论文部分内容阅读
CAD和CAPP系统的独立运行,导致设计信息与制造信息无法互通,增加了产品研发周期,降低了企业竞争力,而加工特征识别技术是实现设计信息与制造信息互通的有效途径之一。现有加工特征识别算法及软件系统对相交特征、复合特征等复杂加工特征识别率低,本文针对现有加工特征识别技术中存在的问题展开研究,并综合几何推理和神经网络的优势,提出一种基于几何推理和神经网络的加工特征识别混合算法,为加工特征识别技术的研究提供一种新的思路。本文的主要研究工作如下:(1)分析国内外加工特征识别技术的发展趋势,研究加工特征几何推理技术中属性邻接图对零件模型的表达,针对目前属性邻接图对零件模型表达信息的缺失,提出一种属性邻接图构建算法。对属性邻接图中的面节点添加特征面属性,丰富了属性邻接图对零件模型信息的表达。(2)简介加工特征分类,针对传统加工特征提取算法对典型加工特征识别有效但对相交特征以及复杂特征识别困难的问题,提出一种加工特征几何推理算法。基于特征面对属性邻接图进行图分解,实现对加工特征的分离,同时对由于特征相交造成的特征分割情况进行处理。并分析加工特征几何拓扑信息的关系,总结加工特征识别规则,实现对典型加工特征、相交特征及复杂特征的精确几何匹配。(3)为解决几何推理对几何变参或拓扑变异的加工特征识别的困难,考虑到神经网络对几何降维信息识别的抽象性提取和定性化判断的特点,提出一种加工特征神经网络算法。基于降维映射算法实现三维实体空间到低维空间的映射,基于关注度提取多个感兴趣视图,实现加工特征拓扑信息到图像特征信息的转化,并利用加工特征分类器,实现对几何变参但拓扑同构特征以及几何等参但拓扑变异特征的识别。(4)结合几何推理技术对几何匹配精确度高以及神经网络技术对拓扑变异敏感度低的优势,提出了一种基于几何推理和神经网络的加工特征识别混合算法,利用UG-NX以及Tensorflow开发技术,实现本文算法,构建加工特征识别原型系统,并以实例验证算法的可行性和有效性。通过研究基于几何推理和神经网络的加工特征识别混合算法,实现对相交特征、复合特征等复杂加工特征的有效识别,并以三维模型尺寸自动标注实例验证了加工特征识别算法的有效性。