(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111522129.5 (22)申请日 2021.12.13 (71)申请人 杭州电子科技大 学 地址 310018 浙江省杭州市下沙高教园区2 号大街 (72)发明人 潘万彬　苗洁　曹伟娟　 (74)专利代理 机构 杭州君度专利代理事务所 (特殊普通 合伙) 33240 代理人 朱月芬 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/02(2006.01) G06F 111/04(2020.01) G06F 111/20(2020.01) (54)发明名称 一种基于人工神经网络的装配约束智能重 建方法 (57)摘要 本发明公开了一种基于人工神经网络的装 配约束智能重建方法。 本发明包括以下步骤： 步 骤1.对CAD 模型预处理， 标注CAD模型在机构运动 中的装配约束， 构建数据集； 步骤2.根据装配约 束类型的不同， 对数据集进行分类筛选； 步骤3. 基于人工神经网络学习训练， 最终得到一个最优 网络模型， 用于智能重建模型在机构运动中的装 配约束。 本发 明采用学习的方式实现装配约束的 智能重建。 通过对CAD模型实体上的装配约束进 行标注， 然后基于人工神经网络进行学习训练， 最终得到一个最优网络模型， 可以智能重建出机 构运动中模 型上的装配约束， 进而帮助模型实现 自动装配， 提高产品设计效率。 权利要求书2页 说明书4页 附图3页 CN 114218859 A 2022.03.22 CN 114218859 A 1.一种基于人工神经网络的装配约束智能重建方法， 其特 征在于包 含如下步骤： 步骤1： 对CAD模型 预处理， 标注CAD模型在机构运动中的装配约束， 构建数据集； 步骤2： 根据装配约束类型的不同， 对数据集进行分类筛 选； 步骤3： 基于人工神经网络学习训练， 最终得到一个最优网络模型， 用于智能重建机构 运动中的装配约束。 2.根据权利要求1所述的一种基于人工神经网络的装配约束智能重建方法， 其特征在 于所述的步骤1具体实现步骤如下： 1‑1.对CAD模型 预处理， 标注模型 上实体的装配约束； 首先获取模型上的所有实体以及实体之间的邻 接关系； 针对模型在机构运动中的装配 约束， 遍历所有实体并对其中用于配合的实体标注相应的装配约束类型； 然后将 每个CAD模 型的实体信息和标注信息存储为一个文本文件， 命名为实体特征文件； 实体之间的邻接关 系也以文本文件 存储， 命名为实体关系文件； 1‑2.将每个CAD模型的实体和邻接关系进行图表示， 构造实体属性邻接图； 对于每一个CAD模型， 将模型上的所有实体作为图节点， 存在邻接关系的相关实体之间 用边连接， 这样 每个CAD模型都可以用一个无向图来表 示； 然后将实体的特征信息作为图中 相应节点的属 性信息， 实体之间的邻接类型作为图中对应边的属 性信息， 构造实体属 性邻 接图； 1‑3.扩充数据集， 用于神经网络模型的训练。 3.根据权利要求2所述的一种基于人工神经网络的装配约束智能重建方法， 其特征在 于每个CAD模型都以两个文本文件的形式保存； 所述的实体特征文件存储的实体信息具体 包括： 实体的ID号、 实体类型以及实体的几何信息； 同时标注信息的存储， 不仅包含每个实 体上标注的装配约束类型， 还会记录实体在配合过程中的相关配合数据， 如装配约束标注 为同轴心 时， 需要记录同轴心的配合索引号和对齐的方向； 所以实体特征文件中的第一列 为实体的ID号， 第二列为实体类型， 第三、 四列为实体的几何信息， 最后一列为标注的装配 约束类型， 第 五列到最后第二列为记录的配合数据； 其中将实体的几何信息和配合数据作 为实体的特 征信息。 4.根据权利要求2或3所述的一种基于人工神经网络的装配约束智能重建方法， 其特征 在于所述的实体关系文件， 存储的信息不仅存在邻接 关系的相关实体， 用实体的ID号表 示， 还有实体之间具体的邻接类型； 所以实体关系文件中的第一、 二列为存在邻接关系的相关 实体的ID号， 最后一列为实体之间的邻接类型， 邻接类型包括如面与面邻接， 面与边邻接 。 5.根据权利要求4所述的一种基于人工神经网络的装配约束智能重建方法， 其特征在 于步骤2中根据装配约束类型的不同， 对数据集进行分类筛 选， 具体步骤如下： 2‑1.依据装配约束类型的不同， 将步骤1中标注的数据集进行分类； 依据标签类型分别 分为： 同向同轴、 反向 同轴、 同向重合、 反向重合、 同向平行、 反向平行、 同向距离、 反向距离、 同向螺旋、 反向螺 旋、 同向相切、 反向相切 和垂直13类装配约束； 2‑2.从各分类中筛选一定数量的样本， 保证各类装配约束的样本数量尽可能均匀， 构 建均衡的数据集。 6.根据权利要求5所述的一种基于人工神经网络的装配约束智能重建方法， 其特征在 于步骤3具体步骤如下：权　利　要　求　书 1/2 页 2 CN 114218859 A 23‑1.提取实体特 征 对步骤2的数据集提取实体特征信 息以及标签， 并将这些数据处理成向量形式； 其中实 体特征信息处理后获得的特征向量作为人工神经网络的输入， 输出预测值； 在训练过程中， 计算预测 值与标签之间的损失， 目标函数就是实现损失最小化， 最终得到 收敛后的最优网 络模型； 3‑2.搭建人工神经网络模型 搭建的人工神经网络模型由一个Linear层、 一个Batch  Normalization正则化和一个 ReLU单元构成； 3‑3.基于搭建的人工神经网络进行训练学习和 测试评估 每次训练结束后， 测试网络模型的准确率， 并对得到的准确率进行判断， 判断该网络模 型是否满足实验要求； 若满足实验要求， 结束训练； 否则调整网络模型或训练所用的数据 集， 再次进行训练学习。权　利　要　求　书 2/2 页 3 CN 114218859 A 3