（航空宇航制造工程专业论文）25维零件特征识别及其应用研究.pdf

曲北f 业人学硕士学位论文 摘要 到目前为l | = = ，特征识别技术的研究已经有二十多年的历史，从应用的角度来 区分，特征可以分为造型特征、加工特征、分析特征等。特征不仅仅是连接c a d 与c a p p 、c a m 等领域的一个桥梁，更重要的是它可将c a d 中的几何拓扑信息与具体 的工程信息紧密妞连接起来，提高了c a d 、c a p p 、c a m 等的实际应用成熟度，使得 产品模型由原始无工程意义的几何拓扑信息组合变为具有工程意义的特征信息 组合。 特征识别技术为具体领域零件特征模型的建立提供了技术支持。然而实用的 特征识别技术还处于实验室阶段，特征识别过程中还有很多迫切需要解决的问 题。因此，本文根据特征识别的基本思想，对特征识别技术进行了深入的研究和 探讨，提出了一种2 5 维零件特征识别新方法和特征映射的观点，引入了2 5 维 p o c k e t 特征走刀轨迹计算方法，开发了f r e e c a m 原型系统，并且进行了验证。 本文主要工作如下： 首先，回顾了一些重要的特征识别方法，并客观地介绍了其优缺点；分析了 特征识别过程的本质，对其进行一般的理论描述；针对2 5 维飞机结构件机械加 工零件的特点，提出了一种新的特征识别方法，能够很好地识别该类零件中的孔、 槽、凸台、开口、轮廓等制造特征，缩小特征匹配的空间，提高特征识别的效率； 提出了建立特征空间的思想，旨在识别出更多特征类别，深化特征识别技术的理 论研究。 其次，对p o c k e t 特征进行了介绍，强调它在2 5 维数控加工中的重要地位： 提出了将制造特征映射为加工特征的观点；详细介绍了p o c k e t 加工特征数控铣 削走刀偏置轨迹计算方法。 最后，在这些理论研究的基础上，成功地开发了f r e e c a m 原型系统，对本文 中给出的特征识别、特征映射等方法进行了验证。 关键字：特征识别，特征映射，p o c k e t ，2 5 维 ! ! ! 堕：! ! 尘= i 兰堡兰堕堡圣 a b s t r a c t u pt on o w , t w e n t yy e a r sf o rf e a t u r er e s e a r c hh a sp a s s e d f e a t u r e ，w h i c hc a nb e s o r ti n t od e s i g nf e a t u r e ，m a c h i n ef e a t u r ea n a l y z ef e a t u r ee t c i na p p l i c a t i o np o i n to f v i e w , i sab r i d g eb e t w e e nc a da n dc a p p f u r t h e r m o r e ，i ti sa l s oag o o dc o n n e c t e ro f g e o m e t r yt o p o l o g yi n f o r m a t i o no fc a da n ds p e c i a le n g i n e e r i n gi n f o r m a t i o nt o i m p r o v et h eu t i l i t yo fc a d ，c a p p a n dc a ma n dt om a k en e ws e n s ef o rp a n sc a d m o d u l e ，f r o mc o m b i n a t i o no fg e o m e t r yt o p o l o g yi n f o r m a t i o nt os p e c i a le n g i n e e r i n g j n f o r m a t i o n f e a t u r e sr e c o g n i z ep r o v i d e st h et e c h n o l o g ys u p p o r tf o rt h ei n s t a u r a t i o no fp a r t s f e a t u r em o d u l ei ns p e c i a ld o m a i n h o w e v e r , t h et e c h n o l o g yo fa p p l i e df e a t u r e s r e c o g n i z ei sj u s ti nl a b o r a t o r y ，a n dm a n yu r g e n tp r o b l e m si sw a i t i n gt ob es o l v e d t h i s p a p e rs t a r t st h ed e e p l yr e s e a r c ha n dd i s c u s sf o rf e a t u r e sr e c o g n i z ea c c o r d i n gt ot h e b a s a li d e ao ff e a t u r e sr e c o g n i z e ，a tt h es a n q et i m e ，b r i n g sf o r w a r dan e wm e t h o do f f e a t u r e s r e c o g n i z ef o r 乏5 dp a r t a n dan e wv i e w p o i n to ff e a t u r e sm a p p i n g s i m u l t m a e i l y , t h ea r i t h m e t i co ft o o lp a t hg e n e r a t i o nf o rm a c h i n i n gf r e e - f o r mp o c k e t s w i t hi s l a n d si si n t r o d u c e d ，a n df r e e c a ms y s t e mf o rv a l i d a t i n gt h ea b o v ea r i t h m e t i ci s d e v e l o p e d f i r s t l y , t h i sp a p e rr e v i e w ss o r t i ei m p o r t a n tm e t h o d so ff e a t u r e sr e c o g n i z e t o g e t h e rw i t ht h e i ra d v a n t a g ea n dd i s a d v a n t a g e t h ee s s e n c eo ff e a t u r e sr e c o g n i z ei s t h e o r e t i c a l l ya n a l y z e d a n e 、, vm e t h o do ff e a t u r e s r e c o g n i z e a c c o r d i n gt o t h e c h a r a c t e r i s t i co f2 5 da i r p l a n es t r u c t u r ep a r th a sb e e nb r o u g h tf o r w a r d ，i tc a n r e c o g n i z ew e l lh o l e ，p o c k e t ，c o n v e x i t y , p l a c k e t ，p r o f i l ee t c a n dr e d u c et h es p a c eo f f e a t u r e sr e c o g n i z ea n dm a k ef e a t u r e sr e c o g n i z ee f f i c i e n t l y ： a ni d e ao ff e a t u r e s s p a c ef o rr e c o g n i z i n gm o r ek i n d so ff e a t u r e sa n dd e e p e n i n gt h et h e o r yo ff e a t u r e s r e c o g n i z ei sp u tf o r w a r d s e c o n d l y ，t h i sp a p e ri n t r o d u c e sp o c k e tf e a t u r e ，e m p h a s i z e si t se s s e n t i a l i t yi n 2 5 dp a r t sn c ，b r i n g sf o r w a r dav i e w p o i n to ff e a t u r e sm a p p i n gf r o mp r o d u c e f e a t u r e st o m a c h i n i n gf e a t u r e s ，a n d t h ea r i t h m e t i co ft o o lp a t hg e n e r a t i o nf o r m a c h i n i n gf r e e f o r mp o c k e t sw i m i s l a n d s l a s t l y , t h i sp a p e rm a k e sf r e e c a ms y s t e mb a s e do nt h e s ea b o v et h e o r yf o r v a l i d a t i n gt h ea r i t h m e t i co ff e a t u r e sr e c o g n i z e ，f e a t u r e sm a p p i n g e t c ， k e yw o r d s ：f e a t u r e sr e c o g n i z e ，f e a t u r e sm a p p i n g ，p o c k e t ，2 5 d 第一尊绪论 1 1 研究意义 第一章绪论 现有的许多商业c a d 软件虽然采用了特征造型技术，但由于特征技术还不完 善，所以这些c a d 系统使用的基本都是设计特征和形状特征，它们生成的模型还 无法为c a p p 所直接理解和接受，必须经过必要的转换环节，才能在有关加工领 域内使用。例如图卜l 的例子，这是由u g i i 生成的一个简单零件模型，对于没 计者来说，构造这一零件的造型方法有很多。而u g i i 本身并不清楚设计者的意 图和c a p p 的需求，只是根据造型的方法和次序来生成零件的特征树，无法正确 标定特征的种类和相互问的父子关系，结果导致c a p p 所需要的重要数据缺失。 对于此图，c a p p 所能够接受的信息应该是外圆柱体特征包含有一个子特征 一圆孔特征。而要生成此零件的方法却基本可有如下三种： 1 ) 先绘制草图矩形，然后绕与边有一定距离的直线旋转。u g i i 所返回的特 征只有一个回转( r e v o l v e ) ，并不知道有一个孔特征。 2 ) 分别生成大小各一个圆柱后做布尔减运算。返回特征为两个圆柱体，而没有 关于孔的信息和父子关系。 3 ) 生成大圆柱，然后在其上开一个通孑l 。只有这种方法返回的特征树才有直接 应用的可能。 蚓l _ 1个简单零件的示例 第章绪论 诸如此类的例子还有很多，而且这样的缺陷也并非u g il 所独有，它是目前 使用特征技术的c a d 中厂泛存在的问逦。设计者的构思是巧妙的，如果要求他们 必须按照3 ) 的规范方法来造型，必然会限制其才能的发挥，同时也会降低设计 效率，因此强求一致是不现实的。由此可见，虽然当前的c a d 系统采用了特征造 型技术，但是由于种种缺陷，关于c a d c a p p 集成问题的研究还是十分艰巨的。 利用特征识别技术直接识别出c a d 模型中具有： 程意义的制造特征，即实现从设 计特征到制造特征信息的转换是解决集成问题所要研究的重要途径之一。 1 2 研究背景 自动特征识别的基本思想是通过对产品的实体模型，特别是边界表示，进行 分析和推理，由计算机自动识别和提取出产品所包含的加工特征，进而生成产品 的加工特征模型【2 j 。特征自动识别作为特征技术中的一种，有2 0 多年的历史， 这些年来先后出现了些优秀的特征识别方法1 3 - 7 。但是到目前特征识别技术在 鲁棒性、识别效率等方面不尽人意，无法达到一个成熟的阶段，更没有出现所谓 通用的特征识别软件。 尽管特征识别现在还处于不成熟阶段，无法产生一个通用的三维特征识别系 统，但是在生产制造的一些领域，由于2 5 维零件本身的一些特点，特征识别技 术却能表现得很好。例如图1 2 是2 5 维零件的一一个实例，虽然它的俯视图( 图 卜3 ) 中两个圆概括了此零件的主要几何信息，但是如果仅仅用这张二维图来描述 它是不够的，因为无法从这张二维图上直接看出是孔还是凸台，但是用三维图来 描述这种零件又有点多余，因为它在轴向的变化不大。这种零件的一个显著特点 是底面为平面，底面和侧壁相互垂直。飞机结构件中的很多零件都属于2 5 维零 件。国外已出现了很多2 5 维零件的特征识别方法 1 3 】【1 4 】 3 0 】。尽管2 5 维零件在 整个机械加工零件中处于重要地位，但国内还没有一个用于飞机结构件中2 5 维零件的特征识别系统。国内外很多研究者，把目光集中在通用三维零件的特征 识别研究上，没有对2 5 维零件的特征识别研究产生足够的兴趣和重视。通用零 件的特征识别研究，也只有在2 5 零件特征识别研究的基础上才能得到更深入的 发展。 幽1 2 一个简单2 5 d 零4 t 一的示例 幽】一3 简单2 5 d 零t i 。的俯视削 第一章绪论 近十几年来数控加工在机械加工中的地位越来越突出。一方面c a m 软件的出 现大大提高了其在实际生产巾的使用效率。现有的许多c a m 系统可以得到c a d 系统中完整的点、线、面等几何拓扑信息，但是这些信息仅仅是该产品的低层信 息，其中具有工程语义的高层信息却无法自动获得。为了弥补它们的不足，c a m 系统主要采用图形交互式方式，在经验丰富的工程师的参与下，经过烦琐的操作 来完成产品的虚拟制造，这使得现役的c a m 系统自动化程度降低。另一方面c a m 系统和c a d 系统之间还存在明显的界限：没有统一的产品模型，信息的共享是单 向且独立的。c a d 设计人员很难参与到c a m 中来，c a d 设计人员往往对c a m 中可 能出现的情况考虑较少，设计出来的产品给c a m 人员带来了很大的困难，c a m 人 员也很难理解c a d 模型中与加工有关的特征信息，它们之间的界限使得c a d 与 c a m 成了各自分离的两个岛屿。因此，为了能提高传统图形交互式c a m 系统的自 动化程度，即从产品的c a d 模型中自动计算出零件的数控加工代码，基于特征的 c a m 系统研究正在逐渐成为c a m 领域研究的一个亮点。 因此，开发基于特征的2 5 维飞机结构件c a m 原型系统，实现其c a d 与c a m 的无缝集成，不仅可以大大提高国内现有飞机结构件的加工效率，缩短整个飞机 制造的生产周期，而且对整个飞机数字化制造也有重要意义。 1 3 特征识别的国内外研究现状 特征识别方法的种类有很多种，整体上可以分成两大类，一类是基于边界匹 配的特征识别方法，另一类是基于立体分解的特征识别方法9 】 1 0 【l l m 】。 1 3 1 基于边界匹配的特征识别方法 基于边界匹配的特征识别方法是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 ) 确定识别的特征参数，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是通过规则定义特征的边界模式，基于专家系统进 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，关于孔特征描述为：孔开 始于一入口面；孔面共轴；孔的所有面顺序相连；孔终止于一个有效的孔底面。 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，但现在己不 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。 第睁l 肯论 ( 2 ) 基于图的特征识别方法 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一。这方面的研究 成果非常丰富。该类方法采f 0 n 边n ( 包括图语法) 表示特征的边界模式和零件的 边界模型。所谓面边图是指以面为结点、以面面之问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i f 生成。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组合爆炸( n p ) 问题，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问的夹角均 小于1 8 0 度( 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( 如倒角、t 型槽) ，因此并不能识别出所有特征。 ( 3 ) 基于痕迹的特征识别方法 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 & a t 和 k a s h y a p 开发了一个摹于图的识别技术，引入产生测试机制和虚链的概念来解决 相交特征的识别问题。虚链是指由于特征相交而丢失的面连接关系，它的泌别策 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 类常用的切肖4 加工特征和多面体零件，此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：i j 作，提出了更为可用的添加虚链和验证特征似设的 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 的特征识别方法其有如下优点：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。 ( 4 )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另4 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。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 和 h e n d e r s o i l 首次将神经例络技术引入到三维特征谚 别，基于神经网络的特征识另 方法在理沦【：讲具有支持用户自定义特征、能够识别不完整特征和相交特征以及 离效等优点，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。此处的面分 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2 5 维物体，而2 5 维物体具有定的特 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。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 3 2 基于立体分解的特征识别方法 特征除具有特定的边界模式外，还具有特定的体积模式。人们从8 0 年代初 就开始研究直接识别体特征的方法，即所渭基于体分解的特征识别方法。到了 9 0 年代初，人们对它的研究形成了。个高潮。该方法能够识别任意相交特征和 提供多重特征解释，汁算机技术的发展使得体分解方法巨大的计算量不再成为其 致命弱点。基于体分解进行特征识别的基本步骤如下：首先对物体进行分解，将 其分解为凸体的集合，然后通过对分解出的凸体进行重新组合产生对应于特征的 体元，最后对特征体进行分类，确定特征类型，建立特征的体表示。根据不同的 体分解策略，体分解方法分为两类：一类是基于立体交替和分解的方法，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 基于立体交替和分解的特征识别方法最早在1 9 8 2 年提出，该方法通过将非 凸物体表示为一棵以凸体元为叶结点，以布尔运算( 差或并) 为中间结点的分解 树支持特征识别。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物 体的凸包，中间结点所表示的物体则是其父结点所表示物体的凸包减去其本身的 结果，基于分解树，浚方法首先判别每一个叶结点本身是否对应于一个形状特征， 如其不是，再采用相关的组合操作将其与其它的时结点进行组合使其对应于一个 形状特征。 ( 2 ) 基于单元体分解的特征识别方法 基于单元体分解进行特征识别的思想最早在8 0 年代初提出，用于生成数控 加工编码。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、零件单元或半零件单元，最后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，这个方法的缺点是分割出的 单元体太多。 1 4 特征识别算法存在的问题 虽然特征识别的研究：r 作有二二卜多年，出现了很多的识别算法，但是从算法 第学缔论 的使用范围、通用性等方面仍存在许多问题有待解决【】： 一 现有的相交特征的识别方法只能识另u 一般的相交特征，此外，相交特征的多 重解释的组合爆炸也成为一个新的问题； 复杂零件的特征识别主要表现在对曲面的处理、可识别的特征种类( 现有方 法只能识别常规的切削加工特征) 和识别效率等问题： _ 基于边界匹配的特征识别最后归结为图的予图搜索，这是一个组合爆炸问 题，十分耗时，影响了求解速度； - 基于体分解的特征识别最终归结为对凸体树的重新组合，这又容易引起组合 爆炸。 从上面列举的这些问题中，不难发现组合爆炸现象使得现有各特征识别方法 不能直接应用于各c a d c a m 商业软件中。 1 5 本文主要研究内容 在整个飞机结构件的机械加工中，有一类结构件比较常见：其侧壁都是直壁 ( 侧壁和工作台平面垂直) ，称之为2 5 维飞机结构件。到目前为止，国内对飞 机结构件的特征识别还主要靠人机交互方式，2 5 维飞机结构件的自动识别研究 仍处于空白。关于2 5 维p o c k e t 特征的走刀轨迹的计算，一直属于商业机密，国 内还没有这方面的文献可查。 本文在总结前人工作的基础上，首次以2 5 维飞机结构件为研究对象，自定 义2 5 维零件的识别元，利用识j j j 元建立2 5 维零件的特征匹配规则，建立2 5 维飞机结构件的特征识别算法。作者从理论的基础上探讨特征识别过程的本质， 提出特征空间的思想，进行该特征识别算法的复杂度分析。 参考国外p o c k e t 特征数控铣削走刀轨迹的计算方法，本文首次介绍了2 5 维 p o c k e t 特征数控铣削走刀偏置轨迹计算方法，并洋细给出了其计算步骤。首次提 出将制造特征映射为p o c k e t 加工特征的观点。 作者在这些理论的基础上，首次开发了国内第一个基于特征的2 5 维飞机结 构件c a m 原型系统f r e e c a m ，并以此系统对文中提出的各方法进行了验 i 正。 1 6 章节安排 第一章绪论：分析国内外特征识别研究现状和研究方法，总结现有特征 识别算法存在的问题，介绍本文研究内容及章节安排。 箱二章2 5 维飞机结构件特征识别算法研究：自定义2 5 维零件的识别元， 利用识别元建立2 5 维零件的特征匹配规则。量化匹配规则，建立特征识别矩阵 来统一描述特征匹配规则。在此基础上提出特征空间的思想，穷举特征空问中的 所有元素，分析每个元素的实际存在情况，深化特征识别算法的理论。 第三章2 5 维p o c k e t 特征数控铣削走刀偏胃轨迹计算：对制造特征映射 为p o c k e td h - i 一特征的理论方法进行相关研究，详细介绍围外p o c k e t 加工特征数 控铣削走刀偏置轨迹计算方法。从f r e e c a m 原型系统的特点出发，建立和完善 其中相关算法。 第蹬章设计建立基于特征的f r e e c a m 原型系统的总体框架结构，以此拱 础开发基于特征的f r e e c a m 原型系统。 第五章结束语：总结完成的工作，并对下一步工作展望。 一苎= 至! ：i 鎏! ! ! 竺塑壁竺堑望型塑：鲨竺壅 第二章2 5 维飞机结构件特征识别算法研究 2 1 特征识别过程的分析 特征最早的研究始于7 0 年代中期，英国剑桥大学c a d 中心的o r a y e r ，首次 尝试从零件的实体模型中自动提取出具有工程语义的几何形状( 如型腔) ，这种 ，臣状很适合数控加工的刀具轨迹计算，并基于这样的形状进行零件的刀具轨迹计 算。随后该中心的另一位研究人员k y p r i a n o u ，在他的博士论文中首次萨式引入 了现有的特征识别思想p j ，奠定了基于边界表示进行特征识别的基础。从此以后， 工业界和学术界开始特征识别的广泛研究和讨论，新的特征识别方法层出不穷， 特征识别的范围已经不再仅仅局限于加工特征，两扩展到了检测特征、分析特征 等许多方面。特征识别2 0 多年来的发展表明，数字化制造中所需要的数字信息 的获得成了促使其发展的一个重要因素。作为c a d 和c a p p 的智能接口，许多c a d 和c a m 系统广泛采用特征识别技术朱解决信息集成的问题，此类系统的一一般结构 示意图如下： 实体模型 圈圈 特征模型 图2 - 1 特征识别系统的结构示意醋 这些数字信息不仅仅指c a d 系统原始边界元( 面、边、点) ，还指具体制造 领域中具有工程语义的参数化特征信息。这些特征信息在描述零件c a d 模型的 几何和拓扑信息中荠不是原始存在的，它们需要经过识别得到。形状特秆、制 造特征、材料特征、装配特征等各种针对具体领域而提出的特征也由此产生。 研究人员已就制造特征的识别做了大量工作，研究成果非常丰富，提出了很多 算法| 9 i 。但它们各有其优缺点，到目前为止还没有一种方法处于绝对优势。这 就需要进步开拓思路来仔细研究特征识别的本质和过程，从理论的角度对特 征跌剐进行更深入透彻的研究。 式 t 蠡黼 第。章25 维e 机? 构件埒征识别算法研究 2 1 1 以离散点为数据结构的特征识别过程 对任意的一个c a d 模型进行离散，将其离散成点的矩阵记为 u = “，心，一， ，矩阵u 的分量q 为c a d 模型中第f 点在笛卡尔坐标系下坐标 向量( 一，h ，) 的矩阵表示，即= 一，h ，z ，】，f 1 ，n 。 对一个具体的领域，例如制造域，其中特征集合的种类是有限且明确的。此 特征集合一般包括孔、凸台、槽腔、开口等。任意一类特征的c a d 模型的几何 形状是一定的，则存在一种该类特征的图形函数与此类特征对应，如孔特征的 c a d 模型可看作是一个圆柱面。即，孔特征的所有点坐标都满足圆柱面方程： 孔特征的所有点坐标为 q = l 鼍，卫，t 1 1 ，i = t l ，t k ， 为了描述方便，令： u ? = t ，“? = m ，“? = 令圆柱面函数方程为， ，0 ，y ，z ) = 0 ， 则有： z ( ? ，“? ，“? ) = 0 ，f = f l ，t k 。 那么，对于任意一个c a d 模型的所有点矩阵u = 【吩，心，1 进行特征匹配 ( 即特征识别) ，识别过程可用如下的形式来描述： 定义识别领域特征种类的集合为f ，令： f = m ，五，工) ， 其中p 是该领域中特征的种类数，：为第i 种特征所对应的图形函数。 则有： f i f ( 对，矿) = o , i = m o ，m l t h e n 腩打伽f w 蹦触 1 矿正( 珥，砰，矿) = 0 ，f = m 1 ，m 2 t h e n t h i s f e a t w - e e x i t s 1 i f ( 群，群) = 0 , i = m ( p 一1 ) ，印f 船”伪括7 砸z 舯硎玷 2 1 2 一般数据结构的特征识别过程 以点为数据结构的特征识别过程的描述表明特征识别过程的本质其实就是 一个利用匹配元素进行匹配的过程。为了更一般的指出这样的理论，下面描述以 c a d 模型几何拓扑信息为数掘结构进行识别的特征识别过程。 任意一个c a d 模型都是以点、线、面等几何拓扑信息为几何元，令恢c a d 模型的几何元矩阵为 = ，2 ，t 。 f f h f 2 。 j q 、! q 2 i 。 9 一望：二蔓! ! 竺! 坐堕丝堡堑笪望型望生型壅 其中t 。( f = l ，g ；，= l ， ) 为一几何元。当引入几何元作为特征识别算法的匹 配元时，对制造域中的特征，可以用一组几何元构成其匹配规则，比如孔特征的 几何拓扑信息必须满足该组几何元匹配规则函数，令孔特征的该组几何元匹配规 则函数为& ( f ，f ：，0 ) = 0 ，那么对c a d 模型的几何元矩阵，进行特征匹配即特 征识别，识别过程可用如下的形式来描述： 令需要识别领域的特征种类的集合为f ，令f = g lg ：， ，其中q 是浚领域中 特征的种类数，譬，为第i 种特征所对应的匹配规则。 则有 矿，。) = o ，i = n o , ，n l t h e nt h i s f e a t t o e e x i t s i f ( f 2 j ，l2 ，。) = o , i = n l ，n 2 t h e n t h i s f e a t w e e x i t s f ，岛( “，。) = 0 = n ( q 1 ) 一，n q t h e n t h i s f e a t u r e e x i t s 通过2 1 1 和2 1 2 的分析，可知匹配规则建立的成熟程度决定了特征被识别 的程度。因此，如可寻找优秀的匹配元素来建立匹配规则，正是本文重点要论述 的内容之一。 2 22 5 维飞机结构件特征识别研究 在整个机械零件制造中2 5 维零件的制造非常重要。在飞机的结构件中，也 有很大一部分零件属于2 5 维。飞机机械加工制造过程的数字化、集成化和自动 化程度，同样取决予这些2 5 维零件制造的数字化、集成化和自动化程度。其中 如何实现占飞机结构件8 0 以上的整体梁、肋类等零件制造的数字化、集成化和 自动化，已经成为飞机机械加工制造零件的瓶颈【i ”。本节主要针对飞机绐构件 的特点，提出一种针对2 5 维形状特征的快速、实用的特征识别算法，旨在为飞 机结构件机械加工制造的数字化、集成化和自动化提供技术支持。 2 2 1 识别的主要特征类别 本节主要针对以下几种2 5 维特征进行识别。这些特征在飞机的机械加工制 造中比较常见，并且认为它们的壁都是直壁( 侧壁和工作台平面垂直) 。 1 ) 槽腔。周边封闭、有底的一种结构。 2 1 圆通孔。 3 1 圆盲孔。 4 、凸台。槽腔底部或平面匕不与槽壁相连的凸起部分( 即孤岛) 。 5 ) 开口。周边非圆的贯通部分。 6 、轮廓。由曲面或平面构成的零件外形。 7 1 角槽。周边不封闭，有底的一种结构。 第二r 寸25 潍b 机结构件特i i f 识别算法m 究 2 2 2 构造识别元 构造识别元 2 1 的结论中指出“匹配规! j l i | 建立的成熟程度决定了特征被识别的程度”，因 此建立优秀的匹配规则，证是本节要努力解决的难题。而匹配规则的建立依赖于 恰当的匹配元素，本文称之为识别元。下文对其进行定义并给出2 5 维零件特征 识别的常用识别元。 本文在构造识别算法的过程中，为了能和一般的几何拓扑元素( 直线、圆弧、 多边形等) 有所区别，定义识别元概念如下： 在特征识别中，作为单独的匹配元素参与特征识别，并和其它的识别元组合 起来形成匹配规则的一种几何元素。 本文总结2 5 维零件特征识别的识别元一般有，外环、内环、凹边、凸边、 凹边环、凸边环、非凹凸边环等。其中： 凹边环：该环全是由凹边组成的环为凹边环。 凸边环：该环全是由凸边组成的环为凸边环。 非凸凹边环：该环一部分由凸边组成，另一部分由凹边组成的环为非凹凸边 环。 定义和算法 识别元的构造中，需要确定边的凹凸性，即边的分类，它是进行构造识别元 的基础。以下给出其定义和具体算法。 二面角：与两个面的法矢都平行的面与这两个面有两条交线，则交线在这两 个面间的夹角称为这两个面的二面角，如图2 - 2 ( a ) 所示。定义边的凹凸性是 建立在与边相连接的两个面所形成的二面角的概念的基础上。 凸边：当与边相连接的两个面所夹的二面角口满足1 8 03 口 3 6 0 。时，则称 此边是凸边的，如图2 - 2 ( b ) 。 凹边：当与边相连接的两个面所夹的二面角口满足0 。 口 0 f 凸边，七 0 2 2 3 构造特征识别算法 本节主要围绕2 2 1 巾的七种特征，总结识别的形式化匹配规则，并对其中 参与匹配的识别元进行合理的最化，以此建立一个统一的特征识别元矩阵。围绕 该特征识别元矩阵，本节洋绌介绍共中端而环矩阵的计算方法，并给出特征识别 算法的伪代码。 一 兰三里! ! 丝3 11 鱼塑壁塑堡坚型曼! ! 坚生 2 2 3 1 建立特征匹配规则 如图2 - 4 是个开口特征，用已定义的t 别元对它的端面环进行分类，可知 它的上端面环是内环和凸边环，下端面环是内环和凸边环。 图2 - 4 开口特征的端面环识别规则示意图 同理对槽腔、凸台、通i l 、盲孔、角槽、轮廓等特征的端面环进行归类，归 纳各类特征的识别规则，列表如下： 表2 - i2 5 维飞机结构件特征的识别规则 特征类别 识别规则 横腔上端面环( 内环，凸边环) ，下端面环( 外环凹边环) 开口上端面环( 内环，凸边环) ，下端面环( 内环，凸边环) 凸台上端面环( 外环，凸边环) ，一f 端面环( 内环，凹边环) 通孔上端面环( 内环，凸边环，圆形) ，r 端面环( 内环，凸边环，圆形) 盲孔上端面环( 内环，凸边环，圆形、，p 。端面环( 外环，凹边环，恻形) 轮廓上端面环( 外环，凸边环) ，一f 端面环( 外环凸边环) 角槽上端面环( 外环，1 f 凸凹边环) ，f 端面环( 外环非凸凹边环) 2 2 3 2 匹配规则的量化 为了能够用统一的公式化符号描述特征匹两己规则，进而建立统一的特征识别 矩阵，将各识别元进行如下的量化( 尽量按其几何意义进行设置量化数值，比如 第辛25 淮匕机结构件特缸识别并泫蝌亢 内环量化为一1 ，则外环就量化为1 ) 表2 - 2 识别元与量化值 识别元量化值 内环 一1 外环1 凸边环 i 凹边环- l 非凸凹边环 0 圆环1 非圆环 1 2 2 ，3 3 建立特征识别元矩阵 用量化后的识别元对匹配规则进行量化如下图2 5 圈2 5 开口特征匹配规则的鼙化示意酗 同理构造各种量化后的特征匹配舰则得识别元矩阵a ，将各特征匹配舰目1 j f t 矩阵a 来统一描述。 第- 二章25 维e 机结构件特铂：识别算法研， 爿= 1l l l 1 1 1l 11 11 0o l1 11 o0 0o 00 oo 00 c l c 2 c 3 c 4 c 5 c 6 c ， 【d 。d 2d ，d 。d ，d 。 下表2 3 和2 - 4 列出了各向量及与它们对应的识别元状态和特征。 表2 - 3 识别元矩阵列向量与端面识别元状态 向量端面识别元状态 d l 上端面环的内外性 d 2 下端面环的内外性 d 3 上端面环的凹凸性 d 4 下端面环的凹凸性 d 5 上端面环是否圆环 d 6 下端面环是否圆环 表2 - 4 识别元矩阵行向量与特征 向量特征的匹配规则 c l 通孔的匹配规则 c 2 盲孔的匹配规则 c ) 槽腔的匹配规则 c 4 开口的匹配规则 c 5 凸台的匹配规则 c 6 轮廓的匹配规则 c 。 角槽的匹配规则 2 2 3 4 建立端面环矩阵 在用特征识别算法之前，必须先计算各特征端面环的识别元属性向量，避而 将这些识别元属性向量值存储到端而环矩阵中。通过以下流程( 图2 6 ) 得到端 面环矩阵，令它为曰： 日“ e b 2 b 。j ib ，2b nb nb ，5 b 毋 巨曰日b ， 驺 目b 第一苛25 维匕目吲i 构件特征识别算法研究 幽2 - 6 端面环计算流秽示意图 图2 7 某零件的端面环示意圈 兰二塑! 笙墨! ! 塑塑堡塑笙望型蔓鲨型壅 对于图2 7 显示的零件，其中面l 为浚零件的上端面，面2 为该零件的下端 面。遍历该零件的所有面，只有丽1 与萄2 的法方向和z 轴方向平行。遍历这 两个面的所有环，得到环1 1 、环1 2 、坏2 。1 、环2 2 。环1 一l 为上端面的外环 且是凸边环，环l 一2 为上端面的内环且是凸边环，环2 1 为下端面的外环且是凸 边环，环2 2 为下端面的内环且是凸边环。且知道环1 2 与环2 - 2 拥有相同的侧 壁而3 ，环l 一1 与坏2 一l 也拥有相同的侧壁。因此，该零件的端面环矩阵为： 曰：。= 一： 一：吕 ： 2 2 3 5 建立特征识别算法 以伪代码的形式描述特征识别算法如下。其中a 。为识别元矩阵，b 。为端 面环矩阵。 k 2 0 ，i 。0 ，j = o ； f o r ( k = o ；k n ；k + + ) f o r ( i 5 0 ；i 7 ；i + + ) f o r o = o ；j 0 ，则为逆时针方向， 如果s u m a n g l e 1 ，则o ；，0 。i 作为偏置点，见图3 - 8 ( a ) 否则，将点f 作为偏置点，见图3 - 8 ( b ) 。 o li p 件】 图3 - 8 偏置点的计算 p o 直线段组相交 如图3 - 9 ，p o c k e t 轮廓偏置后线段之问出现了相交现象。这些交点将偏置后 的环分割成若干闭合的予环。这一步中，求直线段组相交点算法起着关键作用。 令：厶( 1 ，l , 2 ) ，l j ( l i t , p ) 为多边形环的任意两个直线段， 其中，l ( a o ，n j ) ，茸( b t ，配) ，( c t ，c 2 ) r 譬( ( f j ，以) 令： d = a 1 + ( d 2 一c 2 ) + b l + ( c 2 一d 2 ) + c l + ( a 2 - b 2 ) + d l + 0 2 - a 2 1 ， t l = ( a l + ( d 2 一e 2 ) + c l + ( a 2 一d 2 ) + d 1 4 ( c 2 一a 2 ) ) d ， f 2 = 一( a l + ( c 2 一b 2 ) + 6 1 + ( a 2 一c 2 ) + c l + ( b 2 - a 2 ) ) d ， 设交点为1 ( i x ，口) ， x = a l + ，】+ ( b l a 1 ) ， 抄= a 2 + t l + ( b 2 一a 2 ) 如果0 t l 1 并且0 t 2 1 ，则线段l 。和l j 相交，交点为( i x ，咖) ， 否则如果t l ：1 或，l = 0 且o t 2 l ，则线段；和，相交，交点为，( 血，t y ) ， 否则如果t 2 = l 或f 2 = o e 0 t l 1 ，则线段和j l ，相交，交点为，( 知，咖) ， 否则，线段厶和，不相交。 一丝三童! i 生些! ! 兰笪堑垩! ! 塑堕垫丝生塑 目3 - 9 偏置后m 现线段相交 上面给出了给定两条直线段求交点的计算方法，记为a s k i n t e r s e c t i o n ( s j g n ， p ，l i ，l j ) n 数( 参数s i g n 为返回线段是否相交，参数p 为返回交点，参数l l ， l j 分别为求交的两条直线段) ，下面用该函数给出直线段相交的伪代码形式描 述， 设多边形的所有直线段为a l ( a z - l ，爿2 ，a