基于大模型推理与路由链模板匹配的数控加工指令自动生成方法及系统与流程

摘要: 本技术涉及数控加工,特别涉及一种基于人工智能的数控加工指令自动生成技术。背景技术:1、在现代制造业中,数控机床作为核心装备,被业界誉为“工业母机”,其运行质量直...
基于大模型推理与路由链模板匹配的数控加工指令自动生成方法及系统与流程

本技术涉及数控加工,特别涉及一种基于人工智能的数控加工指令自动生成技术。

背景技术:

1、在现代制造业中,数控机床作为核心装备,被业界誉为“工业母机”,其运行质量直接关系到产品制造的精度与效率。数控加工代码是驱动这些机床的核心指令,它不仅决定了加工过程的执行方式,还影响着最终产品的精度和生产效率,实际上承担着连接产品设计、工艺规划与物理制造之间的关键桥梁作用。

2、当前,工业生产中的数控加工代码主要通过两种方式获得:一是依靠具有丰富经验的工程师手动编程,二是利用计算机辅助制造(cam)软件自动生成。这两种方式各有其局限性。

3、手动编程方式高度依赖工程师的专业知识和经验积累,不仅效率较低,且存在较高的学习和应用门槛。有研究表明,在航空零部件加工中,仅编程环节就可能占用总工时的35%左右(《机械工程学报》,2023年数据)。更为严重的是,人工编程过程中的参数错误(如不当的进给速率或刀具补偿值)可能导致机床碰撞或工件超差等严重后果。

4、为缓解这些问题,许多数控系统企业开发了会话式编程软件,如海德汉的smart.nc和西门子的shopturn等。这类软件通过交互式菜单引导用户输入加工需求,简化了编程过程。然而,这些解决方案在交互灵活性、参数确定的智能化程度以及代码生成的适应性方面仍有明显不足,用户依然需要具备相当的专业知识。

5、另一方面,cam软件虽能基于三维模型自动生成加工路径和代码,但通常价格昂贵、学习曲线陡峭,且在使用过程中仍需大量人工干预和经验判断。此外,不同机床系统的后处理配置也增加了使用复杂度。

6、因此,制造业迫切需要一种新型的数控加工代码生成方法,能够降低对人工经验的依赖,简化操作流程,同时保证代码生成的高效率和高质量,从根本上解决现有技术在灵活性、效率和通用性方面的不足。

技术实现思路

1、本技术的目的在于提供一种基于大模型推理与路由链模板匹配的数控加工指令自动生成方法及系统,以解决上述背景技术中提出的问题。

2、本技术公开了一种基于大模型推理与路由链模板匹配的数控加工指令自动生成方法,包括以下步骤:

3、接收文本格式的零件加工描述,利用大模型推理将所述零件加工描述分解为多个单一工步并提取每个工步的加工关键信息,生成工步列表;

4、将所述工步列表中的加工关键信息作为主键,从本地知识库中利用检索增强生成rag技术检索相似加工参数,通过大模型推理为每一工步生成加工参数,形成工步参数列表;

5、构建路由链,所述路由链包含针对不同加工类型的数控代码生成提示模板,将所述工步参数列表中的单一工步输入所述路由链,由大模型识别加工类型并匹配对应的数控代码生成提示模板,生成单一工步的数控加工代码,整合形成数控加工代码列表;

6、引入记忆memory功能,缓存生成的数控加工代码列表,通过交互式对话方式对所述数控加工代码列表进行微调和修正,将修正后的所有单一工步数控加工代码组合规整,生成最终的数控加工代码。

7、在一个优选例中,在接收文本格式的零件加工描述,利用大模型推理将所述零件加工描述分解为多个单一工步并提取每个工步的加工关键信息,生成工步列表的步骤中,采用提示词工程框架增强大模型推理能力,所述提示词工程框架包括:输入输出示例模块,提供典型加工零件描述与对应工步分解规范案例;规则约束模块,嵌入格式化输出规则、工步分解原则与关键信息提取原则;few-shot cot模块,通过分步推理示例引导大模型思考,提升工步分解与关键信息提取的准确度;react模块,引导大模型反思生成结果,对推理误差部分进行反思约束,实现动态推理与执行验证的迭代优化。

8、在一个优选例中,所述利用大模型推理将所述零件加工描述分解为多个单一工步的过程包括:构建包含所述提示词工程框架的提示词prompt;将所述零件加工描述文本输入至增强推理能力的大模型中进行工步分解与加工关键信息提取。

9、在一个优选例中,所述工步列表以字典组成的列表形式输出。

10、在一个优选例中,在将所述工步列表中的加工关键信息作为主键,从本地知识库中利用检索增强生成rag技术检索相似加工参数,通过大模型推理为每一工步生成加工参数,形成工步参数列表的步骤中,通过收集不同材料与加工类型下的加工参数构建本地知识库,根据工步列表检索相似加工参数并作为上下文提供给大模型,由大模型推理生成加工参数。

11、在一个优选例中,所述本地知识库的构建包括:以所述加工关键信息为主键,收集不同加工状态下的加工参数,整理为本地知识库。

12、在一个优选例中,所述路由链中的数控代码生成提示模板选自下组:工艺参数的命名规范、加工特征描述框架、工艺约束条件集、典型参数取值范围,基于提示模板进行命名和描述并创建相应的目标链,以应对不同加工类型下的数控代码生成规则。

13、在一个优选例中,所述数控代码生成提示模板包括:该加工类型对应的数控代码编写规则和格式化输出要求。

14、在一个优选例中,所述构建路由链的过程包括:针对每种加工类型,设计提示模板的描述,所述描述包含模板名称、该模板对应的加工类型与工步列表的匹配方式以及该模板对应的提示词prompt名称;所述大模型根据所述提示模板的描述,动态选择对应的提示词prompt。

15、在一个优选例中,所述memory功能采用conversationbufferwindowmemory缓冲窗口记忆,总结过往k轮对话的摘要,压缩对话token消耗,使得用户可以通过对话交互式地对生成的数控加工代码进行微调修正。

16、在一个优选例中,以大模型工作流ai workflow的形式,将根据待加工零件进行数控加工代码编写的复杂过程分解为工步分解与关键信息提取,加工参数推荐与数控加工代码生成三个模块,并分别通过不同的方式与技术手段引入大模型,完成这一复杂任务的智能、自动实现。

17、本技术还公开了一种基于大模型推理与路由链模板匹配的数控加工指令自动生成系统,包括:

18、工步分解模块,用于接收文本格式的零件加工描述,利用大模型推理将所述零件加工描述分解为多个单一工步并提取每个工步的加工关键信息,生成工步列表;

19、参数生成模块,用于将所述工步列表中的加工关键信息作为主键,从本地知识库中利用检索增强生成rag技术检索相似加工参数,通过大模型推理为每一工步生成加工参数,形成工步参数列表;

20、代码生成模块,用于构建路由链,所述路由链包含针对不同加工类型的数控代码生成提示模板,将所述工步参数列表中的单一工步输入所述路由链,由大模型识别加工类型并匹配对应的数控代码生成提示模板,生成单一工步的数控加工代码,整合形成数控加工代码列表;

21、代码优化模块,用于引入记忆memory功能,缓存生成的数控加工代码列表,通过交互式对话方式对所述数控加工代码列表进行微调和修正,将修正后的所有单一工步数控加工代码组合规整,生成最终的数控加工代码。

22、与现有技术相比,本技术具有以下有益效果:

23、降低对人工经验的依赖。传统的数控加工代码编写高度依赖工程师的个人经验和技能,容易引入错误和不一致。而本技术利用大模型推理技术,通过结构化的提示词工程框架(图3)引导大模型理解零件加工描述,并自动分解为单一工步并提取关键信息,大大减少了对人工判断和经验的依赖,使得非专业人员也能快速准确地完成复杂零件的加工代码生成。

24、提高加工参数选择的准确性。过去工程师需要手动查阅大量手册资料才能确定合适的加工参数,而本技术采用rag(检索增强生成)技术,从本地知识库中智能检索相似的加工案例作为参考(图2),再由大模型基于具体工况进行推理优化,可以快速得出安全可靠的加工参数,减少了反复试切和报废的风险。

25、提升数控代码生成的效率。不同加工操作需要编写不同结构的数控代码,对编程人员要求很高。本技术预先设计了针对不同加工类型的数控代码生成提示模板(图4),通过构建路由链实现自动匹配,并利用大模型的泛化能力按照模板规则灵活生成具体代码,大大减轻了编程人员的工作量,显著提高了编程效率。

26、提高数控代码的标准化水平。手工编写的代码往往存在格式不规范、注释不清晰等问题,不利于后续的维护和优化。本技术生成的代码严格遵循提示模板中预设的行业标准(图4),如程序结构、注释格式、变量命名等,最终得到风格统一、可读性强的标准化代码,有利于提高代码的可维护性。

27、增强人机交互的灵活性。以往数控编程软件的人机交互比较死板,难以满足用户二次修改的需求。本技术引入了记忆(memory)功能(图4),通过conversationbufferwindowmemory缓存用户的反馈意见并与之前生成的代码建立关联,用户可以用自然语言提出修改建议,系统能理解上下文并做出针对性的优化,大大提高了系统的易用性和灵活性。

28、总之,本技术基于大模型推理和路由链模板匹配等先进技术,实现了数控加工代码编写的全流程自动化(图2),攻克了工序分解、参数选取、代码生成等关键环节的技术难题,既保证了编程质量,又提高了编程效率,为数控加工行业的智能化升级提供了一种创新的解决方案。本技术具有显著的技术进步性和实用价值,有望在工业领域得到广泛应用。

29、本技术的说明书中记载了大量的技术特征,分布在各个技术方案中,如果要罗列出本技术所有可能的技术特征的组合(即技术方案)的话,会使得说明书过于冗长。为了避免这个问题,本技术上述 技术实现要素: 中公开的各个技术特征、在下文各个实施方式和例子中公开的各技术特征、以及附图中公开的各个技术特征,都可以自由地互相组合,从而构成各种新的技术方案(这些技术方案均因视为在本说明书中已经记载),除非这种技术特征的组合在技术上是不可行的。例如,在一个例子中公开了特征a+b+c,在另一个例子中公开了特征a+b+d+e,而特征c和d是起到相同作用的等同技术手段,技术上只要择一使用即可,不可能同时采用,特征e技术上可以与特征c相组合,则,a+b+c+d的方案因技术不可行而应当不被视为已经记载,而a+b+c+e的方案应当视为已经被记载。