论文部分内容阅读
针对兵器行业关键零部件加工工艺自动生成所需样本数量不足的问题,提出了一种基于小样本知识学习的工艺生成方法,重点研究基于样本变换和样本集扩展的几何模型增强解析技术,以及基于数字孪生的工艺知识增量学习技术,以实现工艺样本的整体增强。同时,建立面向增强样本分析的卷积神经网络模型和适于异构知识融合的知识图谱,形成工艺知识的高效分析与有效利用方法。采用深度神经网络模型解决复杂零件三维设计模型的工艺结构解析问题;基于知识图谱的工艺知识表征方法和工艺生成技术以克服工艺信息碎片化的难题;通过数字孪生模型与工艺验证技术解决