Autodesk Fusion CAM自动化：AI加工特征识别与验证

把 CAD 的面和连接关系变成 AI 输入

从 STEP 模型读取面、边和曲面类型，并以图结构表示相邻面之间的凸凹关系。识别型腔或孔等由多个面组成的加工特征时，既需要各个面的形状，也需要它们的邻接关系。

我的直接工作范围包括形状分析、训练标注程序、用于识别加工特征的人工智能、加工策略设计以及Fusion应用。在数字孪生（MDT）项目中，我仅负责将合作机构韩国机械材料研究院执行的仿真结果可视化。

同时查看平均分和总零件误差

即使只有少数面被错误分类，加工特征的分组也会发生变化。我们检查了匹配所有面的零件数量、按类别划分的错误率以及按零件系列划分的结果，并结合面单元指标。即使平均值有所提高，候选零件也不会被选中，因为特定系列中的错误率会增加。

我们还区分了通过修改标签改进的结果和通过改变学习方法改进的结果。这是因为当输入、数据增强和标签同时改变时，很难解释哪些改变是有效的。

• 检查基于几何序列的数据分割和评估范围。
• 检查训练期间创建的输入和推理输入是否满足相同的标准。
• 检查即使保存并重新读取STEP，标签是否仍被保留。

把识别结果变成可在 Fusion 中执行的 CAM 作业

仅凭识别结果无法完成加工流程。在定义加工方向、夹紧方式、加工顺序、刀具和切削条件后，还需要将其连接到 Fusion 的设置、刀具和作业。

我们将仅需变更工具的情况与需要创建新作业的情况区分开来，并使用自动化回归测试验证了应用程序、工具变更和错误恢复。此过程旨在检查结果是否在成功创建后以及变更后保持一致。

可视化合作伙伴机构的仿真结果

AI 的基本表面分类和形状组合分析可识别 9 种类型的毛坯、盲孔、通孔、开式凹槽、闭式凹槽、倒角、圆角、沉孔和埋头孔。完整的示例介绍了用于实际学习的 STEP 模型的六个标签以及每个特征的 Fusion 加工路径。

在结果查看器中，可以按工序和数控程序段查看切削力与切屑厚度，并在三维中比较设计模型与加工结果。公开示例的公差标准为相对设计 ±0.15mm。加工表面波纹度和形状误差图只在包含该输出的分析中显示。

已验证独立测试集 25 个零件、1,346 个面的面级准确率（99.33%）、材料模拟以及与参考 STEP 的比较。使用真实订单零件的现场评估、实测表面粗糙度、图纸公差读取以及实际数控加工质量认证均未包含在验证范围内。