基于深度图像的加工特征识别及其在电极数控编程中的应用研究.pdf

华中科技大学硕士学位论文

摘要

电极是电火花加工的重要工具，在模具行业应用广泛。特别是在塑料模的制造

中，需采用大量的电极，其数控加工编程任务极为繁重。而传统的数控编程依赖于

编程人员的经验，易出错且操作繁琐，迫切需要开发智能化的数控编程技术，以提

高模具制造效率和质量。其中，加工特征的自动识别，是智能化数控编程中的关键

技术。为此，作者以电极为研究对象，深入研究了电极加工特征识别技术，主要研

究内容及成果如下：

通过对电火花加工中电极形状的组成特点及其数控加工工艺特点的分析，对电

极的加工特征进行了层次化分类处理。在此基础上，提出了基于电极CAD模型在加

工主方向上深度图像的加工特征识别方法，其中深度图像指将三维模型按照深度值

的大小二维化后形成的图像。该方法可较好地解决基于机器学习特征识别方法计算

成本高、传统特征识别方法通用性差等问题。然后进一步探讨了电极加工特征识别

系统的组成及功能需求、以及开发环境的构建。

为了快速获取CAD模型的深度图像，提出了基于八叉树编码的深度图像计算方

法，将大规模射线求交计算问题分解为独立的小规模计算问题，然后采用并行计算

架构CUDA，实现了CAD模型深度图像的快速求解。经实验对比验证，计算效率提

升了20~120倍。

通过对从企业获取的1377个电极案例进行分类处理，选取其中340个零件基于

YOLOv5神经元网络模型的要求，构建了加工特征深度图像的神经网络的训练数据

集，并采用数据增强方法增加训练数据的多样性，使数据集中深度图像增加至1483

张，提高了模型泛化能力，降低了小样本数据集对训练的影响。然后，在YOLOv5

平台上，通过使用迁移学习技术训练网络模型，大幅减少了模型训练时间，并提高

了模型的训练效果，获得可有效识别电极加工特征的神经元网络模型。

基于上述研究成果，结合SiemensNX软件平台，开发了电极零件加工特征自动

识别原型系统，并提出了获取所识别加工特征的相关加工信息方法。以企业提供的

I

华中科技大学硕士学位论文

电极零件上的典型加工特征为测试案例，对该系统进行了验证，结果表明所开发系

统对加工特征识别的正确率可达到90%以上，具有良好的适用性。

关键词：电极零件；数控加工；特征识别；深度图像；神经元网络；机器学习

II

华中科技大学硕士学位论文

Abstract

Electrodesareimportanttoolsforelectricdischargemachiningandarewidelyused

inthemoldindustry.Especiallyinthemanufacturingofplasticmolds,alargenumberof

electrodesarerequired,andtheCNCmachiningprogrammingtaskisextremelyheavy.

However,traditionalCNCprogrammingreliesontheexperienceofprogrammers,which

ispronetoerrorsandcumbersometooperate.Thereisanurgentneedtodevelop

intelligentCNCprogrammingtechnologytoimprovetheefficiencyandqualityofmold

manufacturing.Amongthem,automaticrecognitionofmachiningfeaturesisakey

technologyinintelligentCNCprogramming.Therefore,theauthortakeselectrodesasthe

researchobjectandconductsin-depthresearchonele