一种机械产品可制造性智能分析方法及系统技术方案

本发明专利技术提出了一种机械产品可制造性智能分析方法及系统，方法包括：获取产品的图纸数据和加工样本，分析图纸数据得到产品的一种或多种加工流程，筛选出加工流程中涉及到的全部加工设备，并获取各加工设备的加工参数及限制；基于图纸数据、加工参数及限制，以预设可制造性条件分析产品的可制造性；若满足可制造性条件，则建议制造，并进行后续的加工流程排定；若不满足可制造性条件，则不建议制造，并跳转至预设的图像化DFM模块进行图像化DFM处理。本发明专利技术利用DFM分析模块和图像化DFM模块相结合，实现产品可制造性设计分析智能化。根据系统预设的可制造性条件分析产品的可制造性，分析速度快，且准确度高，大大降低了人工分析的错误率。率。率。

【技术实现步骤摘要】
一种机械产品可制造性智能分析方法及系统


[0001]本专利技术涉及机械制造领域，特别涉及一种机械产品可制造性智能分析方法及系统。

技术介绍

[0002]DFM(Design for manufacturability)，意思是面向制造的设计，即从提高零件的可制造性入手，使得零件和各种工艺容易制造，制造成本低，效率高。DFM是指产品设计需要满足产品制造的要求，具有良好的可制造性，使得产品以最低的成本、最短的时间、最高的质量制造出来。
[0003]当今的DFM是并行工程的核心技术，因为设计与制造是产品生命周期中最重要的两个环节，并行工程就是在开始设计时就要考虑产品的可制造性和可装配性等因素。所以DFM又是并行工程中最重要的支持工具。它的关键是设计信息的工艺性分析、制造合理性评价和改进设计的建议。
[0004]传统的机械加工产品成本计算需依靠企业技术人员进行图纸评估、可制造性设计分析、加工流程建立、成本计算等繁琐复杂手续。依靠人工进行加工评估和成本计算，很容易出现计算错误的问题，导致评估错误率高、评估效率低等问题。此外，每当有相关的技术人员离职时，企业往往需要花费大量时间和金钱重新培训新的技术人员进行评估。
[0005]现有技术中出现了一些自动报价软件，但这些自动报价软件只能在预设方案下协助企业解决成本计算部份。同时，此类软件还需要有丰富经验的技术人员事先作出可制造性设计分析等工作，未能完全解决前述问题。
[0006]因此，急需一种无需人工即可实现可制造性设计分析的方案来解决上述问题。/>
技术实现思路

[0007]有鉴于此，本专利技术提出了一种机械产品可制造性智能分析方法及系统，具体方案如下：
[0008]一种机械产品可制造性智能分析方法，包括如下：
[0009]获取产品的图纸数据和加工样本，分析所述图纸数据得到产品的一种或多种加工流程，筛选出所述加工流程中涉及到的全部加工设备，并获取各所述加工设备的加工参数及限制；所述加工流程包括加工精度和加工要求；
[0010]基于所述图纸数据、所述加工参数及限制，以预设可制造性条件分析产品的可制造性；
[0011]若满足所述可制造性条件，则建议制造，并进行后续的加工流程排定；若不满足所述可制造性条件，则不建议制造，并跳转至预设的图像化DFM模块进行图像化DFM处理；
[0012]所述图像化DFM处理包括：所述图像化DFM模块基于所述可制造性条件分析产品图纸的需改正处，生成可制造性建议，并在所述需改正处标注所述可制造性建议，得图像反馈结果。
[0013]在一个具体实施例中，所述可制造性条件包括：
[0014]条件1：利用所述加工设备是否能将所述加工样本加工制造为满足所述加工要求的产品；
[0015]条件2：所述加工精度是否满足预设精度条件；
[0016]条件3：所述图纸数据中尺寸信息是否完整；
[0017]若所述条件1、所述条件2和所述条件都为是，则满足所述可制造性条件；否则，则不满足所述可制造性条件。
[0018]在一个具体实施例中，所述条件1具体包括：
[0019]所述加工要求是否不超出所述加工设备的加工限制，且所述加工设备的加工参数是否符合所述加工要求；若都为是，则利用所述加工设备能所述加工样本加工制造为所述产品；
[0020]所述条件2具体包括：
[0021]所述预设精度条件为不高于通用精度要求、且不接近最高通用精度要求。
[0022]在一个具体实施例中，所述图像化DFM处理具体包括：
[0023]针对所述产品不符合的可制造性条件，查找产品图纸的需改正处，得到可制造性建议；
[0024]从预设资料库中获取坐标数据和图纸影像，根据所述坐标数据查找所述需改正处在所述图纸影像上的具体坐标位置，并在所述坐标位置处标注所述可制造性建议；
[0025]输出标注后的图纸影像得到图像反馈结果。
[0026]在一个具体实施例中，若所述条件1为否，则所述可制造性建议包括可制造的尺寸或公差建议；
[0027]若所述条件2为否，且所述产品并非必须按照加工精度制造，则所述可制造性建议包括满足预设精度条件的精度建议。
[0028]在一个具体实施例中，“分析所述图纸数据得到产品的一种或多种加工流程”具体包括：
[0029]基于所述图纸数据构建产品的三维模型，获取产品的外形特征；
[0030]通过预训练的机器学习算法，在预设的样本资料库中查找与所述产品相比、在外形特征上满足预设条件的一个或多个图纸样本，并将其作为第一图纸样本；将所有的所述第一图纸样本的加工流程作为所述产品的加工流程；其中，所述样本资料库中存储有多个已排定加工流程、且按外形特征分类的图纸样本；
[0031]若查找不出与所述产品相比、在外形特征上满足预设条件的图纸样本，则通过所述机器学习算法根据所述产品上的外形特征自行排定一种或多种加工流程；所述机器学习算法的训练过程具体包括：
[0032]将已建立加工流程的图纸数据按照外形特征进行分类，得到图纸样本，存储到预设的样本资料库中；
[0033]基于所述训练样本，对初始机器学习算法进行有监督训练，得到所述机器学习算法。
[0034]在一个具体实施例中，“在预设的样本资料库中查找与所述产品相比、在外形特征上满足预设条件的一个或多个图纸样本，并将其作为第一图纸样本”具体包括：
[0035]查找所述样本资料库，判断是否存在与所述产品的图纸数据完全相同的图纸样本：若存在，则该图纸样本即为第一图纸样本；
[0036]若不存在，则查找出与所述产品相比、在外形特征的相似程度上满足预设比例关系的所有图纸样本，并从中筛选出相似程度较高的一个或多个图纸样本作为第一图纸样本。
[0037]一种机械产品可制造性智能分析系统，包括，
[0038]数据获取模块：用于获取产品的图纸数据和加工样本，分析所述图纸数据得到产品的加工流程，筛选出所述加工流程中涉及到的全部加工设备，并获取各所述加工设备的加工参数及限制；所述加工流程包括加工精度和加工要求；
[0039]DFM分析模块：基于所述图纸数据、所述加工参数及限制，以预设可制造性条件分析产品的可制造性；若满足所述可制造性条件，则建议制造，并进行后续的加工流程排定；若不满足所述可制造性条件，则不建议制造，并跳转至预设的图像化DFM模块进行图像化DFM处理；
[0040]图像化DFM模块：用于进行图像化DFM处理，基于所述可制造性条件分析产品图纸的需改正处，生成可制造性建议，并在所述需改正处标注所述可制造性建议，得到图像反馈结果。
[0041]在一个具体实施例中，所述可制造性条件包括：
[0042]条件1：利用所述加工设备是否能将所述加工样本加工制造为满足所述加工要求的产品；
[0043]条件2：所述加工精度是否满足预设精度条件；
[0044]条件3：基于所述图纸数据，分析所述产品图纸中的尺本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机械产品可制造性智能分析方法，其特征在于，包括如下：获取产品的图纸数据和加工样本，分析所述图纸数据得到产品的一种或多种加工流程，筛选出所述加工流程中涉及到的全部加工设备，并获取各所述加工设备的加工参数及限制；所述加工流程包括加工精度和加工要求；基于所述图纸数据、所述加工参数及限制，以预设可制造性条件分析产品的可制造性；若满足所述可制造性条件，则建议制造，并进行后续的加工流程排定；若不满足所述可制造性条件，则不建议制造，并跳转至预设的图像化DFM模块进行图像化DFM处理；所述图像化DFM处理包括：所述图像化DFM模块基于所述可制造性条件分析产品图纸的需改正处，生成可制造性建议，并在所述需改正处标注所述可制造性建议，得图像反馈结果。2.根据权利要求1所述的机械产品可制造性智能分析方法，其特征在于，所述可制造性条件包括：条件1：利用所述加工设备是否能将所述加工样本加工制造为满足所述加工要求的产品；条件2：所述加工精度是否满足预设精度条件；条件3：所述图纸数据中尺寸信息是否完整；只有在所述条件1、所述条件2和所述条件都为是的情况下，才满足所述可制造性条件；否则，则不满足所述可制造性条件。3.根据权利要求2所述的机械产品可制造性智能分析方法，其特征在于，所述条件1具体包括：所述加工要求是否不超出所述加工设备的加工限制，且所述加工设备的加工参数是否符合所述加工要求；若都为是，则利用所述加工设备能所述加工样本加工制造为所述产品；所述条件2具体包括：所述预设精度条件为不高于通用精度要求、且不接近最高通用精度要求。4.根据权利要求2所述的机械产品可制造性智能分析方法，其特征在于，所述图像化DFM处理具体包括：针对所述产品不符合的可制造性条件，查找产品图纸的需改正处，得到可制造性建议；从预设资料库中获取坐标数据和图纸影像，根据所述坐标数据查找所述需改正处在所述图纸影像上的具体坐标位置，并在所述坐标位置处标注所述可制造性建议；输出标注后的图纸影像得到图像反馈结果。5.根据权利要求4所述的机械产品可制造性智能分析方法，其特征在于，若所述条件1为否，则所述可制造性建议包括可制造的尺寸或公差建议；若所述条件2为否，且所述产品并非必须按照加工精度制造，则所述可制造性建议包括满足预设精度条件的精度建议。6.根据权利要求1所述的机械产品可制造性智能分析方法，其特征在于，“分析所述图纸数据得到产品的一种或多种加工流程”具体包括：基于所述图纸数据构建产品的三维模型，获取产品的外形特征；通过预训练的机器学习算法，在预设的样本资料库中查找与所述产品相比、在外形特征上满足预设条件的一个或多个图纸样本，并将其作为第一图纸样本；将所有的所述第一
图纸样本的加工流程作为所述产品的加工流程；其中，所述样本资...

【专利技术属性】
技术研发人员：李少文，陈启峰，张全军，幸贺杰，
申请(专利权)人：广东宏远新科自动化技术开发有限公司，
类型：发明
国别省市：