一种零件工艺规程编制方法、装置、存储介质及电子设备与流程

1.本技术涉及零件制造技术领域，具体涉及一种零件工艺规程编制方法、装置、存储介质及电子设备。


背景技术：

2.随着航空制造技术的发展，现代飞机的整体研制周期已大幅缩短，对飞机制造的各个环节研制效率的控制要求越来越高，尤其是零件制造配套环节，由于涉及的零件种类及数量较多，制造工艺规程的工序内容和具体要求无法统一，例如框类零件具有结构尺寸大、精度要求高、加工周期长等特点，材料差异、毛坯状态以及加工设备的选择对加工工序的设置影响较大，工艺规程差异较大。
3.为保证设计要求以及制造信息的传递与唯一，每项零件在加工前均编制了制造工艺规程，对于新研项目，在项目初期将面临大量工艺规程的编制，单机数量普遍超过500本，新编的工作量较大，容易工序遗漏或者出现内容错误，存在工艺规程编制工作量大、效率低的问题。


技术实现要素：

4.本技术的主要目的在于提供一种零件工艺规程编制方法、装置、存储介质及电子设备，旨在解决现有技术中零件工艺规程的编制方法效率低的问题。
5.为了上述目的，本技术的实施例采用的技术方案如下：
6.一种零件工艺规程编制方法，应用于电子设备，包括以下步骤：
7.获取目标零件的零件图像的特征向量；
8.将特征向量输入已训练的分类器，以获得目标零件的结构特征；
9.基于目标零件的结构特征以及目标零件的工艺信息，从预设知识库中获取与目标零件匹配的目标工艺规程；其中，预设知识库中包括若干零件以及若干零件对应的工艺规程。
10.可选的，在获取目标零件的零件图像的特征向量的步骤之前，方法还包括：
11.获取多个现有零件的图像，并基于现有零件的结构特征对现有零件的图像进行分类，形成多种结构特征对应的多个数据集；其中，每个数据集中包括一种结构特征对应的现有零件的图像，每个现有零件的图像包括不同视角的多个视图；
12.对每个数据集中不同视角的多个视图进行特征提取，获取每个数据集中多个视图的特征向量；
13.对多个视图的特征向量进行拼接和标准化处理，获得多个现有零件的特征矩阵；
14.定义多个现有零件的结构特征的标签，并基于特征矩阵，获得多个现有零件的标签矩阵；
15.以特征矩阵为输入，以标签矩阵为输出，进行分类器训练，形成已训练的分类器。
16.可选的，分类器为朴素贝叶斯分类器。
17.可选的，不同视角的多个视图包括轴测图和俯视图。
18.可选的，对每个数据集中不同视角的多个视图进行特征提取，获取每个数据集中多个视图的特征向量的步骤，包括：
19.采用主成分分析法，对每个数据集中不同视角的多个视图进行特征提取，获取每个数据集中多个视图的特征向量。
20.可选的，结构特征包括：单双面、高缘条、鼓包、叉耳、密封槽及孔系中的至少一种，工艺信息包括材料、属性及特种检验信息中的至少一种。
21.此外，为实现上述目的，本技术还提供一种分类器训练方法，应用于电子设备，包括以下步骤：
22.获取多个现有零件的图像，并基于现有零件的结构特征对现有零件的图像进行分类，形成多种结构特征对应的多个数据集；其中，每个数据集中包括一种结构特征对应的现有零件的图像，每个现有零件的图像包括不同视角的多个视图；
23.对每个数据集中不同视角的多个视图进行特征提取，获取每个数据集中多个视图的特征向量；
24.对多个视图的特征向量进行拼接和标准化处理，获得多个现有零件的特征矩阵；
25.定义多个现有零件的结构特征的标签，并基于特征矩阵，获得多个现有零件的标签矩阵；
26.以特征矩阵为输入，以标签矩阵为输出，进行分类器训练，形成已训练的分类器。
27.此外，为实现上述目的，本技术还提供一种零件工艺规程编制装置，应用于电子设备，装置包括：
28.获取模块，用于获取目标零件的零件信息，零件信息包括图像、特征向量、结构特征及工艺信息；
29.查询模块，用于根据零件信息从预设知识库中获取与目标零件匹配的目标工艺规程；
30.输出模块，用于输出目标零件的工艺规程。
31.此外，为实现上述目的，本技术还提供一种计算机可读存储介质，储存有计算机程序，计算机程序被处理器加载执行时，实现如本技术提供的零件工艺规程编制方法。
32.此外，为实现上述目的，本技术还提供一种电子设备，包括处理器及存储器，其中，
33.存储器用于存储计算机程序；
34.处理器用于加载执行计算机程序，以使电子设备执行如本技术提供的零件工艺规程编制方法。
35.与现有技术相比，本技术的有益效果是：
36.本技术实施例提出的一种零件工艺规程编制方法、装置、存储介质及电子设备，通过获取目标零件的零件图像的特征向量；将特征向量输入已训练的分类器，以获得目标零件的结构特征；基于目标零件的结构特征以及目标零件的工艺信息，从预设知识库中获取与目标零件匹配的目标工艺规程；其中，预设知识库中包括若干零件以及若干零件对应的工艺规程。本技术的方法基于目标零件的结构特征和工艺信息去分别匹配预设知识库信息，即能够获取到相应结构特征和工艺信息对应的的工艺规程，在目标零件数量较多、目标零件结构复杂的情况下，不需要大量独立编制目标零件，通过分类器分类识别后即可快速
获取与目标零件匹配度高的工艺规程，大大提升了编制的效率，并且降低了误差率。
附图说明
37.图1为本技术实施例涉及的硬件运行环境的电子设备结构示意图；
38.图2为本技术实施例提供的一种零件工艺规程编制方法的流程示意图；
39.图3为本技术实施例提供的一种分类器训练方法的流程示意图；
40.图4为本技术实施例提供的一种零件工艺规程编制装置的功能模块示意图。
41.图中标记：101-处理器，102-通信总线，103-网络接口，104-用户接口，105-存储器。
具体实施方式
42.应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
43.本技术实施例的主要解决方案是：提出一种零件工艺规程编制方法、装置、存储介质及电子设备，通过获取目标零件的零件图像的特征向量；将特征向量输入已训练的分类器，通过分类器获得并输出目标零组件的结构特征；基于目标零件的结构特征以及目标零件的工艺信息，从预设知识库中获取与目标零件匹配的目标工艺规程；其中，分类器基于若干现有零件的零件图像训练获得；预设知识库中包括若干现有零件以及若干现有零件对应的工艺规程。
44.现有技术中，在飞机制造过程中，由于飞机整体研制周期的大幅缩短，其各个环节研制效率的控制要求越来越高，在零件制造配套环节，由于涉及的零件种类及数量较多，制造工艺规程的工序内容和具体要求无法统一，特别是框类零件，因其具有结构尺寸大、精度要求高、加工周期长等特点，材料差异、毛坯状态及加工设备的选择对加工工序的设置影响较大，特别是在新研项目中，项目初期面临大量的工艺规程编制，人工对其逐一编制，不仅效率低，且在较大的工作量面前，编制难免会出现遗漏或错误，导致项目进度推进缓慢。
45.为此，本技术提供一种解决方案，基于目标零件的图像信息和工艺信息，根据通过机器学习已经建好的分类器进行分类识别后，在预设知识库中进行匹配，最终确定目标零件的工艺规程。相对于现有的编制方法，解决了零件的工艺规程编制效率低的技术问题，达到了质量高、误差小、编制效率高的技术效果。
46.参照附图1，附图1为本技术实施例方案涉及的硬件运行环境的电子设备结构示意图，该电子设备可以包括：处理器101，例如中央处理器(central processing unit，cpu)，通信总线102、用户接口104，网络接口103，存储器105。其中，通信总线102用于实现这些组件之间的连接通信。用户接口104可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口104还可以包括标准的有线接口、无线接口。网络接口103可选的可以包括标准的有线接口、无线接口(如无线保真(wireless-fidelity，wi-fi)接口)。存储器105可选的可以是独立于前述处理器101的存储装置，存储器105可能高速的随机存取存储器(random access memory，ram)存储器，也可能是稳定的非易失性存储器(non-volatile memory，nvm)，例如至少一个磁盘存储器；处理器101可以是通用处理器，包括中央处理器、网络处理器等，还可以是数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
47.本领域技术人员可以理解，附图1中示出的结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
48.如附图1所示，作为一种存储介质的存储器105中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及电子程序。
49.在附图1所示的电子设备中，网络接口103主要用于与网络服务器进行数据通信；用户接口104主要用于与用户进行数据交互；本发明电子设备中的处理器101、存储器105可以设置在电子设备中，电子设备通过处理器101调用存储器105中存储的零件工艺规程编制装置，并执行本技术实施例提供的零件工艺规程编制方法。
50.参照附图2，基于前述实施例的硬件设备，本技术的实施例提供一种零件工艺规程编制方法，应用于电子设备，包括以下步骤：
51.s20：获取目标零件的零件图像的特征向量；
52.在具体实施过程中，目标零件是指待确定的工艺规程的零件。零件图像是指目标零件的不同方向获取的图像，图像的获取手段有多种：可以通过人工定点拍摄获取，其获取角度可调整，但是获取速度较慢，还可以通过智能摄像头捕捉视图，并识别出可以用于获取特征向量的图像做使用，在本技术中通过catia的“机械设计-工程制图”功能快速获取图像，该手段可以准确获取目标零件各个不同方向的正视图像，相比于其他手段的获取更加准确，并且通过机器直接输出图像，降低了获取图像的时间，图像可以是主视图、侧视图、俯视图、轴测图等多个方向的视图，能够识别出与编制工艺规程相关的图像即可。
53.为了后续利用分类器进行分类识别，需要首先对图像进行特征提取，提取图像的特征向量，规范化图像大小为256*256，将图像的每个像素点按列相连构成一个65536*1(65536＝256*256)的向量t。
54.s30：将特征向量输入已训练的分类器，以获得目标零件的结构特征；其中，分类器基于若干现有零件的零件图像训练获得；
55.在具体实施过程中，本实施例采用有监督的机器学习方法来获得分类器，能够以特征矩阵为输入，以标签矩阵为输出，快速、直观地通过标签矩阵也即目标零件的结构特征来获取目标零件信息，让后续与预设知识库的匹配更加简便、快速。
56.s40：基于目标零件的结构特征以及目标零件的工艺信息，从预设知识库中获取与目标零件匹配的目标工艺规程；其中，预设知识库中包括若干零件以及若干零件对应的工艺规程；工艺信息为零件加工的其他相关参数，如材料、属性等，预设知识库在建立好之后，还可将每次输入的目标零件信息进行储存来丰富预设知识库。
57.在本实施例中，通过将目标零件与已建立的预设知识库中的信息匹配，预设知识库中储存的现有零件信息越多，对比匹配时获取到的目标零件工艺规程就越准确，通过获取目标零件的图像的特征向量，将特征向量输入已训练的分类器，快速输出目标零件的结构特征信息，并将结构特征信息和工艺信息与预设知识库中的对应信息分别匹配，快速调取各部分对应的工艺规程，最终将其组合编制并输出目标零件完整的标准工艺规程，并且编制的工艺规程由于对比匹配更加细节，使编制的质量更高，不容易出现匹配、输出误差过大的情况。
58.参见附图3，本技术实施例还提供一种分类器训练方法，该方法在前述实施例的步骤s20获取目标零件的零件图像的特征向量之前执行，用于训练获得分类器；
59.该方法包括：
60.s101：获取多个现有零件的图像，并基于现有零件的结构特征对现有零件的图像进行分类，形成多种结构特征对应的多个数据集；其中，每个数据集中包括一种结构特征对应的现有零件的图像，每个现有零件的图像包括不同视角的多个视图；
61.在具体实施过程中，首先，获取多个现有零件的图像，提取的方法包括有：主成分分析、反向特征消除、组合决策树等，并基于现有零件的结构特征对现有零件的图像进行分类；然后，形成多种结构特征对应的多个数据集；零件图像是指目标零件的不同方向获取的图像，可以通过catia的“机械设计-工程制图”功能快速获取图像，图像可以是主视图、侧视图、俯视图、轴测图等多个方向的视图，以200个不同的已有零件组成数据集为例，表示为sm＝{sm1,sm2,
…
,smi,
…
sm
200
}，其中smi表示其中第i个零件，smi表示为一个四元组smi＝(foi,zcti,fsti,jgi)，foi表示该零件的工艺规程，zcti表示零件的轴测图，fsti表示零件的俯视图，jgi表示结构特征。
62.s102：对每个数据集中不同视角的多个视图进行特征提取，获取每个数据集中多个视图的特征向量；
63.在具体实施过程中，针对数据集中的轴测图图像，规范化图像大小为256*256，将图像的每个像素点按列相连构成一个65536*1(65536＝256*256)的向量t，则数据集的所有轴测图图像构成一个65536*200维的矩阵x，计算x的协方差矩阵s，将协方差矩阵s对应的前300个最大特征值λi(i＝1,2,
…
,k)的特征向量组成投影矩阵w∈r
65536*300
，通过投影矩阵w将高维的图像特征向量t投影到低维空间中的特征向量y＝w
t
t，将y进行转置后即为图像的特征向量；则对于第i个零件，zcti表示为一个1*300维的向量；同理，选取的其他视图也可以表示为1*300维的向量形式，如俯视图为fsti，侧视图为csti。
64.s103：对多个视图的特征向量进行拼接和标准化处理，获得多个现有零件的特征矩阵；
65.在具体实施过程中，选取150个零件作为训练集为例说明，对每个零件的特征向量进行拼接，即对第u个零件，可表示为一个1*600的向量；训练集共有150个零件，所有零件构成一个150*600维的矩阵train，每行表示一个零件，对矩阵的每列基于(x-μ)/σ的形式进行标准化，其中x表示向量数值，μ表示该列向量数值的平均值，σ表示该列向量数值的标准差。
66.s104：定义多个现有零件的结构特征的标签，并基于特征矩阵，获得多个现有零件的标签矩阵；
67.在具体实施过程中，定义多个现有零件的结构特征的标签，并基于特征矩阵，获得多个现有零件的标签矩阵，结构特征表示为如：单双面(dsm)、高缘条(gyt)、鼓包(gb)、叉耳(ce)、密封槽(mfc)、孔系(kx)，以前述的六种结构特征为例，训练集中第u个零件相应的结构特征可表示为一个6元组jgu＝(dsmu,gytu,gbu,ceu,mftu,kxu)，其中dsmu∈{0,1}，即当该零件是单面时，dsmu为0，当该零件是双面时，dsmu为1；同理，gytu∈{0,1}，表示高缘条特征，当无高缘条特征时，gytu为0，当有高缘条特征时，gytu为1；gbu∈{0,1}，表示鼓包特征；ceu∈{0,1}，表示叉耳特征；mfcu∈{0,1}，表示密封槽特征；kxu∈{0,1}，表示孔系特征，基于零件的对应关系，将获得的训练集矩阵train与零件标签建立关联形成train
′
＝(train,dsm,gyt,gb,ce,mfc,kx)，train
′
为一个150*606的矩阵，即将train中每个零件对应的标签与该零件向量进行组合。
68.s105：以特征矩阵为输入，以标签矩阵为输出，进行分类器训练，形成已训练的分类器；
69.在具体实施过程中，针对每个标签矩阵，将特征矩阵作为输入，将标签矩阵作为输出，构建一个朴素贝叶斯分类器，并完成训练，可得到分类器模型用于目标零件的识别；以单双面为例，将train(150*300的向量矩阵)作为输入，将dsm(150*1的向量矩阵)作为输出，构建朴素贝叶斯分类器并进行训练，可得分类器model1；同理，对于高缘条，可得分类器model2；对于鼓包，可得分类器model3；对于叉耳，可得分类器model4，对于密封槽，可得分类器model5，对于孔系，可得分类器model6。
70.在具体实施过程中，可将数据集分为训练集和测试集，在利用训练集训练的同时，利用测试集进行测试，验证分类器模型的准确率和召回率。
71.上述训练方法获得的分类器能够对目标零件进行快速准确的识别，并直接输出标签矩阵，在特征矩阵输入以后通过不同的分类器model可以快速准确的输出不同的标签矩阵，通过标签矩阵可以快速判断目标零件是否具备分类器model所对应的结构特征，再将得到的结果与预设知识库匹配获取相应的工艺规程，极大的提高了编制效率，并且通过不同结构特征对应匹配出的工艺规程更契合目标零件的实际制作需求，编制的零件工艺规程更精确、误差更小。
72.在一种实施例中，本技术中的分类器可以为决策树、逻辑回归、朴素贝叶斯等，能够在数据挖掘中对样本进行分类即可，决策树是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法，在类别较多时，错误就可能会增加的比较快，逻辑回归是一种广义的线性回归分析模型，但其自身无法筛选特征，有时需要借用其他方法来筛选，并且因为逻辑回归的形式非常简单，很难去拟合数据的真实分布，导致其准确率并不高，而朴素贝叶斯分类器，其具有着坚实的数学基础，以及稳定的分类效率，并且朴素贝叶斯分类器模型所需估计的参数很少，对缺失数据不敏感，算法也比较简单，理论上，朴素贝叶斯分类器模型与决策树、逻辑回归方法相比具有最小的误差率。
73.在一种实施例中，选取零件的轴测图和俯视图进行特征提取，根据编制经验可知，在轴测图和俯视图的配合下，就能够以数量最少的视图获取到零件的编制所需结构特征，以在保证模型准确率的情况下，提高模型训练的效率。
74.在一种实施例中，采用主成分分析法对每个数据集中不同视角的多个视图进行特征提取，获取每个数据集中多个视图的特征向量，主成分分析法具有可以消除评价指标之间的相关影响，减少指标选择的工作量，方法规范，便于在计算机上实现等优点。
75.在一种实施例中，为了优化识别、读取到的信息，避免对与工艺规程不相关的特征进行无谓的识别，选取与零件工艺规程最相关的结构特征和工艺信息进行识别，具体来说，结构特征包括：单双面、高缘条、鼓包、叉耳、密封槽及孔系中的至少一种，工艺信息包括材料、属性及特种检验信息中的至少一种，可通过catia读取零件参数直接获取，材料特征包括铝合金材料、钛合金材料；属性特征包括一般件、重要件、关键件；特种检验特征包括渗透检验、超声波探伤。
76.上述结构特征与工艺信息组合基本涵盖了新研项目中的零件特性，对于极个别的特殊零件，可以通过本技术的方法编制通用工艺规程，再根据其特有的结构特征或工艺信
息来单独编制相应的工艺规程，将上述结构特征与工艺信息进行排列组合，得到数量为材料(2)*属性(3)*特种检验信息(2)*单双面(2)*高缘条(2)*鼓包(2)*叉耳(2)*密封槽(2)*孔系(2)的组合方案，从而获取768种不同工艺流程，每种工艺流程中有对应的标准工序参数，不需要人工判断特征信息，在目标零件被读取后，预设知识库直接匹配、输出编制好的工艺规程，极大地提升了编制效率，并且通过标签矩阵的形式来反映零件的结构特征，能够让相关人员更加直观、快捷的判断出目标零件的结构信息。
77.对于目标零件v，基于上述操作，得到该零件1*300维的轴测图特征向量zctv和1*300维的俯视图特征向量fstv，然后对zctv和fstv进行拼接及标准化，最后基于训练得到的分类器对该零件进行结构特征识别的逐一识别。
78.上述操作完成后，根据目标零件的结构特征和工艺信息在预设知识库中逐一进行匹配，细化的不同特征组合结合不同的工艺信息，能够使获取的工艺规程更加精准、获取速度快速、获取结果误差更小，并且获取的目标零件信息又可以作为预设知识库的信息被纳入，丰富预设知识库的可读取信息量，往后目标零件的识别、匹配、工艺规程编制会越来越快、准确、对于零件编制的覆盖范围也进一步拓展。
79.参照附图4，基于与前述实施例中同样的发明构思，本技术实施例还提供一种零件工艺规程编制装置，应用于电子设备，装置包括：
80.获取模块，用于获取目标零件的零件信息，零件信息包括图像、特征向量、结构特征及工艺信息；
81.查询模块，用于根据零件信息从预设知识库中获取与目标零件匹配的目标工艺规程；
82.输出模块，用于输出目标零件的工艺规程。
83.本领域技术人员应当理解，实施例中的各个模块的划分仅仅是一种逻辑功能的划分，实际应用时可以全部或部分集成到一个或多个实际载体上，且这些模块可以全部以软件通过处理单元调用的形式实现，也可以全部以硬件的形式实现，或是以软件、硬件结合的形式实现，需要说明的是，本实施例中零件工艺规程编制装置中各模块是与前述实施例中的零件工艺规程编制方法中的各步骤一一对应，因此，本实施例的具体实施方式可参照前述零组件工艺路线确定方法的实施方式，这里不再赘述。
84.基于与前述实施例中同样的发明构思，本技术的实施例还提供一种计算机可读存储介质，储存有计算机程序，计算机程序被处理器加载执行时，实现如本技术实施例提供的零件工艺规程编制方法。
85.此外，基于与前述实施例中同样的发明构思，本技术的实施例还提供一种电子设备，包括处理器及存储器，其中，
86.存储器用于存储计算机程序；
87.处理器用于加载执行计算机程序，以使电子设备执行如本技术实施例提供的零件工艺规程编制方法。
88.在一些实施例中，计算机可读存储介质可以是fram、rom、prom、eprom、eeprom、闪存、磁表面存储器、光盘、或cd-rom等存储器；也可以是包括上述存储器之一或任意组合的各种设备。计算机可以是包括智能终端和服务器在内的各种计算设备。
89.在一些实施例中，可执行指令可以采用程序、软件、软件模块、脚本或代码的形式，
按任意形式的编程语言(包括编译或解释语言，或者声明性或过程性语言)来编写，并且其可按任意形式部署，包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
90.作为示例，可执行指令可以但不一定对应于文件系统中的文件，可以可被存储在保存其它程序或数据的文件的一部分，例如，存储在超文本标记语言(html，hyper text markup language)文档中的一个或多个脚本中，存储在专用于所讨论的程序的单个文件中，或者，存储在多个协同文件(例如，存储一个或多个模块、子程序或代码部分的文件)中。
91.作为示例，可执行指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。
92.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
93.上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。
94.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中，包括若干指令用以使得一台多媒体终端设备(可以是手机，计算机，电视接收机，或者网络设备等)执行本技术各个实施例所述的方法。
95.综上，本技术提供的一种零件工艺规程编制方法、装置、存储介质及电子设备，能够精准识别目标零件的不同结构特征，并结合其工艺信息与预设知识库中已有的信息进行比对，快速、准确的编制出目标零件的工艺规程，极大地提高了编制质量及效率。
96.以上所述仅为本技术的较佳实施例，并不用以限制本技术，凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。