论文部分内容阅读
CAM模板是重用专家知识和经验的工艺文件，在数控加工过程中作用显著，能够有效提高数控编程效率和数控工艺标准化水平，提升企业研发实力。因此研究提取准确性高、覆盖面广和应用性强的CAM模板具有十分重要的意义。本文以数控工艺实例为研究基础，将传统的数控编程与机器学习相结合，提出一种基于随机森林算法自动提取CAM模板文件的新方法，使得模板文件不受知识水平和工艺经验的制约，更利于使用。 本文基于随机森林算法实现自动提取CAM模板文件，充分利用企业的实例数据构建数控工艺特征数值化模型作为研究的数据基础；研究相似性计算模型，进行相似性度量实验，对比分析距离相似性模型和随机森林相似性模型得到的相似性矩阵结果，实验表明后者在表现数控工艺数据集内部结构时能够最大化簇间差异和簇内相似性，更易于聚类计算；结合聚类分析和随机森林算法的特性提出并实现了随机森林聚类算法，通过轮廓系数自动匹配出构成CAM模板文件的数控加工操作方法的单元数，打破用户自定义输入聚类簇数量的模式，优化提取模板文件的解决方案；设计多组实验，对比分析随机森林聚类算法和典型的K-Medoids算法提取出的模板文件，验证随机森林聚类算法提取CAM模板的可行性和准确性，随机森林聚类算法提取出的模板文件工艺信息更加多样化，适用性强，以经验模板来量化模板文件的质量，得到的数控单元的准确率均在40％以上，处理数控加工操作方法的平均准确率为59.5%。 本文在UG NX8.5系统平台上设计开发了一个自动提取CAM模板文件的系统，为用户提供随机森林聚类算法和典型的K-Medoids两种提取模板的聚类方法，为有效地使用模板文件提供决策支持，系统有能力为不同企业定制更加规范且准确的CAM模板文件，具有良好的工程应用价值。