CN117612145B - 一种零件自动加工方法、装置、计算机设备及存储介质 - Google Patents
一种零件自动加工方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN117612145B CN117612145B CN202311737846.9A CN202311737846A CN117612145B CN 117612145 B CN117612145 B CN 117612145B CN 202311737846 A CN202311737846 A CN 202311737846A CN 117612145 B CN117612145 B CN 117612145B
- Authority
- CN
- China
- Prior art keywords
- data
- processing
- graph
- optimal
- area
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 126
- 238000003860 storage Methods 0.000 title claims abstract description 22
- 238000003754 machining Methods 0.000 title claims description 74
- 238000012545 processing Methods 0.000 claims abstract description 235
- 230000008569 process Effects 0.000 claims abstract description 96
- 238000010586 diagram Methods 0.000 claims description 51
- 239000011159 matrix material Substances 0.000 claims description 43
- 230000006870 function Effects 0.000 claims description 31
- 230000015654 memory Effects 0.000 claims description 27
- 238000010276 construction Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 2
- 238000003672 processing method Methods 0.000 abstract description 25
- 230000005012 migration Effects 0.000 description 8
- 238000013508 migration Methods 0.000 description 8
- 230000007935 neutral effect Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000059 patterning Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Numerical Control (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及自动加工技术领域,公开了一种零件自动加工方法、装置、计算机设备及存储介质,该方法包括:获取零件选取区域数据,将零件选取区域数据转换为加工片区数据;其中,加工片区为复杂特征组合区域;获取待加工零件图数据,基于加工片区数据和待加工零件图数据,利用最优图匹配算法确定最优加工片区模板;基于最优加工片区模板生成零件加工数据,并基于零件加工数据对待加工零件进行自动加工。本发明避免了对复杂特征组合和交叉特征的单一特征识别,解决了交叉特征、复杂组合特征区域识别难和工艺决策难的问题,实现了对待加工零件的精确加工,提高了零件加工效率。
Description
技术领域
本发明涉及自动加工技术领域,具体涉及一种零件自动加工方法、装置、计算机设备及存储介质。
背景技术
在自动加工领域,自动加工***的加工方案包括:首先使用基于属性邻接图(Attribute Adjacency Graph,简称AAG)匹配的方法进行加工特征识别,加工特征包括加工需求孔,槽等简单特征,并给出加工特征的尺寸参数等信息;其次根据特征的类型及尺寸等信息,在工艺规则库中检索得到待加工特征的工艺方案与加工参数;最后根据加工方案、加工参数与刀具等信息,在CAM(Computer Aided Manufacturing,计算机辅助制造)软件中自动生成程序组。
相关待加工零件往往包含大量的复杂特征组合区域,而上述加工方案仅能对零件的简单特征进行识别,对交叉特征和复杂组合特征区域识别较为困难,工艺决策难以构建规则库并给出工序方案,进而无法进行CAM自动编程,导致对包含有大量的复杂特征组合区域的零件加工困难。
发明内容
有鉴于此,本发明提供了一种零件自动加工方法、装置、计算机设备及存储介质,以解决相关加工方案对包含有大量的复杂特征组合区域的零件加工困难的问题。
第一方面,本发明提供了一种零件自动加工方法,该方法包括:
获取零件选取区域数据,将零件选取区域数据转换为加工片区数据;其中,加工片区为复杂特征组合区域;
获取待加工零件图数据,基于加工片区数据和待加工零件图数据,利用最优图匹配算法确定最优加工片区模板;
基于最优加工片区模板生成零件加工数据,并基于零件加工数据对待加工零件进行自动加工。
本实施例提供的一种零件自动加工方法,将包含有大量的复杂特征组合区域定义为加工片区,将加工片区作为一个整体,避免了对复杂特征组合和交叉特征的单一特征识别,提高了对零件选取区域数据的特征识别效率,并利用最优图匹配算法实现了对待加工零件区域与加工片区的最优匹配,进而基于零件加工数据对待加工零件进行自动加工,解决了交叉特征、复杂组合特征区域识别难、工艺决策难、自动CAM编程难的问题,实现了对待加工零件中的精确加工,提高了零件加工效率。
在一种可选的实施方式中,将零件选取区域数据转换为加工片区数据,包括:
基于零件选取区域数据确定几何数据、拓扑数据和工艺数据;
基于几何数据和拓扑数据构建图数据结构;
基于图数据结构与工艺数据确定加工片区数据,并将加工片区数据存储至加工片区工艺知识库。
本实施例提供的一种零件自动加工方法,针对零件选取区域中的复杂特征组合区域和交叉特征区域,通过提取几何数据、拓扑数据和工艺数据,进而基于几何数据和拓扑数据构建图数据结构,基于图数据结构与工艺数据确定加工片区数据,解决了以单一特征识别为基础的自动加工***面对交叉特征、复杂特征组合时的无力,同时实现了快速录入任意复杂特征模板/加工片区模板,降低了自动加工录入特征模板的工作量,快速扩充了加工片区工艺知识库中任意组合的加工片区模板。
在一种可选的实施方式中,基于几何数据和拓扑数据构建图数据结构,包括:
基于几何数据确定零件几何实体,将零件几何实体作为源图节点;
基于拓扑数据确定零件几何实体之间的连接关系,将零件几何实体之间的连接关系作为源图节点连接关系;
基于源图节点与源图节点连接关系构建图数据结构。
本实施例提供的一种零件自动加工方法,通过识别加工片区中的节点与节点关系,即将零件几何实体作为源图节点,将零件几何实体之间的连接关系作为源图节点连接关系,实现了加工片区对应的图数据结构的快速构建,提高了对加工片区特征的识别效率与准确度。
在一种可选的实施方式中,基于加工片区数据和待加工零件图数据,利用最优图匹配算法确定最优加工片区模板,包括:
以节点对应关系最优为目标,基于加工片区数据和待加工零件图数据构建最优图匹配目标函数;
对最优图匹配目标函数进行求解,生成最优图数据结构;
从加工片区工艺知识库中调取与最优图数据结构对应的工艺数据;
基于最优图数据结构和与最优图数据结构对应的工艺数据生成最优加工片区模板。
本实施例提供的一种零件自动加工方法,通过最优图匹配目标函数,实现了最优加工片区模板的快速匹配,提高了图匹配效率,解决了工厂大量零件存在局部相似区域的识别问题,为后续待加工零件区域的工艺迁移与复用奠定了基础。
在一种可选的实施方式中,以节点对应关系最优为目标,基于加工片区数据和待加工零件图数据构建最优图匹配目标函数,包括:
基于待加工零件图数据确定目标图节点与目标图节点连接关系,基于目标图节点与目标图节点连接关系构建目标图邻接矩阵;
基于源图节点与源图节点连接关系构建源图邻接矩阵;
基于图数据结构、待加工零件图数据、目标图邻接矩阵和源图邻接矩阵构建最优图匹配目标函数。
本实施例提供的一种零件自动加工方法,通过邻接矩阵实现了节点对应关系的判定,进而基于图数据结构、待加工零件图数据、目标图邻接矩阵和源图邻接矩阵构建最优图匹配目标函数,利用最优图匹配目标函数实现了对最优节点对应关系的查找计算,进而实现了最优加工片区模板的快速匹配。
在一种可选的实施方式中,基于图数据结构、待加工零件图数据、目标图邻接矩阵和源图邻接矩阵构建最优图匹配目标函数,最优图匹配目标函数的表达式如下所示:
上式中,VS表示源图中节点集合,Vt表示目标图中节点集合,S表示节点对应关系,表示源图邻接矩阵,/>表示目标图邻接矩阵,Si,j表示源图节点i与目标图节点j之间的对应关系,Si',j'表示源图节点i'与目标图节点j'之间的对应关系。
在一种可选的实施方式中,基于最优加工片区模板生成零件加工数据,并基于零件加工数据对待加工零件进行自动加工,包括:
基于最优图数据结构和与最优图数据结构对应的工艺数据确定待加工零件的零件加工数据;
基于零件加工数据确定待加工零件匹配区域的加工坐标系,基于零件加工数据和加工坐标系对待加工零件进行自动加工。
本实施例提供的一种零件自动加工方法,通过最优图数据结构及其对应的工艺数据确定待加工零件的零件加工数据,进而基于零件加工数据和加工坐标系对待加工零件进行自动加工,实现了加工片区的整体工艺的复用,使局部相似的零件工艺进行迁移复用,免去了用户的大量重复工作,提高了待加工零件的加工效率。
第二方面,本发明提供了一种零件自动加工装置,该装置包括:
转换模块,用于获取零件选取区域数据,将零件选取区域数据转换为加工片区数据;其中,加工片区为复杂特征组合区域;
确定模块,用于获取待加工零件图数据,基于加工片区数据和待加工零件图数据,利用最优图匹配算法确定最优加工片区模板;
加工模块,用于基于最优加工片区模板生成零件加工数据,并基于零件加工数据对待加工零件进行自动加工。
第三方面,本发明提供了一种计算机设备,包括:存储器和处理器,存储器和处理器之间互相通信连接,存储器中存储有计算机指令,处理器通过执行计算机指令,从而执行上述第一方面或其对应的任一实施方式的一种零件自动加工方法。
第四方面,本发明提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机指令,计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的一种零件自动加工方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种零件自动加工方法的流程示意图;
图2是根据本发明实施例的另一种零件自动加工方法的流程示意图;
图3是根据本发明实施例的又一种零件自动加工方法的流程示意图;
图4是根据本发明实施例的再一种零件自动加工方法的流程示意图;
图5是根据本发明实施例的利用自动加工***进行零件自动加工的流程示意图;
图6是根据本发明实施例的加工片区快速录入的示意图;
图7是根据本发明实施例的工艺复用迁移的示意图;
图8是根据本发明实施例的一种零件自动加工装置的结构框图;
图9是本发明实施例的计算机设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
自动加工***的加工方案存在以下问题:一是每种加工特征的模板需要人工消耗大量时间手动制作特征模板,在实际工程应用中往往需要有经验的用户、工艺人员与开发人员对接,开发一系列的特殊规则来识别用户特有的加工特征;对于复杂交叉特征(如多个孔相互交叉,开放槽与各种特征复合在一起等),耗时耗力还难以全部识别,模板制作完成后往往都是简单特征模板(如孔、槽等),无法涵盖大量组合特征的情况(如客户独特的多个槽、孔各种交错组合在一起);二是工艺方案决策需要构建的工艺规则库覆盖面有限,对于千差万别的复杂交叉特征,不可能为每一种情况都设置复杂的规则表,面对复杂交叉组合特征更是无能为力。
本发明实施例提供了一种零件自动加工方法,应用于服务器类设备,通过提取加工片区整体的零件信息与工艺信息,并在任意零件其他相似区域进行复用,实现快速录入任意复杂加工片区模板、任意复杂加工片区的整体识别与工艺复用。
根据本发明实施例,提供了一种零件自动加工方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种零件自动加工方法,可用于上述的服务器类设备,图1是根据本发明实施例的一种零件自动加工方法的流程图,如图1所示,该流程包括如下步骤:
步骤S101,获取零件选取区域数据,将零件选取区域数据转换为加工片区数据;其中,加工片区为复杂特征组合区域。
具体地,针对基于特征的自动加工无法满足用户需求的问题,将包含大量的复杂特征组合区域定义为加工片区,包含大量的复杂特征组合区域指各种特征交叉组合在一起,或简单排列形成的某些有一定工艺意义的区域。
进一步地,加工片区是一个具备特定加工工艺特点的区域,由一组面、边、属性、以及一些列有顺序的加工方法构成,相较于传统加工特征,加工片区的范围更大,结构更复杂,对于凹凸性的要求也不会严格,甚至可以是多个传统特征的自由组合,交叉,连接,分离均可。
进一步地,提取用户选择的零件选取区域数据中所有的几何、拓扑、属性、加工方法等信息,将上述信息转换为中性图数据信息与工艺信息,将中性图数据信息、工艺信息与预设加工片区名称保存到加工片区工艺知识库中。
进一步地,针对用户选取的多个零件选取区域数据,将其转换为加工片区数据,并基于该加工片区数据构建针对多种零件选取区域的加工片区模板。
步骤S102,获取待加工零件图数据,基于加工片区数据和待加工零件图数据,利用最优图匹配算法确定最优加工片区模板。
具体地,待加工零件图数据为属性邻接图,采用最优图匹配算法求取用户定义的加工片区模板在待加工零件上的最优匹配结果。
步骤S103,基于最优加工片区模板生成零件加工数据,并基于零件加工数据对待加工零件进行自动加工。
具体地,将最优加工片区模板中的工艺复用到待加工零件中的一个或多个匹配区域中,并依据待加工零件匹配区域的数据进行几何信息的补全、高度厚度信息重新计算等处理。
本实施例提供的一种零件自动加工方法,将包含有大量的复杂特征组合区域定义为加工片区,将加工片区作为一个整体,避免了对复杂特征组合和交叉特征的单一特征识别,提高了对零件选取区域数据的特征识别效率,并利用最优图匹配算法实现了对待加工零件区域与加工片区的最优匹配,进而基于零件加工数据对待加工零件进行自动加工,解决了交叉特征、复杂组合特征区域识别难、工艺决策难、自动CAM编程难的问题,实现了对待加工零件中的精确加工,提高了零件加工效率。
在本实施例中提供了一种零件自动加工方法,可用于上述的服务器类设备等,图2是根据本发明实施例的一种零件自动加工方法的流程图,如图2所示,该流程包括如下步骤:
步骤S201,获取零件选取区域数据,将零件选取区域数据转换为加工片区数据;其中,加工片区为复杂特征组合区域。
具体地,上述步骤S201包括:
步骤S2011,基于零件选取区域数据确定几何数据、拓扑数据和工艺数据。
具体地,将用户选择的零件选取区域数据内所有的零件信息、工艺信息、用户标注信息、PMI(Product Manufacturing Information,产品制造信息)进行提取处理,其中,零件信息中包含几何数据和拓扑数据。
步骤S2012,基于几何数据和拓扑数据构建图数据结构。
在一些可选的实施方式中,上述步骤S2012包括:
步骤a1,基于几何数据确定零件几何实体,将零件几何实体作为源图节点。
具体地,零件几何实体包括几何数据中零件每个面和边。
进一步地,将每个面、边的几何数据、PMI信息等作为源图节点的属性,如面节点对应面类型、最大曲率、最小曲率等,边节点对应边类型、长度、参数方程、参数范围等。
步骤a2,基于拓扑数据确定零件几何实体之间的连接关系,将零件几何实体之间的连接关系作为源图节点连接关系。
步骤a3,基于源图节点与源图节点连接关系构建图数据结构。
本实施例提供的一种零件自动加工方法,通过识别加工片区中的节点与节点关系,即将零件几何实体作为源图节点,将零件几何实体之间的连接关系作为源图节点连接关系,实现了加工片区对应的图数据结构的快速构建,提高了对加工片区特征的识别效率与准确度。
步骤S2013,基于图数据结构与工艺数据确定加工片区数据,并将加工片区数据存储至加工片区工艺知识库。
具体地,将加工片区的整体工艺、加工顺序、加工方案等工艺数据作为图数据结构的附加信息,如钻孔,主轴转速5000等信息,则作为图数据结构的附加信息,用于后续工艺迁移。
步骤S202,获取待加工零件图数据,基于加工片区数据和待加工零件图数据,利用最优图匹配算法确定最优加工片区模板。详细请参见图1所示实施例的步骤S102,在此不再赘述。
步骤S203,基于最优加工片区模板生成零件加工数据,并基于零件加工数据对待加工零件进行自动加工。详细请参见图1所示实施例的步骤S103,在此不再赘述。
本实施例提供的一种零件自动加工方法,针对零件选取区域中的复杂特征组合区域和交叉特征区域,通过提取几何数据、拓扑数据和工艺数据,进而基于几何数据和拓扑数据构建图数据结构,基于图数据结构与工艺数据确定加工片区数据,解决了以单一特征识别为基础的自动加工***面对交叉特征、复杂特征组合时的无力,同时实现了快速录入任意复杂特征模板/加工片区模板,降低了自动加工录入特征模板的工作量,快速扩充了加工片区工艺知识库中任意组合的加工片区模板。
在本实施例中提供了一种零件自动加工方法,可用于上述的服务器类设备,图3是根据本发明实施例的一种零件自动加工方法的流程图,如图3所示,该流程包括如下步骤:
步骤S301,获取零件选取区域数据,将零件选取区域数据转换为加工片区数据;其中,加工片区为复杂特征组合区域。详细请参见图2所示实施例的步骤S201,在此不再赘述。
步骤S302,获取待加工零件图数据,基于加工片区数据和待加工零件图数据,利用最优图匹配算法确定最优加工片区模板。
具体地,上述步骤S302包括:
步骤S3021,以节点对应关系最优为目标,基于加工片区数据和待加工零件图数据构建最优图匹配目标函数。
在一些可选的实施方式中,上述步骤S3021包括:
步骤b1,基于待加工零件图数据确定目标图节点与目标图节点连接关系,基于目标图节点与目标图节点连接关系构建目标图邻接矩阵。
具体地,将目标图节点作为邻接矩阵的行与列,根据目标图节点连接关系确定矩阵元素值,进而基于行、列与矩阵元素值构建目标图邻接矩阵。
步骤b2,基于源图节点与源图节点连接关系构建源图邻接矩阵。
具体地,源图邻接矩阵的构建过程与目标图邻接矩阵的构建过程相同。
步骤b3,基于图数据结构、待加工零件图数据、目标图邻接矩阵和源图邻接矩阵构建最优图匹配目标函数。
具体地,最优图匹配目标函数的表达式如下所示:
上式中,VS表示源图中节点集合,Vt表示目标图中节点集合,S表示节点对应关系,表示源图邻接矩阵,/>表示目标图邻接矩阵,Si,j表示源图节点i与目标图节点j之间的对应关系,Si',j'表示源图节点i'与目标图节点j'之间的对应关系。
其中,邻接矩阵表示图节点之间连接关系的矩阵,S为节点对应关系对应的矩阵,
本实施例提供的一种零件自动加工方法,通过邻接矩阵实现了节点对应关系的判定,进而基于图数据结构、待加工零件图数据、目标图邻接矩阵和源图邻接矩阵构建最优图匹配目标函数,利用最优图匹配目标函数实现了对最优节点对应关系的查找计算,进而实现了最优加工片区模板的快速匹配。
步骤S3022,对最优图匹配目标函数进行求解,生成最优图数据结构。
具体地,首先会在待加工零件对应的目标图Vt上计算得出与若干个加工片区模板图(即源图VS)的预匹配结果,{S1,S2,...,SN}表示在Vt上找到N个加工片区模板的匹配结果,Si表示第i个匹配结果中原图与目标图中的节点对应关系;得到预匹配结果后,再通过上述公式(1)优化,使得节点对应关系为最优,得到每个匹配结果的最优节点对应关系,进而根据最优节点对应关系确定最优图数据结构。
步骤S3023,从加工片区工艺知识库中调取与最优图数据结构对应的工艺数据。
步骤S3024,基于最优图数据结构和与最优图数据结构对应的工艺数据生成最优加工片区模板。
步骤S303,基于最优加工片区模板生成零件加工数据,并基于零件加工数据对待加工零件进行自动加工。详细请参见图2所示实施例的步骤S203,在此不再赘述。
本实施例提供的一种零件自动加工方法,通过最优图匹配目标函数,实现了最优加工片区模板的快速匹配,提高了图匹配效率,解决了工厂大量零件存在局部相似区域的识别问题,为后续待加工零件区域的工艺迁移与复用奠定了基础。
在本实施例中提供了一种零件自动加工方法,可用于上述的服务器类设备,图4是根据本发明实施例的一种零件自动加工方法的流程图,如图4所示,该流程包括如下步骤:
步骤S401,获取零件选取区域数据,将零件选取区域数据转换为加工片区数据;其中,加工片区为复杂特征组合区域。详细请参见图3所示实施例的步骤S301,在此不再赘述。
步骤S402,获取待加工零件图数据,基于加工片区数据和待加工零件图数据,利用最优图匹配算法确定最优加工片区模板。详细请参见图3所示实施例的步骤S302,在此不再赘述。
步骤S403,基于最优加工片区模板生成零件加工数据,并基于零件加工数据对待加工零件进行自动加工。
具体地,上述步骤S403包括:
步骤S4031,基于最优图数据结构和与最优图数据结构对应的工艺数据确定待加工零件的零件加工数据。
步骤S4032,基于零件加工数据确定待加工零件匹配区域的加工坐标系,基于零件加工数据和加工坐标系对待加工零件进行自动加工。
具体地,根据最优匹配结果以及节点对应关系,将加工片区模板上的工艺迁移到待加工零件匹配区域,完成工艺中驱动几何信息的替换与工艺加工参数(主轴转速、进给率等随着驱动几何变化的加工参数)的重新计算,进而实现工艺迁移。
进一步地,为待加工零件匹配区域更新后的工艺数据建立新的加工坐标系,以完成任意复杂、任意方向的加工片区整体工艺迁移。
本实施例提供的一种零件自动加工方法,通过最优图数据结构及其对应的工艺数据确定待加工零件的零件加工数据,进而基于零件加工数据和加工坐标系对待加工零件进行自动加工,实现了加工片区的整体工艺的复用,使局部相似的零件工艺进行迁移复用,免去了用户的大量重复工作,提高了待加工零件的加工效率。
下面通过具体实施例来说明一种零件自动加工方法的具体步骤。
实施例1:
针对传统基于特征的自动加工无法满足用户需求的问题,本实施例提出“加工片区”的概念,即某一片有某种工艺意义的各种特征的交叉组合区域;零件往往包含大量的复杂特征组合区域,即各种“加工片区”,如各种特征交叉组合在一起,或简单排列形成的某些有一定工艺意义的区域,进而针对“加工片区”提供一种自动加工***,通过提取加工片区整体的零件信息与工艺信息,并在任意零件其他相似区域进行复用,实现快速录入任意复杂加工片区模板、任意复杂加工片区的整体识别与工艺复用;其中,自动加工***有加工片区快速录入***和加工片区工艺快速复用***构成,如图5所示,应用自动加工***进行零件自动加工的具体步骤包括:
步骤一、加工片区是一个具备特定加工工艺特点的区域,由一组面、边、属性、以及一些列有顺序的加工方法构成,加工片区可以是多个传统特征的自由组合,交叉,连接,分离处理后形成的区域。
步骤二、如图6所示,启动“加工片区快速录入***”,通过加工片区快速录入***提取零件选取区域的全部信息并构图:通过用户选取界面获取用户选择的感兴趣区域,即零件选取区域数据,并录入加工片区的自定义名称;进而从零件选取区域数据中提取所有的几何、拓扑、属性、加工方法等信息,以及加工片区的名称,将其转换为中性图数据信息(即图数据结构)与工艺信息,保存到加工片区知识库中,新“特征”录入过程完成。
其中,中性图数据信息对应用户选取的零件模型中的加工片区数据,图数据结构中的每个节点对应零件模型中的每个面、边几何实体,图中的边对应几何实体之间的连接关系。其中每个面、边的几何信息、PMI信息等作为该节点的属性,如面节点对应面类型、最大曲率、最小曲率等,边节点对应边类型、长度、参数方程、参数范围等;最后将加工片区的整体工艺、加工顺序、加工方案等工艺信息作为该图的附加信息,用于后续工艺迁移,例如,工艺信息包括钻孔,主轴转速5000等信息。
步骤三、如图7所示,启动“加工片区工艺快速复用***”,通过加工片区工艺快速复用***计算最优图匹配:图形化显示已录入“加工片区类型”列表,用户选择需要的加工片区类型,点击确定;进而在待加工零件上计算最优图匹配结果,其中,待加工零件本身是一个大的属性邻接图,采用最优图匹配算法求取加工片区模板在待加工零件上的最优匹配结果,最优图匹配算法核心在于求解如下保持边的二次指派问题,计算公式如下:
最优图匹配算法首先会在待加工零件对应的目标图Vt上计算得出与若干个加工片区模板图(即源图VS)的预匹配结果,{S1,S2,...,SN}表示在Vt上找到N个加工片区模板的匹配结果,Si表示第i个匹配结果中原图与目标图中的节点对应关系;得到预匹配结果后,再通过上述公式(1)优化,使得节点对应关系为最优,得到每个匹配结果的最优节点对应关系,进而根据最优节点对应关系确定最优图数据结构。
步骤四、根据最优匹配结果和节点对应关系,将加工片区模板上的工艺迁移到匹配区域,完成工艺中驱动几何信息的替换与工艺加工参数(主轴转速、进给率等随着驱动几何变化的加工参数)的重新计算,实现工艺迁移。
本实施例中,考虑到传统特征识别与工艺决策在新增特征模板难、面对海量复杂特征与交叉特征、特征组合区域时的无力,以往的自动加工方法都无法很好地处理以上情况,而本实施例基于加工片区整体处理的思想基础上,引入加工片区的全部信息整体学习并复用,实现了快速录入特征/加工片区模板,一次性解决了交叉特征、复杂组合特征区域识别难、工艺决策难、自动CAM编程难的问题,开辟了自动加工领域新的道路。
在本实施例中还提供了一种零件自动加工装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种零件自动加工装置,如图8所示,包括:
转换模块801,用于获取零件选取区域数据,将零件选取区域数据转换为加工片区数据;其中,加工片区为复杂特征组合区域;
确定模块802,用于获取待加工零件图数据,基于加工片区数据和待加工零件图数据,利用最优图匹配算法确定最优加工片区模板;
加工模块803,用于基于最优加工片区模板生成零件加工数据,并基于零件加工数据对待加工零件进行自动加工。
在一些可选的实施方式中,转换模块801包括:
第一确定单元,用于基于零件选取区域数据确定几何数据、拓扑数据和工艺数据;
第一构建单元,用于基于几何数据和拓扑数据构建图数据结构;
存储单元,用于基于图数据结构与工艺数据确定加工片区数据,并将加工片区数据存储至加工片区工艺知识库。
在一些可选的实施方式中,第一构建单元包括:
第一确定子单元,用于基于几何数据确定零件几何实体,将零件几何实体作为源图节点;
第二确定子单元,用于基于拓扑数据确定零件几何实体之间的连接关系,将零件几何实体之间的连接关系作为源图节点连接关系;
第一构建子单元,用于基于源图节点与源图节点连接关系构建图数据结构。
在一些可选的实施方式中,确定模块802包括:
第二构建单元,用于以节点对应关系最优为目标,基于加工片区数据和待加工零件图数据构建最优图匹配目标函数;
求解单元,用于对最优图匹配目标函数进行求解,生成最优图数据结构;
调取单元,用于从加工片区工艺知识库中调取与最优图数据结构对应的工艺数据;
生成单元,用于基于最优图数据结构和与最优图数据结构对应的工艺数据生成最优加工片区模板。
在一些可选的实施方式中,第二构建单元包括:
第二构建子单元,用于基于待加工零件图数据确定目标图节点与目标图节点连接关系,基于目标图节点与目标图节点连接关系构建目标图邻接矩阵;
第三构建子单元,用于基于源图节点与源图节点连接关系构建源图邻接矩阵;
第四构建子单元,用于基于图数据结构、待加工零件图数据、目标图邻接矩阵和源图邻接矩阵构建最优图匹配目标函数。
在一些可选的实施方式中,第四构建子单元中最优图匹配目标函数的表达式如下所示:
上式中,VS表示源图中节点集合,Vt表示目标图中节点集合,S表示节点对应关系,表示源图邻接矩阵,/>表示目标图邻接矩阵,Si,j表示源图节点i与目标图节点j之间的对应关系,Si',j'表示源图节点i'与目标图节点j'之间的对应关系。
在一些可选的实施方式中,加工模块803包括:
第二确定单元,用于基于最优图数据结构和与最优图数据结构对应的工艺数据确定待加工零件的零件加工数据;
加工单元,用于基于零件加工数据确定待加工零件匹配区域的加工坐标系,基于零件加工数据和加工坐标系对待加工零件进行自动加工。
上述各个模块和单元的更进一步的功能描述与上述对应实施例相同,在此不再赘述。
本实施例中的一种零件自动加工装置是以功能单元的形式来呈现,这里的单元是指ASIC(Application Specific Integrated Circuit,专用集成电路)电路,执行一个或多个软件或固定程序的处理器和存储器,和/或其他可以提供上述功能的器件。
本发明实施例还提供一种计算机设备,具有上述图8所示的一种零件自动加工装置。
请参阅图9,图9是本发明可选实施例提供的一种计算机设备的结构示意图,如图9所示,该计算机设备包括:一个或多个处理器10、存储器20,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相通信连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个计算机设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器***)。图9中以一个处理器10为例。
处理器10可以是中央处理器,网络处理器或其组合。其中,处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路,可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件,现场可编程逻辑门阵列,通用阵列逻辑或其任意组合。
其中,所述存储器20存储有可由至少一个处理器10执行的指令,以使所述至少一个处理器10执行实现上述实施例示出的方法。
存储器20可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器20可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中,存储器20可选包括相对于处理器10远程设置的存储器,这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
存储器20可以包括易失性存储器,例如,随机存取存储器;存储器也可以包括非易失性存储器,例如,快闪存储器,硬盘或固态硬盘;存储器20还可以包括上述种类的存储器的组合。
该计算机设备还包括输入装置30和输出装置40。处理器10、存储器20、输入装置30和输出装置40可以通过总线或者其他方式连接,图9中以通过总线连接为例。
输入装置30可接收输入的数字或字符信息,以及产生与该计算机设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等。输出装置40可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。上述显示设备包括但不限于液晶显示器,发光二极管,显示器和等离子体显示器。在一些可选的实施方式中,显示设备可以是触摸屏。
本发明实施例还提供了一种计算机可读存储介质,上述根据本发明实施例的方法可在硬件、固件中实现,或者被实现为可记录在存储介质,或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中,存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等;进一步地,存储介质还可以包括上述种类的存储器的组合。可以理解,计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件,当软件或计算机代码被计算机、处理器或硬件访问且执行时,实现上述实施例示出的方法。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (7)
1.一种零件自动加工方法,其特征在于,所述方法包括:
获取零件选取区域数据,将所述零件选取区域数据转换为加工片区数据;其中,加工片区为复杂特征组合区域;
获取待加工零件图数据,基于所述加工片区数据和所述待加工零件图数据,利用最优图匹配算法确定最优加工片区模板;
基于所述最优加工片区模板生成零件加工数据,并基于所述零件加工数据对待加工零件进行自动加工;
所述将所述零件选取区域数据转换为加工片区数据,包括:
基于所述零件选取区域数据确定几何数据、拓扑数据和工艺数据;
基于所述几何数据和所述拓扑数据构建图数据结构;
基于所述图数据结构与所述工艺数据确定所述加工片区数据,并将所述加工片区数据存储至加工片区工艺知识库;
所述基于所述几何数据和所述拓扑数据构建图数据结构,包括:
基于所述几何数据确定零件几何实体,将所述零件几何实体作为源图节点;
基于所述拓扑数据确定零件几何实体之间的连接关系,将所述零件几何实体之间的连接关系作为源图节点连接关系;
基于所述源图节点与所述源图节点连接关系构建所述图数据结构;
所述基于所述加工片区数据和所述待加工零件图数据,利用最优图匹配算法确定最优加工片区模板,包括:
以节点对应关系最优为目标,基于所述加工片区数据和所述待加工零件图数据构建最优图匹配目标函数;
对所述最优图匹配目标函数进行求解,生成最优图数据结构;
从所述加工片区工艺知识库中调取与所述最优图数据结构对应的工艺数据;
基于所述最优图数据结构和与所述最优图数据结构对应的工艺数据生成所述最优加工片区模板。
2.根据权利要求1所述的方法,其特征在于,所述以节点对应关系最优为目标,基于所述加工片区数据和所述待加工零件图数据构建最优图匹配目标函数,包括:
基于所述待加工零件图数据确定目标图节点与目标图节点连接关系,基于所述目标图节点与目标图节点连接关系构建目标图邻接矩阵;
基于所述源图节点与所述源图节点连接关系构建源图邻接矩阵;
基于所述图数据结构、所述待加工零件图数据、所述目标图邻接矩阵和所述源图邻接矩阵构建所述最优图匹配目标函数。
3.根据权利要求2所述的方法,其特征在于,所述基于所述图数据结构、所述待加工零件图数据、所述目标图邻接矩阵和所述源图邻接矩阵构建最优图匹配目标函数,所述最优图匹配目标函数的表达式如下所示:
上式中,表示源图中节点集合,/>表示目标图中节点集合,/>表示节点对应关系,表示源图邻接矩阵,/>表示目标图邻接矩阵,/>表示源图节点/>与目标图节点之间的对应关系,/>表示源图节点/>与目标图节点/>之间的对应关系。
4.根据权利要求1所述的方法,其特征在于,所述基于所述最优加工片区模板生成零件加工数据,并基于所述零件加工数据对待加工零件进行自动加工,包括:
基于所述最优图数据结构和与所述最优图数据结构对应的工艺数据确定待加工零件的所述零件加工数据;
基于所述零件加工数据确定待加工零件匹配区域的加工坐标系,基于所述零件加工数据和所述加工坐标系对所述待加工零件进行自动加工。
5.一种零件自动加工装置,其特征在于,所述装置包括:
转换模块,用于获取零件选取区域数据,将所述零件选取区域数据转换为加工片区数据;其中,加工片区为复杂特征组合区域;
确定模块,用于获取待加工零件图数据,基于所述加工片区数据和所述待加工零件图数据,利用最优图匹配算法确定最优加工片区模板;
加工模块,用于基于所述最优加工片区模板生成零件加工数据,并基于所述零件加工数据对待加工零件进行自动加工;
转换模块包括:
第一确定单元,用于基于零件选取区域数据确定几何数据、拓扑数据和工艺数据;
第一构建单元,用于基于几何数据和拓扑数据构建图数据结构;
存储单元,用于基于图数据结构与工艺数据确定加工片区数据,并将加工片区数据存储至加工片区工艺知识库;
第一构建单元包括:
第一确定子单元,用于基于几何数据确定零件几何实体,将零件几何实体作为源图节点;
第二确定子单元,用于基于拓扑数据确定零件几何实体之间的连接关系,将零件几何实体之间的连接关系作为源图节点连接关系;
第一构建子单元,用于基于源图节点与源图节点连接关系构建图数据结构;
确定模块包括:
第二构建单元,用于以节点对应关系最优为目标,基于加工片区数据和待加工零件图数据构建最优图匹配目标函数;
求解单元,用于对最优图匹配目标函数进行求解,生成最优图数据结构;
调取单元,用于从加工片区工艺知识库中调取与最优图数据结构对应的工艺数据;
生成单元,用于基于最优图数据结构和与最优图数据结构对应的工艺数据生成最优加工片区模板。
6.一种计算机设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1至4中任一项所述的零件自动加工方法。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机指令,所述计算机指令用于使计算机执行权利要求1至4中任一项所述的零件自动加工方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311737846.9A CN117612145B (zh) | 2023-12-15 | 2023-12-15 | 一种零件自动加工方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311737846.9A CN117612145B (zh) | 2023-12-15 | 2023-12-15 | 一种零件自动加工方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117612145A CN117612145A (zh) | 2024-02-27 |
CN117612145B true CN117612145B (zh) | 2024-06-21 |
Family
ID=89944408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311737846.9A Active CN117612145B (zh) | 2023-12-15 | 2023-12-15 | 一种零件自动加工方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117612145B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116229116A (zh) * | 2023-03-08 | 2023-06-06 | 上海优集工业软件有限公司 | 一种基于相似零件的工艺复用加工方法、***及电子设备 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6879946B2 (en) * | 1999-11-30 | 2005-04-12 | Pattern Discovery Software Systems Ltd. | Intelligent modeling, transformation and manipulation system |
US7398129B2 (en) * | 2004-10-07 | 2008-07-08 | Amada Company, Limited | Representation of sheet metal part models |
CN102289661A (zh) * | 2011-07-27 | 2011-12-21 | 宁波大学 | 一种基于谱匹配的三维网格模型的匹配方法 |
CN103699055B (zh) * | 2013-12-24 | 2016-08-17 | 沈阳飞机工业(集团)有限公司 | 飞机结构件智能数控加工编程***及方法 |
US10360312B2 (en) * | 2015-05-04 | 2019-07-23 | Siemens Product Lifecycle Management Software Inc. | System and method for identifying clones |
CN109977972B (zh) * | 2019-03-29 | 2023-02-07 | 东北大学 | 一种基于step的智能特征识别方法 |
CN112289172B (zh) * | 2020-09-30 | 2022-08-16 | 北京德弦科技有限公司 | 宝石的数据标识加工方法 |
CN112581368B (zh) * | 2020-12-11 | 2024-01-09 | 广东工业大学 | 一种基于最优图匹配的多机器人栅格地图拼接方法 |
CN113468800A (zh) * | 2021-05-27 | 2021-10-01 | 河海大学 | 基于遗传算法的复杂型腔刀具组合优化方法 |
CN113888342A (zh) * | 2021-09-18 | 2022-01-04 | 北京工业大学 | 社区发现方法、电子设备、存储介质以及程序产品 |
CN114065432B (zh) * | 2021-11-21 | 2022-09-20 | 西北工业大学 | 一种基于工艺流程的制造成本估算方法 |
CN114647741A (zh) * | 2022-03-14 | 2022-06-21 | 广东技术师范大学 | 工艺自动决策和推理方法、装置、计算机设备及存储介质 |
CN115273170A (zh) * | 2022-06-14 | 2022-11-01 | 青岛云天励飞科技有限公司 | 图像聚类方法、装置、设备及计算机可读存储介质 |
CN115169122A (zh) * | 2022-07-07 | 2022-10-11 | 重庆大学 | 一种基于图和最小不相交特征体积抑制的多阶段制造特征识别方法 |
CN115659005A (zh) * | 2022-09-15 | 2023-01-31 | 招联消费金融有限公司 | 产品推送方法、装置、计算机设备和存储介质 |
CN116432274B (zh) * | 2023-02-27 | 2023-09-26 | 清华大学 | 杆系结构体优化方法、装置、电子设备及存储介质 |
CN116304227A (zh) * | 2023-03-31 | 2023-06-23 | 上海优集工业软件有限公司 | 一种零件加工工艺复用方法、***及电子设备 |
CN116522552A (zh) * | 2023-04-12 | 2023-08-01 | 上海哔哩哔哩科技有限公司 | 机房布线方法和*** |
CN116403207A (zh) * | 2023-04-13 | 2023-07-07 | 湖南机企猫网络科技有限公司 | 一种板类零件的加工特征识别方法 |
CN116824226A (zh) * | 2023-06-06 | 2023-09-29 | 长春理工大学 | 基于深度学习的加工特征分类识别方法 |
CN117096962B (zh) * | 2023-08-08 | 2024-04-09 | 国网浙江省电力有限公司宁海县供电公司 | 考虑光伏的电网动态无功补偿优化方法及*** |
-
2023
- 2023-12-15 CN CN202311737846.9A patent/CN117612145B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116229116A (zh) * | 2023-03-08 | 2023-06-06 | 上海优集工业软件有限公司 | 一种基于相似零件的工艺复用加工方法、***及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN117612145A (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI625682B (zh) | 參數最佳化方法、裝置以及非暫態電腦可讀取媒體 | |
US9500487B2 (en) | Shortest path determination for large graphs | |
CN105700888A (zh) | 一种基于jbpm工作流引擎的可视化快速开发平台 | |
US9471720B1 (en) | Combined vertical and horizontal load modeling for concrete structures | |
KR102229859B1 (ko) | 기계 학습 및 전이 학습을 이용한 공정 관리 방법, 장치 및 시스템 | |
CN112987064B (zh) | 建筑物定位方法、装置、设备、存储介质和终端设备 | |
CN106534291A (zh) | 基于大数据处理的电压监测方法 | |
CN110222407B (zh) | 一种bim数据的融合方法及装置 | |
CN109891337B (zh) | 用于提供用于制造零件中的特征的加工方法的过程和*** | |
EP3427167B1 (en) | Method for providing details to a computer aided design (cad) model, a computer program product and a server therefore | |
CN113434482A (zh) | 数据迁移方法、装置、计算机设备及存储介质 | |
CN115545577B (zh) | 排程数据的处理方法和设备 | |
CN117294727A (zh) | 一种基于云原生和容器技术的云边端协同管理方法 | |
WO2022041980A1 (en) | Concept prediction to create new intents and assign examples automatically in dialog systems | |
CN117612145B (zh) | 一种零件自动加工方法、装置、计算机设备及存储介质 | |
CN111881171A (zh) | 一种基于数据分析的图纸识别推荐方法及*** | |
CN115659900A (zh) | 用于呈现集成电路版图的方法、设备和介质 | |
JP2017068418A (ja) | 計画支援システム及び計画支援方法 | |
CN115167274A (zh) | 物料切割方法、装置、控制***、存储介质及电子设备 | |
Chen et al. | Physics-guided high-value data sampling method for predicting milling stability with limited experimental data | |
JPWO2017163342A1 (ja) | 計算機システム及びデータの分類方法 | |
JP7309777B2 (ja) | 標準時間推定装置及び方法 | |
CN116564292B (zh) | 语音分类模型训练方法、语音分类方法、装置及设备 | |
JP6218162B1 (ja) | 半導体の加工検査装置関連付けシステムおよびプログラム | |
US20230053656A1 (en) | Machine-Learning-Based Identification of Drawing Attributes |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |