本发明涉及人工智能,尤其涉及一种主轴系统结构优化方法、装置、设备及存储介质。
背景技术:
1、机床的主轴系统具有多个部件,这些部件互相连接,且存在传动关系,互相影响,主轴系统的重量优化是主轴设计中的重要内容,为了实现主轴系统轻量化,在现有技术中,需要通过试验的方式对主轴系统的轻量化设计数据进行验证,基于试验结果对主轴系统的设计数据进行优化,当主轴系统轻量化设计数据改变时,就需要改变试验设置,这种方式耗时长,导致机床主轴系统的结构轻量化设计效率低。
技术实现思路
1、本发明提供一种主轴系统结构优化方法、装置、设备及存储介质,用以解决现有技术中机床主轴系统结构设计效率低的缺陷,实现提高机床主轴系统结构轻量化设计效率。
2、本发明提供一种主轴系统结构优化方法,包括:
3、基于目标机床的主轴系统轻量化设计数据生成主轴系统结构图,所述主轴系统结构图中包括多个第一节点和多个第一边,每个所述第一节点关联至少一个第二节点,所述第一节点与关联的所述第二节点通过第二边连接,所述第一节点对应所述目标机床的主轴系统中的部件,所述第二节点对应所述目标机床的主轴系统中的部件的轻量化参数类型,所述第一边反映所述目标机床的主轴系统中的部件之间的连接关系;
4、将所述主轴系统结构图分别输入至模型组中的各个已训练的图卷积神经网络模型中,获取每个所述图卷积神经网络模型输出的主轴性能预测结果,其中,所述模型组中包括至少一个所述图卷积神经网络模型,所述模型组中的各个所述图卷积神经网络模型分别对应一个性能指标,所述图卷积神经网络模型基于强化学习训练得到;
5、基于各个所述主轴性能预测结果对所述主轴系统轻量化设计数据进行优化。
6、根据本发明提供的一种主轴系统结构优化方法,所述目标机床的主轴系统轻量化设计数据包括部件图纸、部件的结构参数数值以及部件之间的连接关系;所述基于目标机床的主轴系统轻量化设计数据生成主轴系统结构图,包括:
7、将所述第一节点对应的部件图纸输入至已训练的图像特征提取模型中,获取所述图像特征提取模型输出的图纸特征;
8、将所述第一节点与所述第一节点对应的所述图纸特征关联;
9、将所述第二节点与所述第二节点对应的部件的结构参数数值关联。
10、根据本发明提供的一种主轴系统结构优化方法,所述图像特征提取模型的训练过程包括:
11、获取训练批次,所述训练批次中包括多个样本部件图纸;
12、将所述样本部件图纸输入至所述图像特征提取模型中,获取所述图像特征提取模型输出的样本图纸特征;
13、基于第一相似度和第二相似度确定训练损失,基于所述训练损失更新所述图像特征提取模型;
14、其中,所述第一相似度为样本部件图纸之间的相似度,所述第二相似度为所述样本图纸特征之间的相似度。
15、根据本发明提供的一种主轴系统结构优化方法,第一样本部件图纸和第二样本部件图纸之间的所述第一相似度基于如下步骤确定:
16、当所述第一样本部件图纸和所述第二样本部件图纸对应的不是同一类型的部件时,确定所述第一样本部件图纸和所述第二样本部件图纸之间的所述第一相似度为第一值,所述第一值不大于0;
17、当所述第一样本部件图纸和所述第二样本部件图纸对应的是同一类型的部件时,分别提取所述第一样本部件图纸的第一线特征和所述第二样本部件图纸的第二线特征,获取所述第一线特征和所述第二线特征之间的相似度为所述第一相似度。
18、根据本发明提供的一种主轴系统结构优化方法,第一性能指标对应的所述图卷积神经网络模型的训练过程包括:
19、获取样本主轴系统结构数据;
20、基于所述样本主轴系统结构数据生成样本主轴系统结构图;
21、将所述样本主轴系统结构图输入至所述第一性能指标对应的所述图卷积神经网络模型中,获取所述第一性能指标对应的所述图卷积神经网络模型输出的所述第一性能指标的样本预测结果;
22、基于所述第一性能指标的样本预测结果得到奖励值;
23、基于所述奖励值更新所述第一性能指标对应的所述图卷积神经网络模型。
24、根据本发明提供的一种主轴系统结构优化方法,所述基于所述第一性能指标的样本预测结果得到奖励值包括:
25、基于所述样本主轴系统结构数据生成样本机床的主轴系统的样本三维模型;
26、对所述样本三维模型进行有限元仿真分析,得到性能分析结果;
27、基于所述性能分析结果和所述第一性能指标的样本预测结果得到所述奖励值。
28、根据本发明提供的一种主轴系统结构优化方法,第二性能指标对应的所述图卷积神经网络模型的训练过程包括:
29、基于所述第一性能指标对应的已训练的所述图卷积神经网络模型,采用迁移学习算法进行训练,得到所述第二性能指标对应的所述图卷积神经网络模型。
30、本发明还提供一种主轴系统结构优化装置,包括:
31、图生成模块,用于基于目标机床的主轴系统轻量化设计数据生成主轴系统结构图,所述主轴系统结构图中包括多个第一节点和多个第一边,每个所述第一节点关联至少一个第二节点,所述第一节点与关联的所述第二节点通过第二边连接,所述第一节点对应所述目标机床的主轴系统中的部件,所述第二节点对应所述目标机床的主轴系统中的部件的轻量化参数类型,所述第一边反映所述目标机床的主轴系统中的部件之间的连接关系;
32、图处理模块,用于将所述主轴系统结构图分别输入至模型组中的各个已训练的图卷积神经网络模型中,获取每个所述图卷积神经网络模型输出的主轴性能预测结果,其中,所述模型组中包括至少一个所述图卷积神经网络模型,所述模型组中的各个所述图卷积神经网络模型分别对应一个性能指标,所述图卷积神经网络模型基于强化学习训练得到;
33、优化模块,用于基于各个所述主轴性能预测结果对所述主轴系统轻量化设计数据进行优化。
34、本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述任一种所述主轴系统结构优化方法。
35、本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述主轴系统结构优化方法。
36、本发明提供的主轴系统结构优化方法、装置、设备及存储介质,将机床的主轴系统轻量化设计数据转换为图数据(主轴系统结构图),将主轴系统中的部件、部件轻量化参数类型以及部件之间的关系通过图的形式来进行表达,再基于图卷积神经网络对图数据进行处理,输出主轴性能预测结果,基于主轴性能预测结果对主轴系统轻量化设计数据进行优化,本发明利用图卷积神经网络学习主轴系统轻量化设计数据和主轴性能的内在联系,实现对主轴系统的预测,可以在主轴系统轻量化设计数据变更时,快速得到变更对主轴系统性能的影响,而不需要修改试验设置,重新进行试验,提升主轴系统轻量化设计效率。