一种面向深度学习的3D结构及其创建方法与流程

本发明涉及人工智能领域，具体是一种面向深度学习的3d结构及其创建方法。

背景技术：

目前，在以机械设计为主的制造业领域，企业已经逐渐从小品种大批量的设计及生产中，过渡到多品种小批量的场景中，如何能在这种场景中，更好地以及更迅速地满足用户个性化的需求，变得越来越重要。基于用户需求的三维设计结果，通过该内容可以更好地帮助工程师了解。同时由于深度学习的发展，如何能将深度学习更好地应用在定制化的设计中，也变得尤为关键，所以我们采用面向深度学习的3d结构及其创建方法是填补了一项技术空白，对整个行业的技术进步非常有实际意义。

技术实现要素：

本发明的目的在于提供一种面向深度学习的3d结构及其创建方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种面向深度学习的3d结构，主要包括7种类型节点，分别为group节点类型、models节点类型、部件节点类型、零件节点类型、三维关系节点类型、装配关系节点类型和装配几何特征节点类型。

所述group节点类型，其作用主要用于对一类零部件进行归类；所述models节点类型，其作用主要用于放置group节点类型下归类的零部件；所述部件节点类型，其作用主要用于放置group节点类型下归类的部件；所述零件节点类型，其作用主要用于放置group节点类型下归类的零件；所述三维关系节点类型，其作用主要用于放置group节点类型下归类的已知零部件的装配关系和装配几何特征；所述装配关系节点类型，其作用主要用于放置已知零部件装配时的约束；所述约束节点类型，其作用主要用于放置已知零部件装配时约束；所述装配几何特征节点类型，其作用主要用于放置已知零部件装配时的几何特征和新拓展零部件装配时的映射特征；所述几何特征节点类型，其作用主要用于放置已知零部件装配时几何特征的相关信息；所述映射特征节点类型，其作用主要用于放置新拓展零部件装配时映射特征的相关信息。

其上述节点间的层次关系为：

顶节点为：deep3d的根节点

顶节点下的一级子节点为：group节点类型的节点；

group节点类型下包含的一级子节点为：models节点类型的节点以及三维关系节点类型的节点；

models节点类型下包含的一级子节点为：零件节点类型的节点以及部件节点类型的节点；

三维关系节点下包含的一级子节点为：装配关系节点及装配几何特征节点；

零件节点类型下包含的一级子节点为：装配几何特征节点;

部件节点类型下包含的与零件节点类型的内容相同；

装配关系节点下包含的一级子节点为：约束节点；

装配几何特征节点下包含的一级子节点为：几何特征节点；

几何特征节点（在零部件类型节点下的装配几何特征节点下的几何特征节点）下包含的一级子节点为：映射特征节点。

一种面向深度学习的3d创建方法，包括以下步骤：

1)根据产品传统的3d模型及其层次结构，获取产品零部件的装配顺序；

2)获取产品零部件的约束信息及约束的几何特征信息；

3)按照零部件的装配顺序，为组成产品的所有零部件，创建group节点；

4)为已有的零部件group，创建models节点和三维关系节点；

5)确定约束与零部件的从属关系，并根据约束与零部件的从属关系，在装配关系节点下创建相应的约束；

6)根据约束的几何特征信息，在装配几何特征节点下创建相应的几何特征；

7)拓展新种类零部件及创建映射特征；

8)将所有group节点，组成产品面向深度学习的3d结构；

9)依据给定的订单参数进行预测。

作为本发明进一步的方案：步骤一中，以某产品的3d模型及其层次结构为例，如图1所示，可根据该产品传统的3d模型及其层次结构，获取到产品的零部件装配顺序。

作为本发明再进一步的方案：步骤二中，根据该产品传统的3d模型及其层次结构，逐一获取零部件所有的约束信息（如接触约束、对齐约束等）以及约束的几何特征信息（比如点、线、面等）。

作为本发明再进一步的方案：步骤三中，按照获取到的该产品零部件的装配顺序，自上而下的为零件a、部件b、零件c、零件d创建group节点，如图2所示。

作为本发明再进一步的方案：步骤四中，其中models节点下包含零件节点和部件节点，零件节点和部件节点下包含装配几何特征节点；三维关系节点下包含装配关系节点和装配几何特征节点，如图3所示。

作为本发明再进一步的方案：步骤五中，假设与零件d相关约束有4个，如图4所示，其中2个约束（接触和对齐）是由零件d装配到零件c上产生的，则这2个约束从属于零件d。因此，如图5所示，根据获取到零件d的约束信息，在装配关系节点下创建接触和对齐2个约束；所述约束包含的信息有：约束的类型；主动件id即零件d的id；从动件id即零件c的id；主动件参考特征零件d面1；从动件参考特征零件c面1。

作为本发明再进一步的方案：步骤六中，如图6所示，假设获取到有1个约束从属于部件b且此约束包含2个几何特征，则可在装配几何特征节点下创建2个几何特征，所述几何特征包含的信息有：几何特征，即参与了此约束的几何特征；零部件id，即参与了此约束的几何特征所属零部件id即零件b1或零件b2；零部件的路径，即参与了此约束的几何特征所属零部件的路径，即//部件b//零件b1或零件b2；对于根据该产品原始的3d模型及其层次结构获取到的零部件来说，其零件或部件group节点下的装配几何特征节点包含的信息，和其零部件节点下的装配几何特征节点包含的信息是相同的。

作为本发明再进一步的方案：步骤七中，假设有新种类零件d（种类2零件d）拓展时，需先从groupd中的models节点下为新种类零件d创建一个新的零件节点，其中零件节点中包含了已知种类零件d（种类1零件d）几何特征节点，如图7所示。然后通过手动选择已知种类零件d的几何特征（接触约束的几何特征和对齐约束的几何特征），创建特征映射，自动完成新种类零件c与零件d的装配；所述特征映射包含的信息有：几何特征，即参与了约束的几何特征；零部件id，即参与了约束的几何特征所属零部件id即新种类零件c；零部件路径，即参与了约束的几何特征所属零部件的路径，即//种类2零件c。

作为本发明再进一步的方案：步骤八中，将产品所有group节点（且每个节点下，必须包含models、三维关系2个节点），创建完毕时，即可形成面向深度学习的3d结构，即deep3d，如图8所示。

作为本发明再进一步的方案：步骤九中，根据用户需求给定的订单参数，可通过向量化处理后，将其带入到已经训练好的深度学习相关算法模型中进行预测，得到符合用户预期的产品的3d结构，如图9所示。

与现有技术相比，本发明的有益效果是：

本发明涉及一种面向深度学习的3d结构及其创建方法，解决了传统3d结构在系统中的分散及无法搜索的问题，最终利用深度学习有机会在deep3d中，进行更加准确的设计。

附图说明

图1某产品的原始3d模型及其层次结构图。

图2组成产品的所有零部件创建group节点图。

图3group节点下的models节点以及三维关系节点图。

图4从属于零件d的约束关系图。

图5装配关系节点下创建相应的约束图。

图6装配几何特征节点下创建相应的几何特征节点图。

图7拓展新零件及创建特征映射图。

图8产品的deep3d图。

图9将产品的deep3d应用于深度学习进行预测图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“设置”应做广义理解，例如，可以是固定相连、设置，也可以是可拆卸连接、设置，或一体地连接、设置。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

参考图1-9，本发明实施例中，一种面向深度学习的3d结构，主要包括7种类型节点，分别为group节点类型、models节点类型、部件节点类型、零件节点类型、三维关系节点类型、装配关系节点类型和装配几何特征节点类型。

所述group节点类型，其作用主要用于对一类零部件进行归类；所述models节点类型，其作用主要用于放置group节点类型下归类的零部件；所述部件节点类型，其作用主要用于放置group节点类型下归类的部件；所述零件节点类型，其作用主要用于放置group节点类型下归类的零件；所述三维关系节点类型，其作用主要用于放置group节点类型下归类的已知零部件的装配关系和装配几何特征；所述装配关系节点类型，其作用主要用于放置已知零部件装配时的约束；所述约束节点类型，其作用主要用于放置已知零部件装配时约束；所述装配几何特征节点类型，其作用主要用于放置已知零部件装配时的几何特征和新拓展零部件装配时的映射特征；所述几何特征节点类型，其作用主要用于放置已知零部件装配时几何特征的相关信息；所述映射特征节点类型，其作用主要用于放置新拓展零部件装配时映射特征的相关信息。

其上述节点间的层次关系为：

顶节点为：deep3d的根节点

顶节点下的一级子节点为：group节点类型的节点；

group节点类型下包含的一级子节点为：models节点类型的节点以及三维关系节点类型的节点；

models节点类型下包含的一级子节点为：零件节点类型的节点以及部件节点类型的节点；

三维关系节点下包含的一级子节点为：装配关系节点及装配几何特征节点；

零件节点类型下包含的一级子节点为：装配几何特征节点;

部件节点类型下包含的与零件节点类型的内容相同；

装配关系节点下包含的一级子节点为：约束节点；

装配几何特征节点下包含的一级子节点为：几何特征节点；

几何特征节点下包含的一级子节点为：映射特征节点。

一种面向深度学习的3d创建方法，包括以下步骤：

1)根据产品传统的3d模型及其层次结构，获取产品零部件的装配顺序；

2)获取产品零部件的约束信息及约束的几何特征信息；

3)按照零部件的装配顺序，为组成产品的所有零部件，创建group节点；

4)为已有的零部件group，创建models节点和三维关系节点；

5)确定约束与零部件的从属关系，并根据约束与零部件的从属关系，在装配关系节点下创建相应的约束；

6)根据约束的几何特征信息，在装配几何特征节点下创建相应的几何特征；

7)拓展新种类零部件及创建映射特征；

8)将所有group节点，组成产品面向深度学习的3d结构；

9)依据给定的订单参数进行预测。

根据产品传统的3d模型及其层次结构，获取产品零部件的装配顺序。以某产品的3d模型及其层次结构为例，如图1所示，可根据该产品传统的3d模型及其层次结构，获取到产品的零部件装配顺序。

获取产品零部件的约束信息及约束的几何特征信息。根据该产品传统的3d模型及其层次结构，逐一获取零部件所有的约束信息（如接触约束、对齐约束等）以及约束的几何特征信息（比如点、线、面等）。

按照零部件的装配顺序，为组成产品的所有零部件，创建group节点。按照获取到的该产品零部件的装配顺序，自上而下的为零件a、部件b、零件c、零件d创建group节点，如图2所示。

为已有的零部件group，创建models节点和三维关系节点。其中models节点下包含零件节点和部件节点，零件节点和部件节点下包含装配几何特征节点；三维关系节点下包含装配关系节点和装配几何特征节点，如图3所示。

确定约束与零部件的从属关系，并根据约束与零部件的从属关系，在装配关系节点下创建相应的约束。假设与零件d相关约束有4个，如图4所示，其中2个约束（接触和对齐）是由零件d装配到零件c上产生的，则这2个约束从属于零件d。因此，如图5所示，根据获取到零件d的约束信息，在装配关系节点下创建接触和对齐2个约束。

所述约束包含的信息有：约束的类型；主动件id即零件d的id；从动件id即零件c的id；主动件参考特征零件d面1；从动件参考特征零件c面1。

根据约束的几何特征信息，在装配几何特征节点下创建相应的几何特征。如图6所示，假设获取到有1个约束从属于部件b且此约束包含2个几何特征，则可在装配几何特征节点下创建2个几何特征。

所述几何特征包含的信息有：几何特征，即参与了此约束的几何特征；零部件id，即参与了此约束的几何特征所属零部件id即零件b1或零件b2；零部件的路径，即参与了此约束的几何特征所属零部件的路径，即//部件b//零件b1或零件b2。

对于根据该产品原始的3d模型及其层次结构获取到的零部件来说，其零件或部件group节点下的装配几何特征节点包含的信息，和其零部件节点下的装配几何特征节点包含的信息是相同的。

拓展新种类零部件及创建映射特征。假设有新种类零件d（种类2零件d）拓展时，需先从groupd中的models节点下为新种类零件d创建一个新的零件节点，其中零件节点中包含了已知种类零件d（种类1零件d）几何特征节点，如图7所示。然后通过手动选择已知种类零件d的几何特征（接触约束的几何特征和对齐约束的几何特征），创建特征映射，自动完成新种类零件c与零件d的装配。

所述特征映射包含的信息有：几何特征，即参与了约束的几何特征；零部件id，即参与了约束的几何特征所属零部件id即新种类零件c；零部件路径，即参与了约束的几何特征所属零部件的路径，即//种类2零件c。

将所有group节点，组成产品面向深度学习的3d结构。将产品所有group节点（且每个节点下，必须包含models、三维关系2个节点），创建完毕时，即可形成面向深度学习的3d结构，即deep3d，如图8所示。

依据给定的订单参数进行预测。根据用户需求给定的订单参数，可通过向量化处理后，将其带入到已经训练好的深度学习相关算法模型中进行预测，得到符合用户预期的产品的3d结构，如图9所示。

本发明的工作原理是：

由于传统的做法是一个产品对应一个3d结构，因此其具有分散及难以搜索的问题，所以基于传统的3d结构进行深度学习，无异于在无数个产品的3d结构中，进行推荐。更重要的是，在此模式下，其产品的内部结构无法进行很有效的推荐。

本专利创新性的提出了面向深度学习的3d结构（deep3d）。其彻底解决了传统3d结构在系统中的分散及无法搜索的问题，最终利用深度学习有机会在deep3d中，进行更加准确的设计。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。