（计算机应用技术专业论文）具有健壮性的加工特征识别系统研究及其应用.pdf

摘要 特征技术是实现c a d c a m 集成的重要产品建模技术。如何在不同的 c a x 系统间有效地传输产品信息，是面向产品生命周期建模的核心问题之 一，工业界对此的需求也日益迫切，其中特征识别扮演了重要的角色。 提高特征识别在c a d c a m 集成中的实用性首先应提高特征识别系统的 健壮性和可扩展性。本文介绍了我们在特征识别方面的研究工作以及具有健 壮性的混合特征识别系统z d a f r s 的开发： 1 研究提高加工特征识别系统健壮性的策略。包括提高基于最小条件子 图的特征识别算法健壮性的措施，以及通过交互特征定义与自动特征 识别有机集成的混合式特征识别方法。总结了影响基于图特征识别方 法的几个因素，提出了可靠的分割面处理、合并面处理和虚链生成算 法来保证系统自动特征识别功能的健壮性。提出交互特征定义与自动 特征识别集成的混合式特征识别的策略，以自动特征识别为主，采用 交互特征定义辅助性地局部修改和调整自动特征识别中不准确或未 能识别的局部，使系统具有更好的实用性。 2 研究基于知识的加工特征合理解释生成的方法。提出基于加工知识和 凸边延拓给出合理特征解释的方法。对具有凸边的p o c k e t 类特征和 相交的简单特征采用不同的策略分开处理。p o c k e t 类的再解释出发点 是基于工艺知识分解为简单特征；相交的简单特征是通过对其相交的 凸边界边提供不同的延拓策略实现的。在再解释过程是基于最d , n 3 ： 条件子图的方法，避免体分解的方法了大量求交操作，引入了加工规 则避免了解释的盲目性。 3 研究基于特征识别的机械加工零件铸造、锻造毛坯自动生成方法。把 特征识别技术引入毛坯的设计中，借助特征识别和体特征生成技术， 基于假想毛坯对零件进行特征识别，采用逐步细化迭代求解策略生成 零件的铸造或锻造毛坯的方法。为毛坯图的自动生成提供了全新的思 路。 4 面向实用化的健壮的加工特征识别系统的开发。z d a f r s 系统采用 层次化的组件结构，由几何核心和基于最小条件子图的特征识别算法 构成系统的底层核心，其他自动识别、体特征生成、交互特征定义、 合理解释生成、自定义特征添加和毛坯生成等构成系统的功能层，并 提供了友好的用户界面和与其他应用的接口。 最后对全文进行了总结，指出了目前工作中尚存在的不足并对今后的研 究工作进行了展望。 关键词特征识别；最小条件子图；加工特征：特征合理解释；毛坯生成 本文受国家自然科学基金项目“面向并行工程的产品建模方法研究( 项目 编号：6 9 9 7 3 0 4 5 ) 和国家8 6 3 高技术研究发展计划“自动特征识别技术及其在 c a d c a m 中的应用”( 项目编号：8 6 3 5 1 卜9 4 2 0 1 7 ) 的资助 a b s t r a c t f e a t u r et e c h n o l o g yi sc r u c i a lt ot h ei n t e g r a t i o no fc a d c a m s y s t e m s ，h o w t o e f f i c i e n t l yc o m m u n i c a t ea m o n gd i f f e r e n tc a xs y s t e m si s o n eo ft h em o s t c r i t i c a li s s u e so fp r o d u c tl i f e c y c l em o d e l i n g w h i l et h es u s p e n d i n gn e c e s s i t yo f i n d u s t r i a lf i e l d ，f e a t u r er e c o g n i t i o ni sc o n s i d e r e da st h ek e yt e c h n o l o g yt os o l v e t h ep r o b l e m t h er o b u s t n e s sa n de x t e n d a b i l i t yo ff e a t u r er e c o g n i t i o n s y s t e m sa r e ，f i r s to f a l l ，t h et w om o s ti m p o r t a n tf a c t o r st ot h ep r o a c t i c a b i l i t yo ff e a t u r er e c o g n i t i o n t e c h n o l o g yi nc a d c a mi n t e g r a t i o n t h i sp a p e rp r e s e n t so u rr e s e a r c hw o r ko n f e a t u r e r e c o g n i t i o nt e c h n o l o g ya n dt h ed e v e l o p m e n to fz d a f r s ，ah y t r i d f e a t u r e r e c o g n i t i o ns y s t e m w i t hr o b u s t n e s s i t m a i n l y c o n t a i n s ： 1 s t r a t e g y o f e n h a n c i n g t h er o b u s t n e s so f m a n u f a c t u r i n g f e a t u r e r e c o g n i t i o ns y s t e m s t h em e a s u r e so fe n h a n c i n gt h er o b u s t n e s so fa n a u t o m a t i cf e a t u r e r e c o g n i t i o na l g o r i t h m b a s e do nm i n i m u mc o n d i t i o n s u b g r a p h ( m c s g ) ，a n da na p p r o a c ht oh y b r i df e a t u r er e c o g n i t i o nb y i n t e g r a t i n gt h ed e f i n i t i o no fi n t e r a c t i v ef e a t u r e sa n da u t o m a t i cf e a t u r e r e c o g n i t i o n ，a r ed e s c r i b e d o nt h eb a s i so fa n a l y z i n gt h ef a c t o r sa f f e c t i n g t h eg r a p h b a s e df e a t u r er e c o g n i t i o nm e t h o d s ，r e l i a b l ea l g o r i t h m sf o rf a c e s p l i t t i n g m e r g i n g a n dv i r t u a ll i n k sa r e p r e s e n t e d t oa c h i e v er o b u s t a u t o m a t i cf e a t u r er e c o g n i t i o n ah y b r i df e a t u r er e c o g n i t i o na l g o r i t h m ， w h i c hi sm o r e p r a c t i c a b l e ，i sp r e s e n t e d a n d d e v e l o p e d w i t ht h e i n c o r p o r a t i o no fi n t e r a c t i v ef e a t u r ed e f i n i t i o ns e r v e da sa na u x i l i a r yw a y t oa d j u s tt h el t e a la r e a sf a i l e dt ob er e c o g n i z e db yt h ea u t o m a t i cf e a t u r e r e c o g n i t i o np r o c e s s 2 a p p r o a c h t ot h ea u t o m a t i cg e n e r a t i o no f t h e i n t e r p r e t a t i o n o f m a n u f a c t u r i n gf e a t u r e s a na p p r o a c ht ot h ea u t o m a t i cg e n e r a t i o no ft h e i n t e r p r e t a t i o n o f m a n u f a c t u r i n g f e a t u r e si s p r e s e n t e d b a s e do nt h e m a n u f a c t u r i n gk n o w l e d g ea n dt h ee x t e n s i o no fc o n v e xe d g e s s i m p l e i n t e r a c t i n gf e a t u r e sa n dp o c k e tf e a t u r e sw i t hc o n v e xe d g e sa r ec l a s s i f i e d a n dp r o c e s s e dw i t hd i f f e r e n ts t r a t e g i e s t h er e i n t e r p r e t a t i o no fp o c k e t f e a t u r e si sb a s e do nt h ep a r t sd e c o m p o s i t i o ni n t os i m p l ef e a t u r e sw i t h p r o c e s sk n o w l e d g e ，w h i l et h er e i n t e r p r e t a t i o no ft h es i m p l ei n t e r a c t i n g f e a t u r e si sa c h i e v e d b ye x t e n d i n gt h e i ri n t e r a c t i n g c o n v e x e d g e s i n d i f f e r e n tw a y s t h em i n i m a lm a n u f a c t u r i n gc o n d i t i o ns u b g r a p hi su s e d t ot h e g e n e r a t i o n o ft h e r e i n t e r p r e t a t i o n o fm a n u f a c t u r i n gf e a t u r e st o r e d u c et h e o v e r w h e l m i n gc o m p u t a t i o n a l l o a do fs u r f a c ei n t e r a c t i o n s i n t r i n s i ci nt h ec e l l b a s e df e a t u r e r e c o g n i t i o nm e t h o d s ， a n d m a n u f a c t u r i n g r u l e sa r ei n t r o d u c e dt o i m p r o v e t h e a c c u r a c y o ft h e r e i n t e r p r e t a t i o n 3 m e t h o do fa u t o m a t i cg e n e r a t i o no fc a s t i n ga n df o r g i n g w o r k p i e c e s a n o v e lm e t h o do fa u t o m a t i c g e n e r a t i o no fc a s t i n ga n df o r g i n gw o r k i e c e s i sp r e s e n t e db a s e do na u t o m a t i cf e a t u r er e c o g n i t i o n g i v e na p a r ta n da n a s s u m e dr o u g h c a s t ，a u t o m a t i cf e a t u r er e c o g n i t i o ni sf i r s t p e r f o r m e do n t h ep a r t ，t h e nv o l u m ef e a t u r e sa r eg e n e r a t e da u t o m a t i c a l l yt o a c q u i r ea m o r ea c c u r a t ew o r k p i e c e t h i sp r o c e s si t e r a t e st i l lt h ei d e a lc a s t i n ga n d f o r g i n gw o r k p i e c e i sg e n e r a t e d 4 d e v e l o p m e n t o ft h er o b u s ta n dp r a c t i c a l m a n u f a c t u r i n g f e a t u r e r e c o g n i z a t i o ns y s t e m ah y b r i d f e a t u r e r e c o g n i t i o ns y s t e m w i t h r o b u s t n e s s ，z d a f r s ，i sd e v e l o p e d t h es y s t e ma d o p t sah i e r a r c h i c a l c o m p o n e n ts t r u c t u r ea n dc o n s i s t so ft h r e el e v e l s a tt h eb o t t o mo ft h e h i e r a r c h yi s t h ec o r el e v e l ，w h i c hi sc o n s i s t e do ft h eg e o m e t r ye n g i n e a n dt h em c s g - b a s e da u t o m a t i cf e a t u r e r e c o g n i t i o na l g o r i t h m t h e m i d d l el e v e la c t sa st h ef u n c t i o n l e v e l ，w h i c h p r o v i d e s as e to f s u p p o r t i n gf u n c t i o n ss u c ha sa u t o m a t i cf e a t u r er e c o g n i t i o n ，a u t o m a t i c g e n e r a t i o n o fv o l u m e f e a t u r e s ， i n t e r a c t i v ef e a t u r e d e f i n i t i o n ， r e i n t e r p r e t a t i o n o f f e a t u r e s ，a d d i t i o n o fu s e r - d e f i n e d f e a t u r e s ，a n d a u t o m a t i cg e n e r a t i o no fc a s t i n ga n df o r g i n gw o r k p i e c e s t h et o p l e v e l o f f e r st h e u s e r - f r i e n d l yg r a p h i c a li n t e r f a c e a n dt h ei n t e r f a c et oo t h e r a p p l i c a t i o n s f i n a l l yt h ep a p e rd r a w sac o n c l u s i o na n dd i s c u s s e ss o m es h o r t c o m i n g so f t h ec u r r e n ts y s t e m ，w h i c hs h o u l db ea d d r e s s e di nt h ef u t u r e k e y w o r d s ：f e a t u r e r e c o g n i z a t i o n ，m c s g ，m a c h i n i n g f e a t u r e ，f e a t u r e r e a s o n a b l ei n t e r p r e t a t i o n ，g e n e r a t i o no f w o r k p i e c e s t h i st h e s i si s s p o n s o r e db yn a t i o n a ln a t u r a ls c i e n c ef o u n d a t i o np r o j e c t - “r e s e a r c ho nc o n c u r r e n t e n g i n e e r i n go r i e n t e dp r o d u c tm o d e l i n gm e t h o d ( n o 6 9 9 7 3 0 4 5 ) a n dn a t i o n a l “8 6 3 ”h i g ht e c h n o l o g yd e v e l o p m e n tp l a nf o u n d a t i o n p r o j e c t “a u t o m a t i cf e a t u r er e c o g n i t i o nt e c h n o l o g ya n di t s a p p l i c a t i o ni n t h e i n t e g r a t i o no fc a d c a m ”( n o 8 6 3 5 1 1 9 4 2 0 1 7 ) 一v 第1 章绪论 1 1 基于特征的c a d c a m 技术概述 c a d c a m 是当代最重要的工程技术之一，它的应用从根本上改变了过 去的手工设计绘图、凭图组织生产的技术管理方式，使得包括包括二维工程 绘图、三维几何设计、有限元分析、数控加工、仿真模拟等在内的产品的设 计工作可以在计算机上交互进行，有力地促进了高新技术的发展和新产品的 更新换代。作为关键的共性技术，c a d c a m 的广泛应用必将促进人们思想 观念、工作模式、生产方式的转变，由此对世界经济可能产生的影响，可以 与十八世纪的工业革命相比拟，因此c a d c a m 技术的发展和应用水平已成 为衡量一个国家科技现代化和工业现代化水平的重要标志之一【1 l 。 c a d 的发展历史最早可追溯到上个世纪5 0 年代，代表性工作是 s u t h e r l a n d 的s k e t c h p a d 系统【2 】，早期的c a d 系统主要面向二维画图。在七 十年代，三维实体造型技术取得了突破性进展，典型的工作有l a nb r a i d 及其 同事们提出的基于边界表示的实体造型方法 3 】和r e q u i c h a 等人提出的基于 c s g 表示的实体造型方法【4 1 。在8 0 年代初商品化的三维造型系统已推向市 场，9 0 年代初，出现了基于特征的c a d 系统。另一方面，在上个世纪5 0 年 代出现了数控机床，这也激发了c a m 软件的研究与开发，在1 9 5 5 年出现了 用于通用计算机的自动编程系统a p t ，实现了n c 自动化编程，从此c a m 软件也普及开来。早期的c a d 和c a m 软件是分别作为独立的系统发展起来 的，因而它们之间缺乏有效的连接。随着技术的进步和生产的需要，人们希 望把c a d c a m 集成起来，并能够根据产品全生命周期不同阶段的需求来建 立产品模型。 为实现c a d c a m 的有效集成，人们提出了基于特征的产品建模技术。 传统的基于实体模型的产品建模技术注重产品的几何信息细节的描述，两不 能处理其他一些非几何信息，如功能信息或有关其制造与装配的信息，而特 征建模技术使用“特征”这一符合人的思维方式的高层次产品建模语言【1 5 】 作为基本的信息单元，能够从几何和功能属性上进行产品建模，使设计或制 造工程师能更好地表达他们的意图。因此，特征技术也就为新一代智能化、 集成化产品建模系统的核心技术，并为许多主流的c a d 系统所采用1 6 。8 】。 特征技术自上个世纪七十年代后期提出以来1 9 】，一直是设计自动化研究 领域的研究热点之一，1 9 8 8 年末公布的s t e p 标准草案【1 “1 2 ) 将形状和公差特 征等列为产品定义的基本要素，使它从此获得了国际标准的法定地位。九十 年代初jjs h a h 对特征技术的发展作了一个全面的综述【1 3 】，并出现了基于特 征的参数化c a d 系统。近十年来，特征技术研究不断深入并在实际生产设 计中得到了广泛的应用。特征技术所涉及的研究范围概括起来主要包括： 特征的定义【”1 5 】：特征的概念自7 0 年代末提出以来，至今仍未有一 个严格完整的定义，但在下述方面有比较一致的看法：特征是一组 信息的集合，它具有属性，与特定的活动如设计、制造活动相关， 包含具有定工程意义的几何实体或其他信息。近年来，特征技术 逐渐扩展到不同的应用领域。 特征的分类【1 4 _ 1 6 】：产品类型、特征的应用领域和特征的几何形状为 原则给出的特征分类。 特征建模方法 1 3 , 1 4 】：特征建模的主要方法有交互特征定义、自动特 征识别和特征设计三种。交互特征定义是在已有的产品几何模型基 础上，通过用户交互选取构成特征的拓扑几何元素提取特征；自动 特征识别是基于已有的实体模型，通过特定的识别程序自动识别满 足要求的特征；特征设计是以预定义的形状特征作为建模的基本元 素直接建立产品模型。 特征转换 1 5 , 1 7 - 2 2 l ：是指把产品模型的部分结构在不同的应用领域进行 变换的过程。 在主流c a d 系统中基于特征的设计技术得到广泛的认同和采用，典型 的如p t c 公司的p r o e n g i n e a r 、u g s 公司的u g i i 、a u t o d e s k 公司的m d t 和s o l i d w o r k s 公司的s o l i d w o r k s 等。总体上，这些商品化c a d 系统中以参 数化和变量化为中心，使用草图轮廓扫描产生，之后求交、剪裁生成产品设 计模型，这里草图扫描体就被视为设计特征。作为零件信息的描述手段，特 征技术也被计算机辅助工艺规戈i j ( c a p p ) 系统所采用，如p a r t 被认为足第一 个基于特征的c a p p 系统，已在商业上得到应用。近年来，一些c a d 系统 中也集成了特征识别的功能。如s o l i d w o r k s 、u g s 的s o l i d e d g e 等采用g s s l 的特征识别组件。 随着制造技术的发展，一些先进的制造模式的提出，工业界对c a d c a m 提出了更高的要求，使得c a d c a m 技术向支持产品全生命周期的产品建模 的方向发展。以智能化、集成化、标准化基于特征的c a d c a m 系统来支撑 基于网络的分布协同产品建模环境已成为当前c a d c a m 研究的热点之一。 1 2 自动特征识别研究现状 1 2 1 特征识别的方法 特征识别的作用是从零件的实体模型中抽取具有特定工程意义的形状信 息。特征识别的研究工作始于英国剑桥大学c a d 中心，该中心的g r a y e r 在 1 9 7 5 年首次尝试从零件的实体模型中自动提取出对计算零件的数控加工刀 具轨迹有意义的几何形状【2 3 1 ，并基于特征进行零件的刀具轨迹计算；该中心 的另一位研究人员k y p r i a n o u 于1 9 8 0 年在他的博士论文中首次提出了特征识 别思想【2 4 1 ，从而奠定了基于边界表示进行特征识别的基础。从此以后特征识 别作为c a d 与其它应用的智能接口【“，新的特征识别方法不断出现，研究 工作广泛展开。到目前为止，特征识别方法的种类已经很多 2 6 - 5 0 】，不同的文 献提供的方法也不尽相同，表1 - 1 列举了较有影响的几种。它们总体上可以 分为四类：基于边界匹配、基于体分解的特征识别方法、基于痕迹特征识别 和混合式特征识别。 表1 - 1 典型的特征识别方法 研究者特征识别方法输入的类型识别能力评价 h e d e r s o n “ 规则匹配零件和毛坯 3 d 中等 w o o l e v i , k i m p ”立体交替和分解 b r e p 模型 3 d 好 h e d e r s o n ， 神经网络 b - r e p 模型 3 d 中等 j o s h ia n dc h a n g p ” 属性面邻接图 b r e p 模型 3 d 中等 v a n d e n b r a n d e i ： “u 1 基于痕迹 b r e p 模型 3 d 很好 g a osa n ds h a h h l 特征最小条件子图 b r e p 模型 3 d 很好 s a k u r a i p 1 基于切削体最大凸分解c s g 模型 3 d 很好 g a d h ”1 不等深过滤器 b r e p 模型 3 d 好 m a r e f a t l * 6 , “1 产生测试法 b r e p 模型 3 d 好 1 2 1 1 基于边界匹配的特征识别 这种方法是出现最早的特征识别方法，通过识别零件的边界，来匹配预 定义的特征。基本步骤如下：( 1 ) 搜索零件的边界表示，并将其与预定义的每 一类特征的边界模式进行匹配；( 2 1 确定一识别的特征参数，构造完整的特征 几何模型；( 3 ) 对能合并成组合特征的基本特征进行组合。这种方法的关键是 对特征边界模式的定义和特征的搜索策略，下面将介绍具有代表性的基于边 界匹配的特征识别算法。 1 ) 基于规则的特征识别方法 基于规则的特征识别方法通过规则定义特征的边界模式，基于专家系统 3 蜇鎏盔鲎睦土唇出茁退盏 进行特征识别。h e n d e r s o n 提出了一种特征的规则描述【2 8 1 ，如孔特征描述为： 孔开始于一入口面；孔面共轴；孔的所有面顺序相连；孔终止与一个有效的 孔底面。该类方法将零件边界模型谓词表示中的事实与特征规则进行匹配， 识别出零件中的特征。 基于规则的特征识别方法是最早提出的特征识别方法之一，但现在已不 太受重视。主要原因在于：第一，特征规则的定义方法不唯一，不完备且用 户不易掌握；第二，需要进行大量匹配，识别效率不高；第三，无法有效识 别相交特征。 2 1 基于图的特征识别方法 夥巧露 兮o - a ) 台阶 图1 - 1 特征面属性邻接图 基于图的特征识别方法是人们研究最多的特征识别方法之- - 2 5 3 3 1 。该类 方法采用面边图( 包括图语法) 表示特征的边界模式和零件的边界模型。面边 图是指以面为结点、以面面之间的邻接关系为弧的图。采用面边图表示特征 的边界模式的主要优点在于：第一，特征的图表示具有唯一性、完备性；第 二，库特征的图表示易于生成。j o s h i 和c h a n g 提出的属性面邻接图是一个 典型的特征边界模式的图表示【3 3 】，属性面邻接图与一般面边图的区别在于其 还将边的凹凸性表示为弧的属性如图1 - 1 所示，从而使特征边界模式的图表 示更加完整。 基于图的特征识别方法的特征搜索策略是子图匹配，即通过将零件面边 图中的适当子图与特征的面边图进行匹配来识别特征。由于图的子图搜索算 法是n p 问题，十分耗时，因此提高子图搜索算法效率是基于图的特征识别 方法的一个关键问题。j o s h i 和c h a n g 提出了一种特征搜索策略，其方法基 于如下的假设：如果一个面与它的所有相邻面间的夹角均小于1 8 0 度r 这样的 面称为凸面) ，则该面将不属于任何特征。在这样假设的基础上，他们通过删 除零件属性面邻接图中所有凸面结点以及所有与凸面结点相连的弧得到一组 分离子图，并将它们与特征库中的每个特征的属性面邻接图进行匹配，识别 4 酣 岔 小 第1 苹绪论 出特征。这种方法较大地压缩了图搜索的计算量。但由于所作的假设并非总 是成立，因此并不能识别出所有特征。 鉴于子图匹配的特征识别方法对相交特征识别存在的困难，m a r e f a t 和 k a s h y a p 开发了一个基于图的识别技术【4 ”，引入了产生测试机制和虚链的概 念，来解决相交特征的识别问题。这里虚链是指由于特征相交而丢失的面连 接关系，它的识别策略是：在凹连接图( 由凹边连接的零件面连接图) 上，采 用人工智能技术添加虚链，使之成为一个完全图，并通过子图匹配生成所有 的特征假设，最后用专家系统剔除错误的假设，得到正确的特征模型。m a r e f a t 的工作使得基于图的特征识别方法在处理一般性相交特征方面取得了突破性 进展。该方法的不足在于只能识别六类常用的切削加工特征和多面体零件， 另外识别效率也有待提高。t r i k a 和k a s h y a p 拓展了m a r e f a t 的工作【4 7 l ，提出 了更为可用的添加虚链和验证特征假设的方法，他们使用精确的几何推理来 代替不确定性推理的方法来添加虚链。 基于图的特征识别方法具有如下优点：允许用户添加新的特征类型而不 必改动程序；易于与特征设计相结合；能够支持设计、加工、分析等多种应 用领域的特征识别。但该类方法存在的主要问题是难以有效地识别相交特征 和提供相交特征的多种解释。 3 1 其它基于边界匹配的特征识别方法 为提高基于边界匹配的特征识别方法的效率，g a d h 于1 9 9 2 年提出了不 等深度过滤器方法【4 5 1 。该方法采用特征的闭环特性定义和识别特征。其特点 在于不是基于整个零件的边界表示，而是基于零件的轮廓边表示寻找特征模 式。由于物体的轮廓边数远远少于实际边数，因此该方法大大压缩了特征的 搜索空间，从而提高了识别效率。该方法的问题在于究竟需要从多少视点建 立零件的轮廓边表示才能满足特征识别的需要是不确定的，依赖于零件本身 的复杂度。 p r a b h a k a r 和h e n d e r s o n 首次将神经网络技术引入到三维特征识别【”】。 基于神经网络的特征识别方法在理论上讲具有支持用户白定义特征、能够识 别不完整特征和相交特征以及高效等优点，困难在于如何将物体的复杂边界 表示输入神经网使其便于理解和推理。p r a b h a k a r 方法将物体的边界表示转化 为面分向量输入神经网。这里面分向量用以刻画面的几何拓扑特性，具体由 面的分数、相邻面分数的平均值、所有相邻面的分数等构成。面的分数则由 该面所包含的凹边、凹点、内环等几何特性来确定。 针对机械零件中大部分物体是二维半物体，而二维半物体具有一定的特 5 一 堑1 江盔兰拄土叵当垫抠盏 殊性，c o n e y 等人提出了一种能够有效识别二维半零件中凹、凸特征的方法 5 0 l 。该方法把物体表面相对于二维半物体的轴向分类为垂直面、平行面和反 向平行面，进而通过搜索物体面边图中的垂直面循环子图识别出物体中的特 征。 1 2 1 2 基于体分解的特征识别方法 特征具有特定的边界模式和体积模式。在一些特定的应用领域如加工特 征模型，特征的体表示也很重要，如对工艺计划。而从特征的边界表示自动 导出特征的体表示并不容易。在8 0 年代初，人们就开始研究直接从c a d 模 型识别体特征的方法，即基于体分解的特征识别方法。由于该类方法的计算 量很大，相当一段时间不被人们看好。到了9 0 年代，由于计算机技术的发展 使得体分解方法的巨大计算量可以被接受，基于体分解的特征识别方法又被 人们所重视。 体分解的特征识别方法与基于边界匹配的特征识别相比，对识别相交特 征和对识别出的特征提供多重解释有其相对优势。其基本步骤如下：( 1 ) 对零 件体进行凸分解，使其成为凸体的集合；( 2 ) 对分解的凸体进行重新组合，产 生与特征相对的体元；( 3 ) 对体元进行分类，建立特征的体表示。这种方法的 关键是零件的体分解策略，根据体分解策略的不同，体分解法分为两类，一 类是基于立体交替和分解方法，一类是基于单元体分解的方法。 1 ) 基于立体交替和分解的特征识别方法 1 9 8 2 年，w o o 首先提出基于立体交替和分解的特征识别方法【2 9 1 。该方 法将物体表示为一棵以凸体元为叶结点，以布尔运算符( 并或差) 为中间结点 的分解树。分解树的根结点表示零件本身，叶结点表示其父结点所表示的物 体的凸包，中间结点所表示的物体为其父结点所表示的物体的凸包减去其本 身的结果。w o o 方法首先判别分解树的每个叶结点本身是否对应于一个特 征，若不是，再采用相关的组合操作将其与其它叶结点进行组合，使其对应 于一个特征。w o o 方法存在两方面的问题，一是不能保证非凸物体的立体交 替和分解的收敛性，二是会识别出不可能由一次加工操作完成的特征。 针对w o o 方法存在的问题，k i m 等人从9 0 年代初开始对立体交替和分 解的特征识别方法进行了更加深入的研究 5 1 - 5 3 l ，提出了立体交替和剖分分解 方法，解决了w o o 方法中体分解可能不收敛的问题。另外他们还在扩大该方 法的识别范围，提供相交特征的多种解释，增强该方法的实用性等方面开展 了大量富有成效的工作。可是基于立体交替和分解的特征识别方法对带有曲 6 一 第1 章绪论 面物体的凸包难以计算且效率不高。 2 ) 基于单元体分解的特征识别方法 基于单元体分解的特征识别方法的基本思想是按照一定的规则把物体分 解成一系列单元体，再组合单元体产生特征体。单元体( c e l l ) 是指物体内部的 凸体，单元体之间只能相交在边界上。 为生成数控加工编码，a r m s t r o n g 在8 0 年代初最早提出了基于单元体分 解的特征识别思想【5 4 】。a r m s t r o n g 首先对零件和毛坯进行空间枚举分割；然 后将分割出的单元体分类为毛坯单元、零件单元和半零件单元；最后再基于 单元体的类型和一定的规则搜索出加工零件所需切削掉的体积，进而模拟出 刀具轨迹。该方法的缺点在于分割出的单元体太多。g e n e r a ld y n a m i c s 公司 首先提出了通过对零件的切削体作单元体分解进行加工特征识别的方法。这 里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体积。现在， 基于零件的切削体分解进行加工特征识别的方法已被广泛采用。 s a k u r a i 等人对基于单元体分解的特征识别方法进行了深入的研究【4 2 _ 4 4 1 。 这一方法采取的策略是通过拓展零件上的所有面并进行求交，将零件的切削 去除体分解为一些最小凸单元，然后用枚举的方式组合相邻的单元，最后通 过与预定义特征匹配的方法，验证各组合体元是否是唯一合理的特征以及特 征的类型。该方法的主要特点是能有效地识别相交特征并提供相交特征的多 种解释，但存在两方面的问题：一是需要大量的求交运算以及枚举产生的组 合体元数目太多，因而效率很低；二是生成的特征解释太多。虽然对相交特 征需要提供多种解释，但对较复杂的零件生成成百上千的多种解释是难以处 理的。为避免体元分解中的大量求交计算和提供的多重解释过多的问题， s a k u r a i 又修正了这一方法，提出基于切削去除体最大凸分解进行特征识别的 方法【4 2 4 ”。一个最大凸体元是指体元的每个面的半空间都与零件的某一面的 半空间一致，同时又不为其它的凸体元所包含的凸体元，显然用这样的体元 可以大大地减少单元体的数目。同时，特征识别首先基于加工知识生成一个 比较合理的特征解释，而只有当下游应用确实需要其它特征解释时才提供另 外的特征解释。为了解决多特征解释和识别的可伸缩性，y o o n h w a nw o o 和 s a k u r a i 又提出通过对零件去除体的分解识别出最大加工特征【4 4 1 ，这里最大加 工特征不是一个最终的加工特征，而是一个中间特征，通过工艺规划得到最 优的或满意的特征解释，并在分解加工去除体过程中采用分割一占领的策略， 在合理的时间解决真实复杂零件中最大特征的识别，使识别方法具有可伸缩 性。 7 望1 1 厶堂匣土巨省蛰退誊 此外，s h a h 和s h e n 提出了一种基于半空间剖分的特征识别算法【”】。该 方法的主要贡献在于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，从而提高了特征识别效率。该方法的另外一个特点是相对 于零件的自由度来判别特征的类型。 1 2 1 3 基于痕迹的特征识别方法 v a n d e n b r a n d e 和r e q u i c h a 提出了基于痕迹的特征识别方法【3 4 】。特征的 痕迹是指一个特征实例被添加到零件模型后，所保留的信息，包括几何的、 非几何的如尺寸、公差等。在特征相交时，一个特征的完整边界模式已不复 存在，但是只要它确是零件的一个特征，就一定在零件的c a d 模型中留有 痕迹，因此基于痕迹可以识别特征。目前，人们主要采用几何、拓扑信息作 为特征痕迹，主要因为当前的c a d 系统普遍采用基于边界的描述方法。基 于痕迹的识别方法的具体过程是：首先从零件的几何模型中提取出所有的特 征痕迹：然后通过几何推理的方法来验证相对应的特征的可能性；最后构造 出完整的特征。但是该方法中的特征痕迹生成和延拓算法依赖于具体的特征 类型，难咀添加新的特征类型。 由于基于痕迹的方法能够识别最一般的相交特征，引起了广泛的关注， r e g l i 等人根据s t e p 定义了一个特征库称为m r s e v ( m a t e r i a l r e m o v a ls h a p e e l e m e n tv o l u m e s ) 作为原特征f ”，从零件去除体积上提取特征的痕迹，通过 几何推理和一些制造约束条件来验证特征的有效性，并把这种方法用于可制 造性评价系统中【5 8 , 5 9 。j h h a n 则继续了v a n d e n b r a n d e 的工作，他采用不确 定推理进行特征的测试，并用增量识别的方法实现特征的转换 3 5 - 3 8 , 5 6 1 。 1 2 1 4 混合式的特征识别 针对产生测试法和痕迹法的一些不足，如虚链的添加，痕迹的定义和提 取等，高曙明融合了基于图的特征识别和基于痕迹的特征识别，提出了一种 统一定义、生成和延拓特征痕迹的方法【2 7 ，4 2 1 。该方法用扩展属性邻接图 ( e a a g ) 表示特征的边界模式，e a a g 比一般的面边图具有更多的属性。同时 提出了最小条件子图作的概念( m c s g ) ，并以特征的最小条件子图作为特征痕 迹，采用图分解生成特征痕迹，通过添加虚链和相关面进行特征延拓。这里 的特征的最小条件子图是指特征属性面邻接图残留在零件属性面邻接图中的 最大子图。高曙明的方法中还首次提出了加工面邻接图的概念，用以提高特 征识别的效率。 特征识别一些综述可参见文献 1 3 ，2 7 ，6 0 一6 1 1 。 一8 一 第1 苹绪论 1 2 2 自动特征识别系统 伴随着特征识别研究工作的逐步深入，近年来也出现了一些自动特征识 别系统。这些系统可以分为两类：一类是研究型原型系统，典型的如k i m 6 2 】 等人用于验证a s v p 算法的原型系统，h a n 6 3 】等人用于验证基于痕迹算法的 原型系统i f z 以及d e rc l a r k 5 0 】等人的h e r i o t w a t tf e a t u r e f i n d e r 系统等，这 些系统侧重于算法的验证，因而距离实用还相差太远；另一类是商品化系统， 这一类很少，典型的有印度g s s l 公司开发的a f r 6 4 】，该系统已被s o l i d w o r k s 、s o l i de d g e 采用。a f r 可以从已知的实体模型中识别出面向不同应 用领域的特征模型，包括设计特征、加工特征和分析特征等，其中的加工特 征包括孔、槽、台阶导角和过渡等几类二维半加工特征，然而目前该系统主 要用于处理多面体类零件，并且对相交特征的识别存在较大不足，对含有曲 面的零件和对用户自定义特征的处理功能也不尽人意。 t e c n o m a t i x 公