模具数字化制造中智能CAPP与系统集成关键技术研究.pdf

模具数字化制造中智能C A P P与系统集成关键技术研究 摘 要 模具数字 化制造尚处于起步阶段， 其体系结构和关键技术 仍有待进一步研究。目 前，制约模具数字 化制造的瓶颈技术 智能C A P p 及其与C A D 、 C A M的 集成技术 尚未有效解决。 本文对其中的 零件 信息获取、 特征加工方案产生、 工艺计 划优化以及 模具型腔粗铣加工的刀具优化选择等关键技术进行了深入研究， 为实 现模具的数字化 制造奠定基础。 针对 目前 C A D模型不能直接提供 C A 卫 P所需的加工特征及其工艺信息问题，提 出了一种基于知识的区域分层特征识别算法， 在特征识别和唯一性解释过程中引入相 关知识， 得到合理的 加工特征以及 特征关系树， 结合特征识别的后处理， 获取工艺设 计等所需的 特征信息，实现了C A P P 与C A D的 有效集成。 同一特征一般具有多种加工方案， 且它们在一定的生产条件下具有不同的选择优 先权。 传统的方法一 般只能获取某一特定的加工方案或者仅对各种可行加工方案的选 择优先权进行简单的定性描述， 不能为特征加工方案的灵活选择提供科学的依据。为 此， 本文提出了 一种基于人工神经网 络和反向设计来产生特征加工方案的 方法。 该方 法采用均匀设计法选择样本集， 通过神经网络学习， 获取特征在当前 几何参数、 技术 要求和生 产条 件下的可行加工方法及其选择概率。 然后， 为获取的可 行加工方法匹配 候选机床和刀具集， 结合加工余量的选择和计算， 通过反向设计，获取该特征的所有 可行加工方案及其选择概率， 为后续全局优化工艺计划过程中动态选择特征加工方案 提供依据。 为了 制订最优的模具加工工艺计划并 提高工艺计划对生 产环境的适应性， 在分析 特征加工方案 选择与零件工序排序优化关系的基础上， 提出了 一种加工方案选择与工 序排序综合优化的方法。 该方 法采用基于选择概率的轮 盘赌策略动态 选择特征加工方 案，自 动产生和调整工序优先约束， 通过稳态遗传算法进行工 序排序优化， 生成候选 最优工艺计划， 最后通过对候选最优工艺计划的比 较， 获取加工成本最低的工艺计划 ( 最优工艺计划 ) 和若干基于不同加工方案组合的近似最优工艺计划，提高了工艺计 划对生产环境的适应性，克服了当前常用工艺优化方法容易陷入局部最优的不足。 刀具 选择对模具型腔的加工质量和效率至关重要。 目 前的 方法主要依靠经验或者 仅进行单一目标优化，难以满足复杂模具型腔最优刀具参数选择的需要。为此，本文 提出了一种综合考虑总切削时间和总切削体积的模具型腔粗铣加工刀具选择多目 标 优化模型。 通过最小几何约束提取、 切削层优化合并和多步长优选算法求 解目 标函数， 得到了加工效率最高的刀具组合。 基于上述关键技术研究， 利用V C + + 和U G/O P E NA P I ， 在U GN X 平台上设计了 模具数字化制造中智能 C A P P的原型系统及其与 C A D、C A M集成的解决方案，并通 过典型的模具零件验证了系统的合理性和有效性。 关键词:模具数字化制造，C AP P ，人工神经网络，遗传算法，特征识别，系统 集成，加工方案，工序排序，刀具选择 RES EARCH ON KEYTE CHN0L0GI E SOFI NTEl J 石GENT CAP PAND S YS TE M I NT EGRA T1 0N I N M OLD DI GI TAL M ANUE ACT URI NG ABS TR ACT AI P r e s e n t ， t h e m 0 ld di gi ta I m a n u fa c t u ri ngis s t i l l i n b e gi nni n g The a r c h l t e ct u rean d key t ech n o l o gi es nce dto be fa rt h e r re s e a r c h ed. Theb o t t l c n e Ck t e chn o 1 o g i e sre s t ri ct i ng m o l d d i gi t alm an u fa Ct u ri n g ， i nt e l l i ge nt C A p Pan di n t e gr at i o n w i t hC A D / C A M ， h av e n o t b e en s o l v e dP re fe r a b 1 y. h t h i sP ape r， t h efo u rk e yt e chn o l o gi e s ，w h i ch are obt ai n i n gP art i n fo rmati on， genc ratin g fc as ib l e m a c h i n i n g s c h c m e s for e ac h re cogn止 e d fe atur e s ， O P t i m i z i n g p r o cessP l an， 即d s d e Ct i n g cut t e rsOfrou gh m i l l i n g fo r m o l d cav it yw i l 1 b e d eeP l y re s e a re h e d for co nst ru ct i ngt h c b asem e niofre a l 让 i ngm of d d i gi t alm a nufa Ct u ri n g . F 劝 r th c P r 0 b 1 em th atC A Dm o d e l c a n n otP r 0 v 1 d e d i re Ct l y 脉 m a c h in i n g fe at u re s 胡d th e ir te chn o l o gi c a l i u fo rmat i onw h i 比C 八 夕 P nc ede d ， a k n o w l ed ge一 b as e d d i s tri ctan d l a y e r e d fe at u rere co gn1 t i o n al gO ri t hm i s P r 0 P o s e d . Duri n g t h c P ro c e d u reo f fe a t ure re c 0 gni t i on a n d th e u n i q u e n e s s i n 妞 rp r e . ai 1 On， t h e re l at e d如o w l e d ge i s ut i l 让 e dtoo bt ai nth ere as o n ab l c m a Ch i n i ng fc atUrcs an dth efe at u rerc l a t i o n s h i Ptree . A ft e r thc P o s t P ro c e s s o r o f fc a t u re r e cognit i 叽 thc fea t u r e 1 n fo m1 a t i o nfOr C A P Piso b t ai n e 氏andt he in t e gr at i on o f C 六 卫 Pw it b CAD isreal七ed . A fe a t u re gen eral l yh as scv c ral m ach i n i ng s che m e s . E a c hm a c h i n l n gs chc m eh as d i fl 七 r e niP ti o ri t y i n s 0 1 n e P r odu ct i o n s i tu at i o n . 丁 七 e t ra d i t i o n a l a p P r 0 a c h ge nera l 1 y o b t a in s onc m a ch i n i n g s c h e m e o r onl y dc s crib e s the P ri 0 r i t y q u ai i t at i v e l y for fe as ib le m a c h in i n g s c h emeS . liCann o t Pr e P are P e ri 允 CtOPt iOns fOr fe a s i b l e m a c h i n i n gs c h e m ess e l eCti on. The re fo re ， an aPP roa c h b as e d o n t 址m ixo f a rt i fi c i alncu ral n e two r k and b a c kW a rdP l an币ng i s P r o pos e d . 玩 t h i s a ppro a c h ， t h cu n i fo rm d es i gn i s u s ed tos e l e cts a m P l es . T 址 。 u gh t h e l r 3 1 n e dn e u r al n e l w o rk， thc fe asib l e m a c h 1 n i n g m e t hods andt h e i r s e l e ct i o n P r o b abi l i t i esfor a fe a t u rew i t h t h e curren t g e o m e t r y and t e c h nol Ogl c airequ i re m e nia n d P rod u c t 1 on s i t u at fo n i s o b l a i n ed， 叨d t he m a c h in candt 0 0 l c a n d i d a t eS of e a c hma c h i ni n gm e t h od are m a t c h ed. Thc n ， w i thth e cal cul at i on of m a c h l 币 n ga l l ow a n cc， t h e b a c 肠 胃 a 川 P l ann i n gi s a d o P t ed toget al l feas ib I e m a c h i n i n gSC h emcs即 dth e i r 邵 l e Ction P r o b abil i t i eS . Thc fe a si b lem a c h in i n g sc h e m e s 即d t h e ir s c l eC 石 o n P ro b abi lit 此 are PreP a r e d fo r t h e nex t s c l e ct i on0 f m a c h in i n g SC h e m e s . I n o r d e r too b t a inth e P r 以 笼 s s Pl anw i thl OWcrcost fo r m o l d m a c h i 址 n g and i nCreasethe fl e x ib i l i t y ofP 叹 沁 e s s P l an， afte r a o a l yZin g t h e re 1 a t io n o f ma c h 1 ni n g s c b e m e s s e l e ct i o n and t h c o p c tati on s e q u e n d n gOPt imi z at i on， b asc don th es yst e me n 乡 n e c ri n gth e o ry， as 卯t h e 血i n g o P t i mi z a t i on a P P ro a ch for m ach i n i n g s c h e m e ss e l e c t i on and o P e ra t i ons e q u e nci n g o P t i m i z a t i o n i s P m P o s e d . I n t h i s a P P ro a ch ， b a s e d on s e l eCti on P r o b abi l i t i e s ， ro u l e t t e w h e e l s t rate gy i sa d a Pt e dt odyn a m i c a l l ys e l eCt am a chi n i n gs c h e m efor e a c hfe a ture ， andt 址 o P erat i o nP r e c e d e nce con s t r a i n t s b as e d on t h e s e l e c t e dm a ch i n i n gsc h e m e s are gen e ra t ed aut o ma t i c a I l y，t h est e a d ygen e t i ca l gor i t h m o P t i m i z i n gt h eo P e ra t i o ns e q u e nci n gisu s e dto Obt ai nt h e o P t i m alP r o “ s s P l an can d i d at e . Thro u gh com P ar i n g th e o P t i m alP r o c 吧 s s P l a n c an d i d a t e s ge n e r a t edfromd i ffere n t m a c h 1 n i n g s cheme s s e l e c t e d fOr e a c h fe a t u re ， th e opt im al p r oce ss P l an andn e ar-o P t i malP roCess P l ansb ase don t h ed i fferen t m a c h 1 n i n gs c h em e s s e l e ct ed for e a c hfeat u re ar eo bt al n e d . lii n c re as e st h efi e x i b i l i t yo fP roc e s sP l a n ， a n d ove rcom e sth ed i s a d v anta gc t r a P P 1 n gi nl OCa 1o P t i m u m i ncu rrent gen e r a lP r o CC s s o Pt i m i z a t i ona P P ro a c h es . C u t t e r s e l ect in n i s i m P o rt ant for ma c h i n i n g qua l i t y and e 月 七 d i v ene s s inm o l d cav i ty. The curreniap P ro a c h e s m a i n l y ds P e n d o n e x P e ri e n eeo r s i n gl e 一 o bj e CtOPt i m i z at i on. h i s d i ffi cul t tos a ti s fy 阮 re qul r e 们 口 e ntfor se l e c l i n go p t l m aicut t e r P a r a 们 n e t e rsi n c o r 口 P l exmo l d c avi t y.hi 。 r d c r t o so lv c t h e P ro b l em o f s e l e cting o Pt haa I cu t t e rsfo r m i l 1 i n g mol d Cav i ty，a m u l ti 一 ObjeCt oPt i m 让 at fo n m o d e l co n s i d e ri n g th e to tal m ac h i n i ngt hae and tOtalre mOV e d m a te ri a l v 0 I u m c i nth erou gh m i l l i n gisP roP o s ed. Thee x t r a c t iO nof m i n i m u m g e o me try con s t ra i n t ， th e oPt i m 仕 i ng c o n 1 b i n at i o na l gOr i t h m forcut t i n glcve is ，a n dt h emu l t i P l yd e P t hP er CUt o P t i m 止 a t i on s el e c t i n gaPP r o achare d eve l o P e dtosol v e t h e m ode l . Th e cutt e r com b i n ation w i thh i ghe s t m a c h 认 i n g r a l e i s o b t a ined. B asedon t h e abovc k cy t ech n o l o gi e s re s e a r c h ， u s in gVis u a l C + + 6 . oa n dU G/o p E NA P I on thcP l at fon nOf U GN X， aPro to t y P es y s t e mo f in te l l i gen t C A 卫 Pa nd in t e gra t i on w it h C AD / C A Mi n m o l d d i gi ta l manu fa c t u ri ng i s d e v e l o P c d . T 脚 o tyP i cal P a rtS OfP l ast i c m o l d are u s e d tov al i d at e t b e fe a s i b i l i t y and v a l i d i t 犷 K E Y WO R D S : mo l dd i gi t al m a nufa c 加ring， C A 卫 P， arti fi c i al n c u r ai n e l w o rk， gcn e t i c a l gori t h m ， fe a t u rere cogni t i o n ， s y s t e mi n t e g r a t i on， m ac h in i n g sc h e m eOPe rati 0 nS邢 q u e n ci n 肠 c u t l er s e l e Cti o n 上海交通大学 学位论文原创性声明 本人郑重声明: 所呈交的学位论文， 是本人在导师的指导下， 独立进 行研究工作所取得的成果。除文中己经注明引用的内 容外， 本论文不包含 任何其他个人或集体已 经发表或撰写过的作品成果。对本文的 研究做出重 要贡献的个人和集体，均己在文中以明确方式标明。本人完全意识到本声 明的法律结果由 本人承担。 学 位 论 文 作 者 签 名 : 劣 协 日期:2 0 0 6年 9 月 1 2日 上海交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、 使用学位论文的规定，同意 学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文 被查阅和借阅。 本人授权上海交通大学可以将本学位论文的全部或部分内 容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存 和汇编本学位论文。 保密 口，在_年解密后适用本授权书。 本学位论文属于 不保密口。 ( 请在以 上方框内打 “ J” ) 学 位 论 文 作 者 签 名 : 龙 灿 指 导 教 师 签 叮 芝 如 至 日 邺 月 乃丫、了/ 年 扬 日 期: 2 0 0 6年 9 月 1 2日 日期 第一章 绪 论 L l引言 目 前， 在工业发 达国 家， 数字 化制造已经成为提高企业和产品竞争力的重要手段。作为制造 业的重要部分，模具数字化制造是 21 世纪模具技术的核心111 .据统计，在现代工业生产中， 60% 90%的工业产品需要使用模具生产， 模具工业己经成为国民经济的基础 1 几 业。根据国际生产 技术协 会的 预测， 本世纪机械制造工业中零件粗加一的75%， 精加 的50%都需要通过模具来完 成， 其中 汽车 、 电 器 、 通 信 、 石 化 和建 筑等 行 业 最 为 突出 12 。 模 具 技术己 经成 为 衡 量 一 个国 家 产 品 制造水平高 低的重 要标志，决定着产品质量、效益和新 产品的开发能力。美国_ 业界 认为“ 模 具工业是美国工 业的 基石”，而日本则称 “ 模具是促进社会 繁荣富裕的 动力” 。 我国模具工业起步较晚。1 9 89年3 月，国务院顽布的 关于当前 产业政策要点的决定中， 把模具 列为 机械_ 业技术改 造序列的第一位， 生 产和基本建设序列的第二位; 1997年以后， 又把 模具及模具加工技术和成型设备列入国家重点发展产业， 同时对50多家国有专业模具厂实行增值 税退还70%的 优惠政策， 扶植模具工业的发展。 这充分体现了国家相关部门对发展模具工业的重 视和支 持，也体现了模具 L 业在国民 经济中的重要性131 。近年来，我国模具一 f 业虽然发展较快， 但与发 达国家相比仍有较大的差距， 还难以适 应我国国民 经济高速发展的需要， 特别是“ 大型 、 精密、 复杂、 高 效和长 寿命中 高档 模具” 仍主 要依赖进口。 随着世界经济一 体化和全球化制造的发展， 制造业市场竟争将更加激烈， 产品 更新周期不断 加快， 用户需 求趋于多样化和个性化， 这对制造业提出了新的挑战，同时也使模具工业面临新的 机遇和挑战，即要求模具交货期短、 精度高且成本低。为了满足快速多 变的市场需求， 传统的模 具设计与 制造技术必须加以改进。随着科学技术特别是计算机和信息技术的飞速发展，计算机辅 助技术已经成为现代模具设计制造的重要支撑技术，并形成了模具计算机辅助设计 ( CA D)、计 算机辅 助制造 ( C A M) 、 计算机辅助工程( C A E ) 、 计算机辅助工艺设 计 ( c o m PuterAid edPro ce ss Pl an n in g ， C A p P) 等 一 系 列 分 支 技 术。目 前 国 内 的 模 具 制 造 企 业约2 00 00家， 其 中50% 一 印% 的 企业能 较好地应用C A D 了 C A E I C A M技术。虽然我国模具C A D / C A M技术取得了 较大的成果，但 大多仍停留在较低层次的使用，而许多深层次技术没有得到很好的开发应用，尤其是作为 C A D/CAM 桥梁的 C A P P ，由于其自身的特性，仍然制约着模具数字化制造技术的发展和应用。 本文深入 研究模具数字化制造中智能C A P P 与系统集成关键技术，以期为模具数字化制造技术的 实施奠定基础。 L 海交通大学博十学价论文 1 .2数字化制造技术的发展 数字化制造技术是一项融合数字化技术和制造技术， 且以制造f : 程科学为理论基础的制造技 术重大革新，是先进制造技术的 核心，有着) 阔的应用前景141。 它主要包括以 二大技术群:由 C A X / K B E jVM等技术为主体组成的设计数字化技术群; 由C N c/高速切削/ 智能控制等组成的制造 自 动化技术群;以S T E P /P D M/E R P /P L M工程数据库 / 网络技术等为平台的系统集成与管理信息 化 技术群14， ，lo 近年来，随着信息技术的迅速发展，信息技术与制造技术相融合，使制造日益走向数字化， 制造技术发展日益加快。 在发达国家的人型企业中， 己开始实现无图纸生产， 厂 泛使用 C AD I C A M， 例如，美国波音 7 7 7飞机实现的无纸设计被认为是设计和生产过程数字化的重要标志。制造过程 技术在快速成型、并联机构机床、机器人化机床、多功能机床等整机方面和高速直线电机、软件 补偿精度等单元技术方面先后有所突破，为数字化制造技术向纵深发展创造了条件。数字化制造 技术， 如数控技术、 制造信息支持系统以 及C A D /c A M / C A P P 了 C A E /NET 为 土体的技术等在我国已 有不同程度的发展。 数字化制造技术将日 益成为 我国制造业的主流制造技 术141 。 在数字 化制 造中， 信息是企业的命脉。制造是信息驱动的，制造信息在制造活动中具有知情、累积、转化、物化、 知化、决策和控制的作用，是支配型的，对制造企业的成功运作至关 重要161。 数字化制造的日 标 就是要根据用户需求，迅速采集有关信息，并对产品 信息、工艺信息和资 源信息等进行分析、 规 划和重组，从而基于数字化环境实现产品设计、功能仿真、甚至原型制造，以便快速响应动态多 变的市场需求1，1 。 为了振兴我国的制造业， 今后数字化制造技术的研究、 开发和应用要 着重解决141 :( 1) 继续 扩大 C A D / C A M在制造业的应用; (2) 在 N C 、C N C应用的基础上， 将C A D /RP /C A M / C N C等 链接起来， 实现快速无纸柔性制造;( 3) 建立单元制造工艺体系， 提高 单元工艺水平及其标准化 程度;“) 大力开发制造上、中、 下游用制造软件及其通过协议可链接应用技术， 加快海量制造 T程数据库和数字化制造信息支持系统的建造。 1 .3智能 C 八 r P 的关 键技术及其研究现状 下艺设 计是一个十分复杂的工作，需要很多的经验和专业知识。 它涉及加工方法、加工设备 艺的 选择问题，也涉及工序排序等的决策问题。传统的工艺设计方法所得到的工艺计划存在因人 而异、难以统一和标准化等局限 性，已经远不能适应当前制造行业发展的需要。随着计算机技术 的 发展，计算机辅助工艺设计 ( C 六 尸 P) 得到了发展和应用，并成为数字化制造中实 现 C A D Z C A M 集成的桥梁和纽带。 第一章 绪 论 世界 上第一个C 八 卫 P 系统一， A U T O P R O S于1 9 69年在挪威诞生。 随后， 美国C A M 一 1 也开发 了 类似的 变异型C A P P 系 统。 它们都以成组技术为基础，利用编码系统建 立零件族的标准 L 艺规 程， 通 过 检 索 标 准J : 艺 并 加 以 修 改 的 方 式 来 完 成 对新 零 件 的 艺 方案 设 计 。 20世 纪80年代 ， w y 北 【 ， 开发了创 成型C A P P 系统 A P P A S 。 德国A . c h en f 业大学的A U T A 卫 、 美国Purd ue大学的nP P s 、 美国C A M一 1 的X P S 一 1 、 英国U MlsT大学的XP L A N等创成型C A P P也相继开发出来。 创成型C A P P 系 统的核 心是决策逻辑。 它的 基本思路是把技术人员设计1 二 艺过程时的逻 辑推理和决 策方法转变 成计算机 可以处理的决策 模型和算法 程序，在工艺设计过程中由 计算机运行 这种程序，自 动生成 一个新零 件的工艺规程。由于工艺设计过程的复杂性和多样性， 真正实用的完全创成型系统至今 尚 未 开 发 出 来 同 。 上 述 系 统 只 能算 是 半 创 成 型， 即 在系 统中 包含 有 一 部 分 决策 逻 辑， 而 其关 键的 工序工步 排序部分或采用前 述的标准工艺法来实现或通过人机交互方式来完成。自50年代以来， 我国各大 学也纷纷推出自 己 研制的C A P P系 统， 如华中科技大学的开目C A p P 、西北工业大学的 金叶C A P P 、 上海交通大学的思普C A P P 、 消华大学的口r l l c A P p 、 同济大学的T O I C A P P 等， 它们 代表了我国 工艺设计自 动化的研究历程和巨 大进步。 随 着人工智能技术的 发展，以推理和知识为特征的智能C A P P也随之产生。 知识的获取和表 示成为智能C A P P 系统的关 键技术之一。 由于工艺设计的复 杂性以及知识获 取的困难， 智能C A P p 仍然是一 个有待深入研究的问题191 ，并 成为制约数字化制造的瓶颈技术。 日 前， 虽然C A D和C A M都有了相对成熟的商品化软件， 但是C A D 、 C A M基本 属于独立运 行的孤岛系统， 要实现模具数字化制 造， 必须解决C A D Z C A M集成的问 题。 由于C 八 夕 P 是C A D / C A M 的桥梁， 所以 只有解决好C 八 卫 P 的关键技术以 及C A P P 与C A D和C A M的集成技术， 才能实现真 正意义上的数字化制造。 当前数字化制造中智能C A P P的 儿个主要关键技术包括:( 1) 零件信息 的获取; (2) 特征加工 方案 的产生; (3) 工序排序优化; “) 工艺知识的获取与表示; ( 5) 计算机辅助刀具选择: (6)与生产调度集成; (7) C A P P / C A M集成。 下面分别对上 述各关键技 术及其现状进行讨论。 :3 零件信息获取与C A D / C A PP 集成 零件信息是C A p P 系统进行工艺设计的 对象 和依据， 而如何获取零件信息是C A P P 系统的关 键问题之一。目 前主要有人机交互获取和从 C A D模型中直 接获取两种方式。 其中，人机交互获 取方式存在过程繁琐、费 时、易出 错等问题，只 适用于非常 简单零件的信息获取和对从 C A D中 直接获取信息的必要修改或补充。 从C A D模型中 直接获取零件信息的方式可以 实现C A P P 与C A D 的有机集成， 是最理想的 方式。目 前， 特征技术被认为是实 现C A D / C 八 卫 P 集成的 有效途径， 其主 要方法有特征识别、 特征映射和特征造型。 一 特征技术的基本内 容 1 . 特征识别 3 L 海交通大学博十学价论文 特 征识 别( Fe a tu reR c co gnit io n) 是 为了 获 取 相 关 的 特 征 信 息 而 对 儿 何 模型 的 一 种 解 释 191 .目 前， 特 征识 别 的 土 要 处 理 方法 有 : 基于 图 的 方 法 11 叼 习 、 单 元 体 分 解 法 p 6-2 1 、 基于 线索( Hi nt 七 a se d) 法122 ， 拼、 基于 特征造型的方 法阵29) 等。 在特征识别中，相交特征的识别是公认的 难点，而相交 特 征的多种解释又构成了 特征识别的新问题。 2 .特征映射 特征映射 Rat u reM 叩p i ng) 又称为 特征变换， 是指从同一产品对象的一种应用特征 ( 或观 点)向另一种应用特征的转换191 。特征信息与具体应用密切相关， 对于 给定的产品特征，不同的 应用观点 或工程任务需要有不同的特征集来描述它们各自 感兴 趣的 信息。根据特征信息在设计 域 与分析、 制造域间的 转换关系， 特征映射方法可以归纳为直接映射法即 。 川 和间接映射法脚 1 。 特征 映射技术虽然在理论上可以把产品的设计 特征模型转换为加_ 几 特征模型， 但是，目 前还无法建立 完善的特征映射模型。 3 . 特征造型 特征造型又称为特征建模或者基于特征的设计，是指用特征来设计零件。通过特征造型所得 到的零件模型称为 特征模型。由于特征可以包含产品的高 层次 信息以 供其它模块使用， 特征 造型 已经成为产品设计的主要方式。日 前大多 数商品化C A D系统，如 U O 、P R O /E、 S O uD W o R K S 等，虽然都提供基 于特征的造型系统，但它们和C A M系统之间尚 未实现信息共享。因为当C A D 和 C A M来自 不同的开发商时，由于 参数化的数据交换尚 未标准化，导 致特征的参数数据不能 共 享;即 使C A D和C A M来自同一开发商 ( 如U GC A D和U GC A M) ， 尽管它们存在内 部的联系， 但由于开发商仅将 特征处理为构 造 “ 宏”， 如S we叩， Extrude等， 特征仍然不能 从C A D模块直 接传递到C A M模块133 】 ，导致在集成时仍需要进行特征识别或变换。 二.基于特征的零件 / 产品 建模技术 基于当前商用C A D系统实 现基于特征的 产品信息建模所涉及的 几个关键技术包括: ( D 特 征识别的方法; (2) 特征关系的描述; ( 3) 非儿何信息的表达和获取。 1 .特征识别的方法 ( D 基于图的方法 Jos hi等110 1 基于图的启发式方法， 提出了 从 3 D实体模型中识别加工特 征的方法，该方法可以处理两种类型的相交特征:一种是相交特征 之间仅有公共的边:另外一种 是它 们 共 享一 个 面 ， 且交 叉 时 其中 一 个 特 征的 一 个 面 被 劈开 。 文 献 1 11 ， 1 21 也开 发了 基于 图 识 别 技术来识别相交 特征。 刘文剑等115 1 使用辅助面、 延伸面相结合的方 法， 对零件的属性邻接图 表示 进行扩展，使扩展后得到的图 在被分解后能够真实 地表示零件的加工特征. o ao等1 14. 5 提出了 基 于最小条件子图的 特征识别方法，该方法将通常基于图的识别和基于线索的识别相接合， 可以 产 生对相交特征的不同解释。 (2) 单 元体 分 解 法 A n 刀 s t r o 幻 9 1 16 在20世 纪50年 代 初 提出 了 基 于 单元 体 分 解 进 行 特 征 识 别 的思想，并用于生 成数控加工 编码。G cne ral D vna m i cs公司 提出了 通过对零件的切削体作单 元体 第一章 绪 论 分解而进行加L 特征识别的方法。零件的切削体是指加 工该零件需要从选定的毛坯中切削掉的 总 体积，即毛坯减去零件的最终实体。由于零件的切削体是加工特征的体积总和，因 此基于 零件的 切削体分解进行加 特征识别 更加合理， 现己被广泛采用117】 。 sakurai 等 1151 对基于 单元体分解的 特征识别方法进行了深入的研究，提出了最小凸单元体分解及其组合的方法。该方法能够有效地 识别相交特征，并能够提供相交特征的多种解释，但存在两个突出的问题: ( 1) 需要进行大量的 求交计算， 其效率很低;(2) 生成的特征解释太多， 造成特征解释处理上的困难。 针对这些问题， 在文 献 【 19 ， 加 1 中 ， 他 们 又 提出 了 基于 切 削 体的 最 大 凸 分 解 进 行 特征 识 别 的 改 进 方 法 。 s he n 等 121 1 提出一种基于 半空间剖分的特征识别算法。通过采用半空间技术，有效地避免了 最小凸分解过程 中不必要的面面求交， 从而提高了 识别效率。 ( 3 ) 基于 线索的识 别方法 线索是指一个特征实 例在零件C A D模型中的 存留 信息。 线索可 以是儿何拓扑信息， 也可以是设计 特征、 公差等其它信息. v an血由口 n de等【 22 提出了基于线索的 特征 识 别 方 法 ， 并 通 过 扩 展 的 儿 何 推 理 (e xt 叨 si v o ge o m et ri c re asoni ng) 最 终 产 生 一 个 体 积 特征 H an等 1 23 基于 线 索的 方 法， 结合 人工 智 能 技 术 和0 0 FF( 。 衍 ecto 血n 喇 Fc a t u r e Fi nd er ) 系 统中 的 几何完备程序，用启发式方法搜寻满意解，在下游需要的时候再寻找替代解释。在线索方法中引 入人工智能技术，考虑更 加周全的 可用信息， 将是一个有潜力的研究方向。该方法的关键在于如 何将众多 的不同 类型的 数据进行有效地组织和综合分析。 (4) 基于 特征 造型的 方法 1 刁 a k k o等【24 通过动态地比较零件设计前后的属性图，提出了增 量式特征识别方法。但是，他们没有提供将设计特征交义所产生复杂结构的结点拆解为独立加工 特征的机制。 M arti no 等 【 251 提出了 通过中间 几何模型来集成特征造型和特征识别的 方法。其不足 在于特征模型的高层信息没有得到充分的利用，而低层的几何和拓扑计算又使得系统效率较低。 H an等1 26基于 特征模型的名 义几何、造型特征、公差和属性等的组合， 提出了一个启发式推理算 法来识别加工特征。 它使用了 高层设计信息， 但不能识别凸特征。 ue 等127. 洲提出了一种从 特征 模型中基于S T 佗 P 识别 加工特征的几何推理方法，但不能处理交义类型，也不能识别组合特征和 阵列特征等复杂特征。 U等脚 假设 特征的造型是采用ZD 轮廓拉伸的方式。在此基础上， 一个特 征识别器根据设计特征的属性和特征间的相互关系将零件的设计特征模型转换为中间加工特征树。 然 后，通过加工特征的 合并、 拆解和进刀方向判断来产生加工特征的 不同 解释，并通过加工特征树 中的A N D /oR 运算符加以 表达。最后，从加工特征树中 选出 对应加工成本最低的一种特征解释。 交叉和复合特征在进行分解的过程中存在多 种可能， 它们对应着加工 特征的多 种解释. T s e n g 等 134 通 过 延 拓 零 件的 加 工 面 ， 将 零 件总 的 去 除 体 积分 解 为 一 系 列 小 的 单 元 体， 然 后 依 次 沿 着x 、 y 、 2方向连接这些小的单元体组合为加工特征，当选取的初始连接单元或连接方向不同时，就会得 到不同的特征解释。该方法主要适用于特征的垂直相交情况，且由于每个初始单元都有多个延拓 方向，沿不同 方向 进行组 合会产生指数级个数的不同解释。 u. 等圈基于已有的特征模型，采用 相交体分解的 方法来确定 相交特征的加工工艺次序， 但该方法对特征建模要求严格。高曙明等11 习 卜 海交通大学博十学位论文 认为产生多 种解释的 全集是不切实际的， 因 此， 最好基于 加f 的启发式规则产生 “ 满意” 的解 释， 供 卜 游应用从中挑选。 特征的多种解释构成了 特征识别与_ 1 二 艺优化中的新问 题。 其可能的 解决方法是将 卜 游应用领 域 ( 如一f 艺设计领域)的 知识引入到特征识别过程中， 使得在进行 特征 识别的同 时能够基于 相应 的知识直接生成下游应用所需要的 特征表示， 而不是盲目 生成所有的 特征解释。 2 . 特征关系表达 零件上各特征 ( 包括体特征和面 特征)之间存在着各种关系， 如父子关系、基准关系、相邻 关系等。特征关系的合理表达是 1 二 艺决策的重要基础。 陈德伟等1351将特征关系分为不同 层次上特征之间的关系和同一层次上特征之间的关系。 同一 层次上特征的位置关系及连接顺序通过特征的坐标来确定，并通过建立适当的数据结构来记录。 不同层次的特征间关系用特征树 和线性表来表示。 徐啸峰等【 36 将特征之间的关系划分为相互独立 关 系 和关 联 关 系 ( 如 父 子 关 系、 约 束 关系) ， 并 提出 了 特征 图 来 表 达 特 征 之间 的 关 系 。 Roy 等 溯 利用 csG 瓜r 叩 混合结构来描述特征间的相应关系和特征组成元素 之间的 儿何拓扑关系。 G o mes 等 【35 和G o ss a rd等 139 也 提出 了 类 似的 特征 关 系 描 述 方法 。 孙 知 信 等 14OJ在 分 析了 特征 之 间 存 在的 各 种 约束 关 系 基 础 之上 ， 采用 一 种 特 征 关 系图( Fe at u re Relat i on sh iP Gr aP h ， FRG ) 来 表 示 这 些 关系 及其 属性 ， 并 给出了 管 理FRG 的 具 体 算 法。 文 献 【 41， 4 2 他分别 讨 论了 特征 关 系 图 的 构建 和 应 用 。 3 .非儿何信息的表达和获取 ( 1 )非) L 何信息的表达 非几何信息主要包括:尺寸及其公差、形位公差、表面粗糙度等，它们反映了设计者的设计 意图。 非几何信息的表达依赖于 特定的载体， 载体可以是特征， 也可以是面、 边、 点等儿何实体。 劫 ds rson等143提出了一种基于矢量的 公差与几何特征相关联的方法来表达非 几何信息。 Fuh 等【44 也 采 用了 将 非 儿 何 信息 与 加 工 特征 相 关 联的 方法。 Ji ang 等 145 】在自 动 工 序 推理 系 统( APP s) 中采用编码的方法来表达与 特征相关联的非 几何信息。 姜少飞等1例在特征属性识别中 建立尺寸、 形位公差等标注信息与 其载体特征的关联关系。由于用特征 作为非几何信息的载体具 有存储空间 较大、造型过程中精度特征的有效性难以保持、C AP P中非几何信息访问效率不高等问题，所以 其应用受到了较大的限制。 ou 等147 】 基于Auto so li d 开发的 箱体类零件C A D Z c A p P 集成系统采用了几何面作为 载体来描述 零件的非几何信息。s h 曲 等哪 提出 一种尺寸图来描述零件各几何元素间的尺寸及其公差.文献 4 9 一 52 1 均 采 用儿 何 面 作 为 载体 来 描 述 非 几 何 信息 。 顾 琳153 】 在 以 几 何 面 为 载 体的 基 础 上 ， 采 用 中 介 信息元来表达零件的非几何信息及其所依附几何面的几何信