码表示，加工工艺特征信息转化为N*M2的独热编码表示。5.根据权利要求1所述一种零件的搜索方法，其特征在于，训练零件特征信息转化算法模型包含如下步骤：建立历史零件的特征信息库，构建编码
‑
解码结构的网络模型，其中编码层的输出为零件的特征向量；训练信息转化模型学习历史零件特征信息与特征向量的映射关系；评估、优化、输出训练后信息转化模型。6.根据权利要求1所述一种零件的搜索方法，其特征在于，步骤三所述待搜索零件的特征向量与...

【专利技术属性】
技术研发人员：吴泳荣，张展，郑锐，杨庆保，李吉超，
申请(专利权)人：上海设序科技有限公司，
类型：发明
国别省市：