机器学习分类函数的计算机实现方法、程序、介质及系统与流程

本公开涉及计算机程序和系统领域，更具体地涉及机器学习分类函数的计算机实现方法、程序、介质及系统。

背景技术：

1、在市场上为对象的设计、工程和制造提供了许多系统和程序。cad是计算机辅助设计的首字母缩写，例如，它涉及用于设计对象的软件解决方案。cae是计算机辅助工程的首字母缩写，例如，它涉及用于模拟未来产品的物理行为的软件解决方案。cam是计算机辅助制造的首字母缩写，例如，它涉及用于定义制造过程和操作的软件解决方案。在这种计算机辅助设计系统中，图形用户界面在技术效率方面起着重要作用。这些技术可以嵌入在产品生命周期管理（plm）系统中。plm是指一种业务策略，其跨扩展企业的概念，从产品构思到生命周期结束帮助公司共享产品数据、应用公共流程以及利用企业知识来开发产品。由dassault systèmes提供的（商标为catia、enovia和delmia的）plm解决方案提供了组织产品工程知识的工程中心（engineering hub）、管理制造工程知识的制造中心（manufacturing hub）以及能够将企业集成并连接到工程中心和制造中心的企业中心（enterprise hub）。系统一起提供了链接产品、流程、资源的开放对象模型，以实现动态的、基于知识的产品创新和决策支持，其驱动优化的产品定义、制造准备、生产和服务。

2、表示机械零件的cad模型通常包括机械接口。机械接口指所表示的机械零件与其他可能的机械零件的相互作用区，诸如接触区。准确地识别机械接口确保了以适当的公差准确地生产机械零件。然而，在现有技术中，确定机械接口是缓慢且手动的过程，这个过程涉及用户的大量时间并且容易出错。

3、在这种情况下，仍然需要一种改进的方法来确定机械零件的机械接口。

技术实现思路

1、因此，提供了一种用于机器学习分类函数的计算机实现的方法，该分类函数被配置用于检测cad模型的机械接口。所述cad模型表示单个机械零件。学习方法包括：获取训练数据集。所述训练数据集包括训练样本。每个训练样本包括指示表示单个机械零件的cad模型的图。所述图包括一个或多个节点。每个节点表示cad模型的规范表面。每个节点包括标签。标签是以下标签列表中的一个：机械接口的主面、机械接口的次级面、机械接口的三级面、机械接口的维持面以及无接口。所述图还包括一个或多个边。每个边表示由所述边连接的节点表示的规范表面之间的连接。学习方法还包括：基于数据集来训练分类函数，以利用标签列表的标签对指示表示单个机械零件的cad模型的图的每个节点进行分类。在本公开中，所述方法可以被称为“学习方法”。

2、学习方法可以包括以下中的一个或多个：

3、所述训练数据集中包括的每个图包括：

4、每个节点的节点向量，所述节点向量是表示由所述节点表示的所述规范表面的属性的特征向量；和/或

5、每个边的边向量，所述边向量是表示由所述边表示的所述连接的属性的特征向量；

6、由每个节点向量表示的所述规范表面的所述属性包括：表面类型、面积、半径、取向、材料或以上各项的组合；和/或

7、由每个边向量表示的所述连接的所述属性包括：凸性、凹性、共面性、同轴性、相邻平滑性、存在圆角、存在倒角、存在除圆角或倒角之外的连接，或以上各项的组合；

8、获取所述训练数据集包括：

9、获取包括表示机械对象的cad模型的第一数据集；

10、从所述第一数据集提取包括表示单个机械零件的cad模型的第二数据集；以及

11、针对所述第二数据集中的每个cad模型，确定表示所述cad模型的图；

12、确定表示所述cad模型的图包括：

13、确定所述cad模型的所述规范表面，为每个所确定的规范表面生成节点；以及

14、确定所述cad模型的规范表面对之间的所述连接，并为每对连接的规范表面生成边；

15、每个规范表面是平面、球面、锥面、环面或圆柱面的一部分；

16、所述分类函数包括图神经网络；

17、训练分类函数包括：对训练数据集中的每个图的节点进行采样，以平衡无接口标签与其他标签；和/或

18、所述分类函数还包括：模块，所述模块被配置为基于所输出的标签，通过重新分组与主面、次级面、三级面和维持面相对应的相邻规范表面来形成机械接口。

19、还提供了根据学习方法可获得的分类函数，即具有由学习方法学习的分类函数的权重的计算机实现的分类函数。所提供的分类函数可以例如已经由学习方法直接学习，其中分类函数的权重已经由学习方法的学习步骤确定。

20、还提供了一种使用机器学习的分类函数的方法。该使用方法包括获取表示单个机械零件的cad模型。使用方法还包括确定表示cad模型的图。该图包括一个或多个节点。每个节点表示cad模型的规范表面。图还包括一个或多个边。每个边表示由所述边连接的节点表示的规范表面之间的连接。使用方法还包括将机器学习的分类函数应用于图。在本公开中，所述方法可以被称为“使用方法”。

21、还提供了一种包括指令的计算机程序，所述指令用于执行学习方法和/或使用方法。

22、还提供了一种包括数据存储介质的设备，所述数据存储介质上记录有计算机程序和/或分类函数。

23、设备可以形成或用作非暂时性计算机可读介质，例如在saas（软件即服务）或其他服务器或基于云的平台等上。所述设备可替代地包括耦接到所述数据存储介质的处理器。因此，设备可以全部或部分地形成计算机系统（例如，设备是整个系统的子系统）。系统还可以包括耦接到处理器的图形用户界面。

1.一种用于机器学习分类函数的计算机实现的方法，所述分类函数被配置用于检测cad模型的机械接口，所述cad模型表示单个机械零件，所述方法包括：

2.根据权利要求1所述的方法，其中，所述训练数据集中包括的每个图包括：

3.根据权利要求2所述的方法，其中：

4.根据权利要求1至3中任意一项所述的方法，其中，获取所述训练数据集包括：

5.根据权利要求4所述的方法，其中，所述确定表示所述cad模型的图包括：

6.根据权利要求1至5中任意一项所述的方法，其中，每个规范表面是平面、球面、锥面、环面或圆柱面的一部分。

7.根据权利要求1至6中任意一项所述的方法，其中，所述分类函数包括图神经网络。

8.根据权利要求1至7中任意一项所述的方法，其中，训练所述分类函数包括：对所述训练数据集中的每个图的节点进行采样，以平衡无接口标签与其他标签。

9.根据权利要求1至8中任意一项所述的方法，其中，所述分类函数还包括：模块，所述模块被配置为基于所输出的标签，通过重新分组与主面、次级面、三级面和维持面相对应的相邻规范表面来形成机械接口。

10.一种机器学习的分类函数，所述机器学习的分类函数根据权利要求1至9中任意一项获得。

11.一种计算机实现的使用根据权利要求10所述的机器学习的分类函数的方法，所述方法包括：

12.一种计算机程序，所述计算机程序包括指令，当在计算机上执行所述程序时，所述指令使所述计算机执行权利要求1至9中任意一项所述的方法和/或权利要求11所述的方法。

13.一种计算机可读存储介质，其上记录有权利要求12所述的计算机程序和/或权利要求10所述的机器学习的分类函数。

14.一种系统，包括耦接到存储器的处理器，所述存储器上记录有权利要求12所述的计算机程序和/或权利要求10所述的机器学习的分类函数。