一种基于凸包自匹配的冲压模具凹模镶嵌方法及装置

    公开(公告)号:CN118527561B

    公开(公告)日:2024-10-01

    申请号:CN202410995582.5

    申请日:2024-07-24

    Abstract: 本发明公开了一种基于凸包自匹配的冲压模具凹模镶嵌方法及装置;该方法如下:一:计算凹模嵌块和凹模孔的最优装配位姿;二、将凹模嵌块放置在凹模孔上;三、带动凹模嵌块旋转,使得凹模嵌块与凹模孔之间达到最优装配位姿;四、将凹模嵌块推入凹模孔中。本发明基于凹模嵌块和凹模孔质检时采集的点云坐标,通过插值拟合成曲面后采点的方式获得扩增点坐标集,利用扩增点坐标集提取凸包,进而获得凹模嵌块与凹模孔之间凸包干涉情况最小的相对位姿,从而大幅提高模具凹模固定板装配环节合格率,减少零件变形、报废情况的发生,极大提高装配效率,对于模具装配领域的发展具有极大的推进作用。

    基于改进的图注意力网络识别CAD模型装配接口的方法

    公开(公告)号:CN112699915B

    公开(公告)日:2024-02-02

    申请号:CN202011430609.4

    申请日:2020-12-07

    Abstract: 本发明公开了一种用于CAD模型装配接口识别的方法。本发明包括如下步骤:步骤1:面向图注意力网络量化描述CAD模型,得到每个CAD模型的量化描述形式,构成数据集;步骤2:对步骤1中得到的数据集进行筛选,平衡各装配接口比例;步骤3:基于直推式和聚类策略修改图注意力神经网络,并训练步骤2中得到的数据集。本发明针对目前产品智能设计、装配规划以及运动仿真中CAD模型装配语义重建困难的问题,采用图注意力网络的方法进行识别,可以帮助用户识别CAD模型中用于体现机构语义信息的几何区域,进而提升产品模型装配语义、装配约束、运动机构恢复的智能性,并提升CAD模型重用的效率效果,以及产品装配规划设计的效率和效果。

    一种构建知识驱动的少样本命名实体识别适配器的方法

    公开(公告)号:CN117408258A

    公开(公告)日:2024-01-16

    申请号:CN202311602802.5

    申请日:2023-11-28

    Abstract: 本发明涉及一种构建知识驱动的少样本命名实体识别适配器的方法。本发明通过知识图谱增强高效微调(PEFT)范式来解决少样本命名实体识别任务。设计的适配器(KG‑adapter)遵循通用的Seq2Seq生成框架,并使用指针机制生成实体索引序列。对于给定的输入句子,构造了一个知识图谱检索器来搜索其对应的知识图谱(KG)实体类型序列。针对每个句子的知识图谱(KG)实体类型序列,利用本体图谱中每个实体类型的对应本体词生成KG实体类型的表示,用以作为适配器的输入,对适配器进行引导。采用本发明设计的适配器进行的少样本命名实体识别,相提高了准确度和召回率,减少了计算的复杂度。

    一种基于显式积分提升代理人行动合理性的方法

    公开(公告)号:CN115936141A

    公开(公告)日:2023-04-07

    申请号:CN202211428814.6

    申请日:2022-11-15

    Inventor: 王毅刚 刘常运

    Abstract: 本发明公开了一种基于显式积分提升代理人行动合理性的方法。本发明包括:1、创建环境状态文件,并提供环境状态数据全局可访问的接口。为每个代理人单独创建环境感知状态数据文件同时提供数据访问接口。2、对真实环境状态属性的分级,为每个真实环境状态属性单独添加多个阈值。不同状态属性等级组合对应不同的真实环境状态。3、创建一张Q表,用于存储状态‑行动价值。4、设置初始真实环境状态和奖励,开始强化学习,得到学习后的Q表。5、代理人依据当前环境感知状态来检索Q表中对应的行动,该行动会造成真实环境状态发生变化,继而引起代理人的环境感知状态的变化。本发明简单高效,解决了代理人对环境反应“太灵敏”的问题。

    面向大规模多元网络数据的简化可视分析方法

    公开(公告)号:CN113392332B

    公开(公告)日:2022-06-14

    申请号:CN202110535193.0

    申请日:2021-05-17

    Abstract: 本发明公开了面向大规模多元网络数据的简化可视分析方法。本发明方法首先基于原始网络大规模数据,构建属性增强的网络表征学习模型,将节点转换成嵌入拓扑结构和属性信息的高维向量表示;然后利用属性增强的网络表征学习模型构建多层次聚类模型,在向量化空间中根据结构紧密度、属性同质性和聚类数量将节点划分为层次类别;最后设计简化表达可视分析方案,构建大规模多元网络数据的简化可视分析系统;所述的简化可视分析系统通过聚类视图、协同视图构成视觉表达。本发明方法对大规模多元网络数据进行视觉简化、探索和聚类,有效减少视觉混乱,并提高了大规模多元网络的可读性和分析效率。

    基于属性增强表征学习的多元图数据库可视化检索方法

    公开(公告)号:CN113934899A

    公开(公告)日:2022-01-14

    申请号:CN202111092445.3

    申请日:2021-09-17

    Abstract: 本发明公开了基于属性增强表征学习的多元图数据库可视化检索方法。本发明方法首先利用图表征学习模型和数理统计方法提取多元图的结构和属性特征,并结合其特征提取结果,利用典型相关分析建立基于属性增强的图表征学习模型,将结构向量和属性向量融合到综合嵌入空间中;然后将高维结构‑属性融合向量投影到二维空间中并聚类,构建一种基于距离的图检索模型。通过利用节点链接图和平行坐标视图分别从结构相似度和属性相似度对检索结果进行可视化评估,并设计交互帮助用户构建目标图实现检索以及比较检索结果。本发明方法实现了一个基于属性增强表征学习的多元图数据库可视化检索工具,使用户能够轻松地构建图检索并可视化评估和比较图检索的结果。

    面向大规模多元网络数据的简化可视分析方法

    公开(公告)号:CN113392332A

    公开(公告)日:2021-09-14

    申请号:CN202110535193.0

    申请日:2021-05-17

    Abstract: 本发明公开了面向大规模多元网络数据的简化可视分析方法。本发明方法首先基于原始网络大规模数据,构建属性增强的网络表征学习模型,将节点转换成嵌入拓扑结构和属性信息的高维向量表示;然后利用属性增强的网络表征学习模型构建多层次聚类模型,在向量化空间中根据结构紧密度、属性同质性和聚类数量将节点划分为层次类别;最后设计简化表达可视分析方案,构建大规模多元网络数据的简化可视分析系统;所述的简化可视分析系统通过聚类视图、协同视图构成视觉表达。本发明方法对大规模多元网络数据进行视觉简化、探索和聚类,有效减少视觉混乱,并提高了大规模多元网络的可读性和分析效率。

    一种设计意图自动感知的CAD模型高效修改方法

    公开(公告)号:CN112580120A

    公开(公告)日:2021-03-30

    申请号:CN202011530235.3

    申请日:2020-12-22

    Abstract: 本发明公开了一种设计意图自动感知的CAD模型高效修改方法。本发明步骤:步骤(1)自动提取CAD模型中体现设计意图的双层次面布局;步骤(2)基于面布局矩阵量化描述CAD模型中的双层次面布局;步骤(3)基于面布局矩阵高效适应性维持CAD模型的设计意图。本发明对于任意拟重用的CAD模型,基于半空间理论,自动识别和量化表示CAD模型的设计意图,并在用户采用直接建模操作修改CAD模型的过程中,能自动适应性地维持模型的设计意图,而且可充分利用设计意图在模型一个或多个面上自动适应性地传递修改操作,极大地减少用户的交互操作工作量和复杂度,提升CAD模型采用直接建模技术进行适应性重用的用户体。

    基于粒子群优化算法的CAD模型之间面对应关系识别方法

    公开(公告)号:CN111079208A

    公开(公告)日:2020-04-28

    申请号:CN201911143699.6

    申请日:2019-11-20

    Abstract: 本发明公开了一种基于粒子群优化算法的CAD模型之间面对应关系识别方法。本发明步骤:(1)提取三维CAD模型中面与面之间的相对位置和相对姿态信息,通过判定面与面之间的空间语义位置关系和计算面与面之间的归一化质心向量,确定三维CAD模型中任意两个面之间的相对位置;通过计算面与面之间的朝向向量夹角,确定三维CAD模型中任意两个面之间的相对姿态;(2)通过改进粒子群优化算法,识别任意给定的两个三维CAD模型之间的对应面,包括设计粒子对应解决方案的结构、新的优化求解目标函数及其子函数、粒子迭代更新过程中的去冲突机制。本发明识别过程无需事先对模型进行配准或对齐提高了几何对应关系的识别效率。

Patent Agency Ranking