一种制造任务驱动的刀具组合推荐方法与流程

本发明涉及刀具资源管理及服务技术，具体是一种制造任务驱动的刀具组合推荐方法。

背景技术：

在云制造的环境下，刀具资源具有种类繁多、描述异构、分布性广等特点，可以面向不同的制造任务提供不同的切削功能。在传统的刀具资源管理平台中，由于持有者描述方式的不同、管理系统的异构性、所属数据库的分布性等原因，无法实现制造任务与刀具资源之间的映射，由此导致使用者无法根据制造任务序列来选配最佳刀具组合。基于此，有必要发明一种全新的方法，以解决在传统的刀具资源管理平台中使用者无法根据制造任务序列来选配最佳刀具组合的问题。

技术实现要素：

本发明为了解决在传统的刀具资源管理平台中使用者无法根据制造任务序列来选配最佳刀具组合的问题，提供了一种制造任务驱动的刀具组合推荐方法。

本发明是采用如下技术方案实现的：

一种制造任务驱动的刀具组合推荐方法，该方法是采用如下步骤实现的：

步骤s1：针对云平台上的每种刀具，构建刀具信息表；

所述刀具信息表包括：刀具信息、工艺信息、提供者信息；

所述刀具信息包括：刀具资源码、刀具序列码、刀具题目、关键字；

所述工艺信息包括：切削深度、进给速度、切削速度、加工面类型、刀具类别id；

所述提供者信息包括：地域名称、地域id、公司名称、公司id；

步骤s2：针对每种制造任务，构建制造任务信息表；

所述制造任务信息表包括：制造任务序号、制造任务名、工件材料、加工面类型、加工精度；

步骤s3：构建制造任务信息表与刀具信息表之间的映射目录；

所述映射目录包括：刀具资源码、刀具类别id、刀具案例库；

所述刀具案例库的案例属性包括：工件材料、加工面类型、加工精度；

步骤s4：针对制造任务信息表中的第j个制造任务tj，将该制造任务tj的工件材料、加工面类型、加工精度分别赋值给变量x0(1)、变量x0(2)、变量x0(3)，并将赋值后的变量x0(1)、变量x0(2)、变量x0(3)作为参考标准；

步骤s5：将刀具案例库中的第i个案例的工件材料、加工面类型、加工精度分别赋值给变量xi(1)、变量xi(2)、变量xi(3)，并将赋值后的变量xi(1)、变量xi(2)、变量xi(3)作为第i个比较案例xi；

步骤s6：对参考标准和第i个比较案例xi进行归一化处理；具体处理公式如下：

式中：n＝1,2,3；k表示刀具案例库中的案例数量；

步骤s7：计算第i个比较案例xi与参考标准的tanimoto系数具体计算公式如下：

式中：xi＝(x'i(1),x'i(2),x'i(3))；

步骤s8：若第i个比较案例xi与参考标准的tanimoto系数则表明第i个比较案例xi与参考标准匹配；反之，则表明第i个比较案例xi与参考标准不匹配；

步骤s9：循环执行步骤s5～s8，由此得到与参考标准匹配的全部比较案例；然后，根据与参考标准匹配的全部比较案例，从刀具信息表中映射得到与制造任务信息表中的第j个制造任务tj匹配的刀具集；

步骤s10：循环执行步骤s4～s9，由此从刀具信息表中映射得到与制造任务信息表中的每个制造任务匹配的刀具集；

步骤s11：从每个刀具集中选择一个刀具进行组合，并从得到的全部刀具组合中随机选择若干个刀具组合作为初始种群；

步骤s12：利用轮盘赌选择法在初始种群中选择两个刀具组合；

步骤s13：将选择出的两个刀具组合进行基因隔位交叉；

步骤s14：在基因隔位交叉后的两个刀具组合中分别随机选择一个基因，并在该基因对应的刀具集中选择一个刀具对其进行替换，由此对基因隔位交叉后的两个刀具组合进行变异；

步骤s15：分别计算选择出的两个刀具组合和变异后的两个刀具组合的适应度函数值，并将适应度函数值最小的两个刀具组合写入种群，然后将选择出的两个刀具组合从种群中删除；

步骤s16：循环执行步骤s12～s15多次后，计算种群中全部刀具组合的适应度函数值，并选取适应度函数值最小的一个刀具组合作为最佳推荐。

所述步骤s15～s16中，适应度函数值的计算公式如下：

式中：fun表示适应度函数值；n表示制造任务信息表中的制造任务数量；areaid表示当前刀具组合的地域id列表；companyid表示当前刀具组合的公司id列表。

本发明所述的一种制造任务驱动的刀具组合推荐方法基于全新原理，实现了制造任务与刀具资源之间的映射，由此使得使用者能够根据制造任务序列来选配最佳刀具组合。

本发明有效解决了在传统的刀具资源管理平台中使用者无法根据制造任务序列来选配最佳刀具组合的问题，适用于云制造。

附图说明

图1是本发明中步骤s1～s3的示意图。

具体实施方式

一种制造任务驱动的刀具组合推荐方法，该方法是采用如下步骤实现的：

步骤s1：针对云平台上的每种刀具，构建刀具信息表；

所述刀具信息表包括：刀具信息、工艺信息、提供者信息；

所述刀具信息包括：刀具资源码、刀具序列码、刀具题目、关键字；

所述工艺信息包括：切削深度、进给速度、切削速度、加工面类型、刀具类别id；

所述提供者信息包括：地域名称、地域id、公司名称、公司id；

步骤s2：针对每种制造任务，构建制造任务信息表；

所述制造任务信息表包括：制造任务序号、制造任务名、工件材料、加工面类型、加工精度；

步骤s3：构建制造任务信息表与刀具信息表之间的映射目录；

所述映射目录包括：刀具资源码、刀具类别id、刀具案例库；

所述刀具案例库的案例属性包括：工件材料、加工面类型、加工精度；

步骤s4：针对制造任务信息表中的第j个制造任务tj，将该制造任务tj的工件材料、加工面类型、加工精度分别赋值给变量x0(1)、变量x0(2)、变量x0(3)，并将赋值后的变量x0(1)、变量x0(2)、变量x0(3)作为参考标准；

步骤s5：将刀具案例库中的第i个案例的工件材料、加工面类型、加工精度分别赋值给变量xi(1)、变量xi(2)、变量xi(3)，并将赋值后的变量xi(1)、变量xi(2)、变量xi(3)作为第i个比较案例xi；

步骤s6：对参考标准和第i个比较案例xi进行归一化处理；具体处理公式如下：

式中：n＝1,2,3；k表示刀具案例库中的案例数量；

步骤s7：计算第i个比较案例xi与参考标准的tanimoto系数具体计算公式如下：

式中：xi＝(x'i(1),x'i(2),x'i(3))；

步骤s8：若第i个比较案例xi与参考标准的tanimoto系数则表明第i个比较案例xi与参考标准匹配；反之，则表明第i个比较案例xi与参考标准不匹配；

步骤s9：循环执行步骤s5～s8，由此得到与参考标准匹配的全部比较案例；然后，根据与参考标准匹配的全部比较案例，从刀具信息表中映射得到与制造任务信息表中的第j个制造任务tj匹配的刀具集；

步骤s10：循环执行步骤s4～s9，由此从刀具信息表中映射得到与制造任务信息表中的每个制造任务匹配的刀具集；

步骤s11：从每个刀具集中选择一个刀具进行组合，并从得到的全部刀具组合中随机选择若干个刀具组合作为初始种群；

步骤s12：利用轮盘赌选择法在初始种群中选择两个刀具组合；

步骤s13：将选择出的两个刀具组合进行基因隔位交叉；

步骤s14：在基因隔位交叉后的两个刀具组合中分别随机选择一个基因，并在该基因对应的刀具集中选择一个刀具对其进行替换，由此对基因隔位交叉后的两个刀具组合进行变异；

步骤s15：分别计算选择出的两个刀具组合和变异后的两个刀具组合的适应度函数值，并将适应度函数值最小的两个刀具组合写入种群，然后将选择出的两个刀具组合从种群中删除；

步骤s16：循环执行步骤s12～s15多次后，计算种群中全部刀具组合的适应度函数值，并选取适应度函数值最小的一个刀具组合作为最佳推荐。

所述步骤s15～s16中，适应度函数值的计算公式如下：

式中：fun表示适应度函数值；n表示制造任务信息表中的制造任务数量；areaid表示当前刀具组合的地域id列表；companyid表示当前刀具组合的公司id列表。