CN107942929A - 基于神经网络计算技术的数控车床的控制***及其方法 - Google Patents
基于神经网络计算技术的数控车床的控制***及其方法 Download PDFInfo
- Publication number
- CN107942929A CN107942929A CN201711332883.6A CN201711332883A CN107942929A CN 107942929 A CN107942929 A CN 107942929A CN 201711332883 A CN201711332883 A CN 201711332883A CN 107942929 A CN107942929 A CN 107942929A
- Authority
- CN
- China
- Prior art keywords
- neuro
- services device
- computer services
- numerically controlled
- coordinate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/19—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by positioning or contouring control systems, e.g. to control position from one programmed point to another or to control movement along a programmed continuous path
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/34—Director, elements to supervisory
- G05B2219/34093—Real time toolpath generation, no need for large memory to store values
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Numerical Control (AREA)
Abstract
本发明的公开了基于神经网络计算技术的数控车床的控制***及其方法，属于自动化控制领域，包括数控车床和用于计算数控车床刀具加工轨迹的神经计算服务器，解决了数控车床自动生成加工代码的问题，节省了人力，提高了数控车床的加工效率。
Description
技术领域
本发明属于自动化控制领域。
背景技术
写代码一直被认为是比较复杂的事情，自动化目前没有很好地进入到这块领域，它涉及到的逻辑处理等，是需要人为地去时刻操作。随着神经网络算法的发展和人们需求的增加，这一块的自动化成为很有必要去实现的内容。神经网络算法已经能够实现识别目标包含的形状，声音，逻辑等，然后把他们对应到代码上，这种方法来缩短写代码的过程。
目前市场上的数控车床均为人工的编写加工程序，还没有实现完全自动化的过程，也不能根据神经网络算法进行自行判断刀具加工的最佳路线。
发明内容
本发明的目的是提供基于神经网络计算技术的数控车床的控制***及其方法，解决了数控车床自动生成加工代码的问题，节省了人力，提高了数控车床的加工效率。
为实现上述目的，本发明采用一下技术方案：
基于神经网络计算技术的数控车床的控制***，包括数控车床和用于计算数控车床刀具加工轨迹的神经计算服务器，神经计算服务器与数控车床连接。
基于神经网络计算技术的数控车床的控制方法，包括以下步骤：
步骤1：首先建立权利要求1所述的基于神经网络计算技术的数控车床的控制***；
步骤2：根据数控车床加工空间的大小建立加工空间三维模型，并将加工空间三维模型的三维坐标数据输入神经计算机服务器，将神经网络训练的次数预设值输入神经计算机服务器；
步骤3：神经计算机服务器根据输入的加工空间三维模型的三维坐标数据模拟出数控车床的加工空间三维模型，并确定加工空间三维模型中车床夹具的原点坐标和车床刀具的原点坐标；
步骤4：加工空间三维模型按1个单位长度划分为若干个最小方形空间，并将最小方形空间的8个顶点作为基点，并记录所有基点的基点坐标；
步骤5：建立待加工零件的零件三维模型，将零件三维模型的三维坐标数据输入神经计算机服务器，神经计算机服务器模拟出零件三维模型，并确定零件被车床夹具夹装部分的夹装原点坐标；
步骤6：神经计算机服务器自动将零件三维模型放入加工空间三维模型中，并使夹装原点与车床夹具的原点重合；
步骤7：神经计算机服务器根据零件三维模型的颜色与加工空间三维模型的差别，来判断零件三维模型在加工空间三维模型中的零件轮廓，并确定零件轮廓的三维坐标点；
步骤8：加工人员通过神经计算机服务器在零件轮廓的三维坐标点中选择一个点作为目标点，神经计算机服务器记录目标点的三维坐标；
步骤9：神经计算机服务器根据以下步骤通过神经网络计算的方法找出刀具运动到目标点的所有路径：
步骤A：神经计算机服务器加工空间三维模型中的车床刀具返回车床刀具的原点坐标；
步骤B：神经计算机服务器以车床刀具所在的点作为原顶点，找出以原顶点为顶点的8个最小方形空间作为运动空间，将运动空间中的所有基点作为轨迹基点，通过随机数生成函数从所有轨迹基点中随机选择出一个轨迹基点作为移动点；
步骤C：神经计算机服务器模拟车床刀具运动到移动点所在坐标；
步骤D：判断移动点的坐标是否是目标点的坐标：是，则执行步骤E；不，则存储移动点的坐标，并执行步骤B；
步骤E：神经计算机服务器将所有移动点的坐标汇总成刀具的移动轨迹，并将移动轨迹记录下来；
步骤F：判断是否已经完成预设的神经网络训练的次数：是，则执行步骤10；否，则执行步骤A；
步骤10：神经计算机服务器将刀具的所有移动轨迹结合在一起，根据刀具的移动轨迹找出所有不同移动轨迹之间交叉的交叉点；
步骤11：神经计算机服务器统计所有交叉点被不同移动轨迹通过的通过次数；
步骤12：神经计算机服务器根据通过次数的多少筛选出通过次数最多的交叉点作为最优交叉点；
步骤13：神经计算机服务器根据以下步骤通过神经网络计算的方法找出刀具运动到目标点的最优路径：
步骤G：神经计算机服务器加工空间三维模型中的车床刀具返回车床刀具的原点坐标；
步骤H：神经计算机服务器以车床刀具所在的点作为原顶点，找出以原顶点为顶点的8个最小方形空间作为运动空间，找出运动空间中所有的最优交叉点；
步骤I：判断运动空间是否存在最优交叉点：是，则执行步骤J；否，则执行步骤G；
步骤J：神经计算机服务器模拟车床刀具运动到最优交叉点所在坐标；
步骤K：判断最优交叉点的坐标是否是目标点的坐标：是，则执行步骤E；不，则存储最优交叉点的坐标，并执行步骤B；
步骤L：神经计算机服务器将所有最优交叉点的坐标汇总成刀具的最优移动轨迹，并将最优移动轨迹记录下来；
步骤M：判断是否已经完成预设的神经网络训练的次数：是，则执行步骤14；否，则执行步骤G；
步骤14：神经计算机服务器计算每一条最优移动轨迹的长度；
步骤15：神经计算机服务器选择出具有最短长度的最优移动轨迹作为刀具的加工轨迹；
步骤16：神经计算机服务器根据刀具的加工轨迹自动生成数控车床的加工代码；
步骤17：神经计算机服务器显示出数控车床的加工代码，加工人员确认加工代码后，神经计算机服务器将加工代码传送给数控车床自带的控制器，完成加工。
本发明所述的基于神经网络计算技术的数控车床的控制***及其方法，采用神经网络计算技术，自动计算数控车床刀具的运动轨迹，并根据刀具的运动轨迹生成加工代码，解决了数控车床自动生成加工代码的问题，节省了人力，提高了数控车床的加工效率。
附图说明
图1是本发明的工作流程图；
图2是本发明的找出刀具运动到目标点的所有路径的流程图；
图3是本发明的找出刀具运动到目标点的最优路径的流程图。
具体实施方式
实施例1：
基于神经网络计算技术的数控车床的控制***，包括数控车床和用于计算数控车床刀具加工轨迹的神经计算服务器，神经计算服务器与数控车床自带的控制器连接。
实施例2：
如图1所示的基于神经网络计算技术的数控车床的控制方法，该方法是在实施例1所述的基于神经网络计算技术的数控车床的控制***的基础上实现的，包括以下步骤：
步骤1：首先建立权利要求1所述的基于神经网络计算技术的数控车床的控制***；
步骤2：根据数控车床加工空间的大小建立加工空间三维模型，并将加工空间三维模型的三维坐标数据输入神经计算机服务器，将神经网络训练的次数预设值输入神经计算机服务器；
步骤3：神经计算机服务器根据输入的加工空间三维模型的三维坐标数据模拟出数控车床的加工空间三维模型，并确定加工空间三维模型中车床夹具的原点坐标和车床刀具的原点坐标；
步骤4：加工空间三维模型按1个单位长度划分为若干个最小方形空间，并将最小方形空间的8个顶点作为基点，并记录所有基点的基点坐标；
步骤5：建立待加工零件的零件三维模型，将零件三维模型的三维坐标数据输入神经计算机服务器，神经计算机服务器模拟出零件三维模型，并确定零件被车床夹具夹装部分的夹装原点坐标；
步骤6：神经计算机服务器自动将零件三维模型放入加工空间三维模型中，并使夹装原点与车床夹具的原点重合；
步骤7：神经计算机服务器根据零件三维模型的颜色与加工空间三维模型的差别，来判断零件三维模型在加工空间三维模型中的零件轮廓，并确定零件轮廓的三维坐标点；
步骤8：加工人员通过神经计算机服务器在零件轮廓的三维坐标点中选择一个点作为目标点，神经计算机服务器记录目标点的三维坐标；
如图2所示,步骤9：神经计算机服务器根据以下步骤通过神经网络计算的方法找出刀具运动到目标点的所有路径：
步骤A：神经计算机服务器加工空间三维模型中的车床刀具返回车床刀具的原点坐标；
步骤B：神经计算机服务器以车床刀具所在的点作为原顶点，找出以原顶点为顶点的8个最小方形空间作为运动空间，将运动空间中的所有基点作为轨迹基点，通过随机数生成函数从所有轨迹基点中随机选择出一个轨迹基点作为移动点；
步骤C：神经计算机服务器模拟车床刀具运动到移动点所在坐标；
步骤D：判断移动点的坐标是否是目标点的坐标：是，则执行步骤E；不，则存储移动点的坐标，并执行步骤B；
步骤E：神经计算机服务器将所有移动点的坐标汇总成刀具的移动轨迹，并将移动轨迹记录下来；
步骤F：判断是否已经完成预设的神经网络训练的次数：是，则执行步骤10；否，则执行步骤A；
步骤10：神经计算机服务器将刀具的所有移动轨迹结合在一起，根据刀具的移动轨迹找出所有不同移动轨迹之间交叉的交叉点；
步骤11：神经计算机服务器统计所有交叉点被不同移动轨迹通过的通过次数；
步骤12：神经计算机服务器根据通过次数的多少筛选出通过次数最多的交叉点作为最优交叉点；
如图3所示，步骤13：神经计算机服务器根据以下步骤通过神经网络计算的方法找出刀具运动到目标点的最优路径：
步骤G：神经计算机服务器加工空间三维模型中的车床刀具返回车床刀具的原点坐标；
步骤H：神经计算机服务器以车床刀具所在的点作为原顶点，找出以原顶点为顶点的8个最小方形空间作为运动空间，找出运动空间中所有的最优交叉点；
步骤I：判断运动空间是否存在最优交叉点：是，则执行步骤J；否，则执行步骤G；
步骤J：神经计算机服务器模拟车床刀具运动到最优交叉点所在坐标；
步骤K：判断最优交叉点的坐标是否是目标点的坐标：是，则执行步骤E；不，则存储最优交叉点的坐标，并执行步骤B；
步骤L：神经计算机服务器将所有最优交叉点的坐标汇总成刀具的最优移动轨迹，并将最优移动轨迹记录下来；
步骤M：判断是否已经完成预设的神经网络训练的次数：是，则执行步骤14；否，则执行步骤G；
步骤14：神经计算机服务器计算每一条最优移动轨迹的长度；
步骤15：神经计算机服务器选择出具有最短长度的最优移动轨迹作为刀具的加工轨迹；
步骤16：神经计算机服务器根据刀具的加工轨迹自动生成数控车床的加工代码；
步骤17：神经计算机服务器显示出数控车床的加工代码，加工人员确认加工代码后，神经计算机服务器将加工代码传送给数控车床自带的控制器，完成加工。
本发明所述的基于神经网络计算技术的数控车床的控制***及其方法，采用神经网络计算技术，自动计算数控车床刀具的运动轨迹，并根据刀具的运动轨迹生成加工代码，解决了数控车床自动生成加工代码的问题，节省了人力，提高了数控车床的加工效率。
对本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及形变，而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。
Claims (2)
1.基于神经网络计算技术的数控车床的控制***，其特征在于：包括数控车床和用于计算数控车床刀具加工轨迹的神经计算服务器，神经计算服务器与数控车床连接。
2.基于神经网络计算技术的数控车床的控制方法，其特征在于：包括以下步骤：
步骤1：首先建立权利要求1所述的基于神经网络计算技术的数控车床的控制***；
步骤2：根据数控车床加工空间的大小建立加工空间三维模型，并将加工空间三维模型的三维坐标数据输入神经计算机服务器，将神经网络训练的次数预设值输入神经计算机服务器；
步骤3：神经计算机服务器根据输入的加工空间三维模型的三维坐标数据模拟出数控车床的加工空间三维模型，并确定加工空间三维模型中车床夹具的原点坐标和车床刀具的原点坐标；
步骤4：加工空间三维模型按1个单位长度划分为若干个最小方形空间，并将最小方形空间的8个顶点作为基点，并记录所有基点的基点坐标；
步骤5：建立待加工零件的零件三维模型，将零件三维模型的三维坐标数据输入神经计算机服务器，神经计算机服务器模拟出零件三维模型，并确定零件被车床夹具夹装部分的夹装原点坐标；
步骤6：神经计算机服务器自动将零件三维模型放入加工空间三维模型中，并使夹装原点与车床夹具的原点重合；
步骤7：神经计算机服务器根据零件三维模型的颜色与加工空间三维模型的差别，来判断零件三维模型在加工空间三维模型中的零件轮廓，并确定零件轮廓的三维坐标点；
步骤8：加工人员通过神经计算机服务器在零件轮廓的三维坐标点中选择一个点作为目标点，神经计算机服务器记录目标点的三维坐标；
步骤9：神经计算机服务器根据以下步骤通过神经网络计算的方法找出刀具运动到目标点的所有路径：
步骤A：神经计算机服务器加工空间三维模型中的车床刀具返回车床刀具的原点坐标；
步骤B：神经计算机服务器以车床刀具所在的点作为原顶点，找出以原顶点为顶点的8个最小方形空间作为运动空间，将运动空间中的所有基点作为轨迹基点，通过随机数生成函数从所有轨迹基点中随机选择出一个轨迹基点作为移动点；
步骤C：神经计算机服务器模拟车床刀具运动到移动点所在坐标；
步骤D：判断移动点的坐标是否是目标点的坐标：是，则执行步骤E；不，则存储移动点的坐标，并执行步骤B；
步骤E：神经计算机服务器将所有移动点的坐标汇总成刀具的移动轨迹，并将移动轨迹记录下来；
步骤F：判断是否已经完成预设的神经网络训练的次数：是，则执行步骤10；否，则执行步骤A；
步骤10：神经计算机服务器将刀具的所有移动轨迹结合在一起，根据刀具的移动轨迹找出所有不同移动轨迹之间交叉的交叉点；
步骤11：神经计算机服务器统计所有交叉点被不同移动轨迹通过的通过次数；
步骤12：神经计算机服务器根据通过次数的多少筛选出通过次数最多的交叉点作为最优交叉点；
步骤13：神经计算机服务器根据以下步骤通过神经网络计算的方法找出刀具运动到目标点的最优路径：
步骤G：神经计算机服务器加工空间三维模型中的车床刀具返回车床刀具的原点坐标；
步骤H：神经计算机服务器以车床刀具所在的点作为原顶点，找出以原顶点为顶点的8个最小方形空间作为运动空间，找出运动空间中所有的最优交叉点；
步骤I：判断运动空间是否存在最优交叉点：是，则执行步骤J；否，则执行步骤G；
步骤J：神经计算机服务器模拟车床刀具运动到最优交叉点所在坐标；
步骤K：判断最优交叉点的坐标是否是目标点的坐标：是，则执行步骤E；不，则存储最优交叉点的坐标，并执行步骤B；
步骤L：神经计算机服务器将所有最优交叉点的坐标汇总成刀具的最优移动轨迹，并将最优移动轨迹记录下来；
步骤M：判断是否已经完成预设的神经网络训练的次数：是，则执行步骤14；否，则执行步骤G；
步骤14：神经计算机服务器计算每一条最优移动轨迹的长度；
步骤15：神经计算机服务器选择出具有最短长度的最优移动轨迹作为刀具的加工轨迹；
步骤16：神经计算机服务器根据刀具的加工轨迹自动生成数控车床的加工代码；
步骤17：神经计算机服务器显示出数控车床的加工代码，加工人员确认加工代码后，神经计算机服务器将加工代码传送给数控车床自带的控制器，完成加工。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711332883.6A CN107942929B (zh) | 2017-12-13 | 2017-12-13 | 基于神经网络计算技术的数控车床的控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711332883.6A CN107942929B (zh) | 2017-12-13 | 2017-12-13 | 基于神经网络计算技术的数控车床的控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107942929A true CN107942929A (zh) | 2018-04-20 |
| CN107942929B CN107942929B (zh) | 2020-08-28 |
Family
ID=61943047
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711332883.6A Expired - Fee Related CN107942929B (zh) | 2017-12-13 | 2017-12-13 | 基于神经网络计算技术的数控车床的控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107942929B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115453889A (zh) * | 2022-10-12 | 2022-12-09 | 安徽机电职业技术学院 | 一种基于神经网络的数控车床控制信号设置方法及*** |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1740932A (zh) * | 2005-09-14 | 2006-03-01 | 山东大学 | 一种数控车床的智能控制***及其控制方法 |
| JP2008296301A (ja) * | 2007-05-30 | 2008-12-11 | General Electric Co <Ge> | 機械加工ツールを測定し、そこから生成されたデータを使用するシステムおよび方法 |
| CN101334656A (zh) * | 2008-07-25 | 2008-12-31 | 华中科技大学 | 一种数控机床加工性能监控*** |
| CN101592938A (zh) * | 2009-06-30 | 2009-12-02 | 刘文祥 | 数控网络及其各种*** |
| CN102870112A (zh) * | 2010-11-25 | 2013-01-09 | 彗星集团有限公司 | 计算机网络的服务器 |
| CN106406252A (zh) * | 2015-07-31 | 2017-02-15 | 发那科株式会社 | 单元控制***、生产***以及控制方法 |
| CN107045293A (zh) * | 2016-02-05 | 2017-08-15 | 发那科株式会社 | 机械学习器及方法、数值控制装置、机床***、制造*** |
| CN107199397A (zh) * | 2016-03-17 | 2017-09-26 | 发那科株式会社 | 机器学习装置、激光加工***以及机器学习方法 |
| CN107436595A (zh) * | 2016-05-27 | 2017-12-05 | 发那科株式会社 | 机械学习装置、故障预测装置、机械***及机械学习方法 |
-
2017
- 2017-12-13 CN CN201711332883.6A patent/CN107942929B/zh not_active Expired - Fee Related
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1740932A (zh) * | 2005-09-14 | 2006-03-01 | 山东大学 | 一种数控车床的智能控制***及其控制方法 |
| JP2008296301A (ja) * | 2007-05-30 | 2008-12-11 | General Electric Co <Ge> | 機械加工ツールを測定し、そこから生成されたデータを使用するシステムおよび方法 |
| CN101334656A (zh) * | 2008-07-25 | 2008-12-31 | 华中科技大学 | 一种数控机床加工性能监控*** |
| CN101592938A (zh) * | 2009-06-30 | 2009-12-02 | 刘文祥 | 数控网络及其各种*** |
| CN102870112A (zh) * | 2010-11-25 | 2013-01-09 | 彗星集团有限公司 | 计算机网络的服务器 |
| CN106406252A (zh) * | 2015-07-31 | 2017-02-15 | 发那科株式会社 | 单元控制***、生产***以及控制方法 |
| CN107045293A (zh) * | 2016-02-05 | 2017-08-15 | 发那科株式会社 | 机械学习器及方法、数值控制装置、机床***、制造*** |
| CN107199397A (zh) * | 2016-03-17 | 2017-09-26 | 发那科株式会社 | 机器学习装置、激光加工***以及机器学习方法 |
| CN107436595A (zh) * | 2016-05-27 | 2017-12-05 | 发那科株式会社 | 机械学习装置、故障预测装置、机械***及机械学习方法 |
Non-Patent Citations (1)
| Title |
|---|
| 何雪明: "基于双映射和人工神经网络的数据点云直接加工的研究", 《中国博士学位论文全文数据库工程科技辑》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115453889A (zh) * | 2022-10-12 | 2022-12-09 | 安徽机电职业技术学院 | 一种基于神经网络的数控车床控制信号设置方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107942929B (zh) | 2020-08-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Dragomatz et al. | A classified bibliography of literature on NC milling path generation | |
| CN105425727B (zh) | 五轴侧铣加工刀具路径光顺方法 | |
| JP6033668B2 (ja) | Ｃａｍ装置及び製品形状加工方法 | |
| CN103870623B (zh) | 一种车辆模型前处理仿真分析模板 | |
| CN108748136A (zh) | 机器人码垛程序生成方法、存储介质及示教器 | |
| CN104793560A (zh) | 用于生成轨迹的方法和*** | |
| CN103955754A (zh) | 基于实时生产数据采集的模具车间调度方法 | |
| CN105171745A (zh) | 一种机器人离线编程*** | |
| CN110405837A (zh) | 工艺加工方法、装置及加工设备 | |
| CN103135446A (zh) | 一种多轴数控机床刀具运动轨迹验证装置 | |
| CN107562980A (zh) | 一种基于bim模型的几何信息提取方法 | |
| CN106777302A (zh) | 空间地理坐标的转换方法及装置 | |
| CN108647607A (zh) | 用于输变电工程的地物识别方法 | |
| CN108286978A (zh) | 道路路网自动化生成方法和装置、以及混合导航*** | |
| CN107942929A (zh) | 基于神经网络计算技术的数控车床的控制***及其方法 | |
| CN107291045A (zh) | 一种车间编程*** | |
| CN106695800A (zh) | 机械臂运动路径生成方法和*** | |
| US10762699B2 (en) | Machining parameter automatic generation system | |
| CN105527920A (zh) | 一种基于b/s的数控机床故障诊断*** | |
| Ali et al. | Reverse engineering for manufacturing approach: Based on the combination of 3D and knowledge information | |
| KR101386648B1 (ko) | 시뮬레이션 장치 및 방법 | |
| CN104932407A (zh) | 一种基于plc的模块化机器人驱动控制***及方法 | |
| CN107199561B (zh) | 机器人控制装置和机器人程序生成装置 | |
| Mohamed et al. | Integrated interface system for tool path generation of STEP file | |
| CN104599318A (zh) | 一种植物三维模型网格无缝融合的方法及*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200803 Address after: 518000 1901, building 1, COFCO core R & D center, 69 District, Xingdong community, Xin'an street, Bao'an District, Shenzhen City, Guangdong Province Applicant after: Shenzhen pfiter Information Technology Co.,Ltd. Address before: 450000 Henan province Zhengzhou City Dawn Road No. 9 fengle Garden Applicant before: Wu Di |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Control method of NC Lathe Based on neural network computing technology Effective date of registration: 20210422 Granted publication date: 20200828 Pledgee: Shenzhen hi tech investment small loan Co.,Ltd. Pledgor: Shenzhen pfiter Information Technology Co.,Ltd. Registration number: Y2021980002913 |
|
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200828 Termination date: 20211213 |