研究目的
为解决数控系统中刀具路径插补时离散与连续描述切换导致的性能开销问题,提出采用深度生成模型直接生成插补刀具路径的新方法。
研究成果
这种基于生成式模型的新型人工智能直接刀具路径生成方法是可行的,其误差与数值方法相当。该方法在并行计算和降低计算量方面具有优势,但未来工作需提高分辨率、控制生成对抗网络行为,并扩展至更复杂的曲线。
研究不足
该研究尚处于早期阶段,生成的曲线分辨率较低(28×28像素),且需要对生成对抗网络的行为进行更好控制。该方法仅在线性和抛物线等简单曲线上进行了测试,尚未应用于样条线等更复杂的曲线。确定性可执行性及扩展至急动度最优曲线的问题仍需进一步研究。
1:实验设计与方法选择:
该方法采用深度生成模型(具体为生成对抗网络GAN),直接生成离散刀具路径,无需中间连续曲线计算。通过训练GAN生成线性与抛物线等类型的离散点序列曲线。
2:样本选择与数据来源:
曲线通过数学函数定义(如线性函数f_lin(u)=a*u、抛物线函数f_par(u)=b*u^2,u∈[0,1]),参数a和b作为条件GAN的标签使用。
3:实验设备与材料清单:
论文未提及具体设备或材料,重点在于基于AI模型的计算方法。
4:实验流程与操作步骤:
以28×28像素分辨率训练GAN将曲线表示为图像,输出经降噪处理后转换为离散表征,该过程替代了数控通道中的传统插值模块。
5:数据分析方法:
通过比较生成曲线误差与离散化量化误差,采用平均近似误差指标评估性能。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容