CN103235556B - 基于特征的复杂零件数控加工制造方法 - Google Patents
基于特征的复杂零件数控加工制造方法 Download PDFInfo
- Publication number
- CN103235556B CN103235556B CN201310103134.1A CN201310103134A CN103235556B CN 103235556 B CN103235556 B CN 103235556B CN 201310103134 A CN201310103134 A CN 201310103134A CN 103235556 B CN103235556 B CN 103235556B
- Authority
- CN
- China
- Prior art keywords
- feature
- information
- feature based
- processing
- technique
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 403
- 238000012545 processing Methods 0.000 title claims abstract description 104
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 82
- 230000008569 process Effects 0.000 claims abstract description 230
- 238000005457 optimization Methods 0.000 claims abstract description 32
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 230000010354 integration Effects 0.000 claims abstract description 8
- 238000004886 process control Methods 0.000 claims abstract description 7
- 238000005520 cutting process Methods 0.000 claims description 94
- 238000003754 machining Methods 0.000 claims description 70
- 238000005516 engineering process Methods 0.000 claims description 24
- 239000000523 sample Substances 0.000 claims description 23
- 238000012544 monitoring process Methods 0.000 claims description 20
- 238000012360 testing method Methods 0.000 claims description 16
- 230000001133 acceleration Effects 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 15
- 239000000463 material Substances 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 13
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 238000013459 approach Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000011161 development Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 claims description 5
- 230000001413 cellular effect Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 5
- 230000008520 organization Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000012512 characterization method Methods 0.000 claims description 4
- 230000001447 compensatory effect Effects 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 4
- 235000012149 noodles Nutrition 0.000 claims description 4
- 238000007514 turning Methods 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000007423 decrease Effects 0.000 abstract description 2
- 210000003205 muscle Anatomy 0.000 description 21
- 230000006870 function Effects 0.000 description 12
- 238000009826 distribution Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 5
- 230000007704 transition Effects 0.000 description 5
- 241001269238 Data Species 0.000 description 4
- 238000003801 milling Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000011112 process operation Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241001212149 Cathetus Species 0.000 description 1
- 241000272194 Ciconiiformes Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011960 computer-aided design Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000013341 scale-up Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于特征的复杂零件数控加工制造方法，它基于本体与面向对象的方法表达特征，进而基于特征表达整个制造过程中零件的几何与工艺信息，以特征作为制造知识和经验的载体，实现从设计-加工-检测等制造阶段信息的有效集成以及闭环控制，以自动特征识别为基础，基于特征进行自动工艺决策、自动数控编程、后置处理、加工过程控制、在线检测、工艺优化及工时预测。基于特征的制造方法实现了加工过程中信息链的有效贯通，使制造过程能够自动化及智能化，减少了制造过程对人的经验的依赖性，同时便于制造过程的生产管理，提高了制造效率，降低了生产成本。
Description
技术领域
本发明涉及一种集成制造方法，尤其是一种以CAD（Computer Aided Design）/CAPP（Computer Aided Process Planning）/CAM（Computer Aided Manufacturing）/CNC（ComputerNumerical Control）/CAI（Computer Aided Inspection）为基础能自动生成复杂零件数控加工程序的制造方法，具体地说是一种基于飞机构件特征的复杂零件数控加工制造方法。
背景技术
高精度、高效率、高可靠性是制造技术不懈追求的目标。航空、航天、汽车、船舶、能源微电子等领域高、精、尖复杂产品的加工过程向现代制造工艺、装备和系统的极限性能不断提出新的挑战，迫切需要能够解决制造过程本质的方法。数字化制造将先进的制造技术与数字化技术相结合，在制造工艺、装备和系统的描述、规划、操作和控制方面发生了深刻的变革。数字化制造通过制造过程数字化仿真与优化，以及制造知识、信息的数字化表达、组织和存储等，实现数字化建模与信息集成、制造过程和制造系统之间的协同、虚拟仿真等。但是目前为止，还没有一种方法或者手段能够实现上述数字化制造知识的集成与表达，以便实现整个制造过程的集成。
特征技术作为一种数字化制造的一种手段，在信息集成方面发挥了重要作用，在传统的研究与商业软件的应用中，特征技术广泛应用在CAD/CAM领域，但是在集成方面都处于研究阶段，基本上都是处于CAD或者CAM的独立应用。近年来特征技术在STEP-NC方面有很多学者在研究，并且提出了一系列的国际标准，但是都处于探索阶段，与目前的工业实际的装备接口性差，难以推广应用。
检索已经发表或公开的文献资料，基本都是CAD/CAM集成或者CAM/CNC集成方面，或者是单个的应用领域研究。同时，在信息表达与方法方面不能应用于复杂零件且不能有效表达整个制造过程的信息。
综上所述，鉴于数字化制造在整个制造领域的重要作用及其挑战，但是整个制造系统相对松散；而特征技术作为一种数字化的实现手段，还没有实现制造系统的集成。
发明内容：
本发明的目的是针对现有的整个制造系统相对松散，难以实现数字化集成制造的问题，以特征作为制造知识和经验的载体，实现信息的有效集成，自动生成整个零件的数控加工程序的基于特征的复杂零件数控加工制造方法。
本发明的技术方案是：
一种基于特征的复杂零件数控加工制造方法，其特征是首先读入待加工零件的三维数字模型，其次，进行自动特征识别，从读入的三维数字模型中提取待加工零件的几何信息与工艺信息，三维数字模型中不包含的信息通过与数模配套的相关工艺文件获取，并将所提取的几何与工艺信息进行特征化标记，所有特征都按照特征类别与序号进行唯一标识，即特征标识=特征类别+序号，以此标识作为不同应用间特征关联的工具；若在制造过程中特征被分解，则特征标识=分解标识+特征类别+序号+分解子序号，从而实现以特征作为制造知识和经验的载体，实现信息的有效集成；第三，为了在整个制造过程中保持特征的有效性以及特征衍变的连贯性，采用面向对象以及基于本体的方法表示特征即定义特征的本体以及各应用领域特征的类，采用全息属性面边图的方法进行特征识别；最后，经过工艺优化自动生成复杂零件的数控加工程序，驱动数控加工设备完成整个加工过程。
在进行自动特征识别完成后再基于特征构建加工工艺优化模型、基于特征进行自动工艺决策、基于特征进行自动数控编程、基于特征进行后置处理、基于特征进行加工过程控制、基于特征进行在线检测、基于特征构建已加工零件的工时样本库和构建特征几何信息与工艺信息向机床性能参数的映射模型；
（1）所述的基于特征构建加工工艺优化模型时应包含特征的几何信息、刀具的信息、机床信息和工件的材料信息，优化模型的约束为切削力和振动，优化模型的优化目标为加工效率、加工质量和加工成本，优化的项目为切深、切宽和进给速度，建立基于特征的切削参数库；面向应用领域构建基于特征的切削试验试件三维模型，包含典型特征及其典型组合，作为验证加工工艺的标准样件；
（2）所述的基于特征进行自动工艺决策是为自动工艺决策提供完整的信息支撑，基于特征表达工艺规则及工艺方案，进而基于特征进行自动工艺决策，基于特征表达自动工艺决策的结果；
（3）所述的基于特征进行自动数控编程是指将自动工艺决策的结果也作为自动编程的依据，进而基于特征自动生成加工刀轨，基于特征表达自动编程的结果；
（4）所述的基于特征进行后置处理是以自动编程的结果为依据，考虑数控系统的动态特性，进行基于特征的后置处理，基于特征表达后置处理的结果，形成数控加工程序；
（5）所述的基于特征进行加工过程控制是为表达加工过程中出现的问题的处理策略，包括基于特征进行加工过程的状态监测，加工过程中进行智能自适应调整，基于特征记录加工过程中的数据，供工艺优化使用；
（6）所述的基于特征进行在线检测是指基于特征的几何信息和工艺信息形成检测点生成规范，基于特征的几何信息优化在线检测时测头姿态矢量以及检测轨迹，基于特征形成检测分析结果，作为优化加工工艺的依据；
（7）所述的基于特征构建已加工零件的工时样本库中包含与工时相关的特征的几何信息以及零件工时，以特征几何信息与工艺信息作为输入，构建神经网络，在没有零件数控程序的前提下预测待加工零件的工时，作为零件加工对外报价以及生产计划安排的依据；在基于特征的数控程序中加入特征的几何信息与工艺信息，结合数控机床的动态特性以及切削过程中的切削力，精确预测每一个工序的数控加工工时，作为机床调度的依据；
（9）所述的构建特征几何信息与工艺信息向机床性能参数的映射模型是基于特征分析满足加工零件所需机床的性能参数，提供面向应用的机床相关参数设计参考。
所述的基于特征进行自动工艺决策的步骤为：
（1）基于特征表达与工艺决策相关的几何信息与工艺信息，其中几何信息为：特征的几何尺寸、位置、几何结构、特征所允许的最大刀具直径，工艺信息为：材料、毛坯形式、加工余量和加工精度；
（2）基于特征的工艺决策按照机床决策、加工顺序决策、加工方法决策及切削参数决策的顺序进行，依据工艺规则和工艺方案形成自动工艺决策结果；
（3）基于特征表达工艺决策结果形式为：每道工序包含若干工步，每个工步下包含若干操作，每个操作与一个加工特征相对应，特征里含有特征的操作类型、加工策略及切削参数。
所述的基于特征的自动数控编程方法为：
（1）基于特征表达与自动编程相关的几何信息与工艺信息，其中几何信息为：特征的几何尺寸、生成刀轨所需的驱动几何、刀轨起始点与终止点和刀轨避让几何，工艺信息包括：加工特征的刀具信息、特征的加工精度和刀轨策略；
（2）通过特征识别提取加工特征，输出包含几何信息与工艺信息的特征识别结果；
（3）基于特征识别结果的几何信息以及工艺决策结果的工艺信息，自动生成每个加工特征的刀轨；
（4）以特征为单位生成每个特征的加工刀轨的刀位文件，根据不同的应用需求，标记相应的信息。
所述的基于特征的后置处理步骤包括：
（1）在数控程序中基于特征表达与后置处理相关的几何信息与工艺信息，其中几何信息指：特征的几何中的线的类型：直线、圆弧、圆锥曲线、自由曲线，以及面的类型：平面，直纹面，自由曲面，工艺信息中指加工对应特征时的数控加工操作类型；
（2）后置处理中所考虑的数控系统的特性，包含了加速度特性、插补精度特性和刀柄补偿控制参数类型；
（3）基于特征几何与工艺信息，结合数控系统的动态特性，对刀位点进行拟合形成数控系统支持的多项式插补方法，并优化进给速度以适应复杂的数控加工工况。
所述的基于特征的加工过程控制的步骤包括：
（1）基于特征表达与加工过程控制相关的几何信息与工艺信息，其中几何信息为：转角信息和驱动几何信息，工艺信息为：加工刀具、切削参数、监测策略和检测策略；
（2）根据特征的几何信息与工艺信息以及处理策略，进行在线监测，并基于人工智能方法实现监测结果的处理；
（3）记录加工过程中的数据指加工过程中实际的切削参数、机床的运行功率、加工过程中出现的刀具磨损及颤振；以特征为单元组织以上数据。
所述的基于特征的在线检测包括以下步骤：
（1）基于特征表达与检测相关的几何信息与工艺信息，其中几何信息为：检测特征的面类型、曲率变化、面积、法向和中间加工状态的理论几何模型；工艺信息为：加工精度；
（2）基于特征的几何信息与工艺信息构建检测特征的检测点的生成规则，基于特征生成检测特征的检测点，并考虑检测特征的中间状态优化检测轨迹，生成检测文件；
（3）安装探头进行在线检测，记录检测结果及分析结果，并基于特征进行组织，反馈给工艺部门，作为工艺优化的依据。
所述的基于特征的加工工艺优化模型考虑特征的几何信息与工艺信息，其中，几何信息指：作为刚性重要考量的特征的几何尺寸、特征构成几何元素的厚度以及高度。
所述的基于特征构建已加工零件的工时样本库时所依据的几何信息包括转角位置、转角大小等；工艺信息包括切削余量、切深、切宽主进给速度；机床的动态特性包括机床的加速度、加加速度和转弯性能，基于几何信息、工艺信息与机床的动态特性，预测机床运动过程中的实际进给速度，并结合切削力预测由于切削力的变化造成的进给速度的变化，进而精确预测进给速度，然后基于刀具轨迹算出加工工时。
所述面向对象以及基于本体的特征表示方法为：
（1）首先定义特征本体，特征本体包含特征的唯一标识、标识面以及可能成为标识面的种子标识面，定义种子标识面是由于在制造过程中特征的衍变，特征有可能会被分解；
（2）基于特征的本体衍生出各个应用领域的特征类，类继承了本体的属性，类中包含几何信息和工艺信息，针对不同应用领域的需求，定义不同的几何信息和工艺信息，从而实现整个制造过程的信息集成及传递。
本发明的有益效果：
（1）基于本体和面向对象的方法表达特征不同阶段不同应用视图下的信息，使不同阶段不同应用视图的信息有效集成。
（2）本发明有效地集成了制造知识和经验，减少了制造过程对人的经验的依赖性。
（3）本发明能够使制造过程的信息进行有效地数字化表达，加工过程的信息能够有效集成，整个制造过程形成了闭环控制。
（4）本发明有利于生产信息的管理，为企业开展知识工程提供了信息保障。
（5）本发明有利于生产过程的自动化和智能性，提高了生产效率，降低生产成本。
附图说明
图1.基于特征的制造方法流程图。
图2.（a）典型双面飞机结构件正面；（b）典型双面飞机结构件反面。
图3.槽特征工艺决策所需信息文件截图。
图4.槽特征工艺决策结果信息文件截图。
图5.槽特征自动编程所需信息文件截图。
图中，1表示槽、2表示筋、3表示孔、4表示轮廓。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明。
一种基于特征的复杂零件数控加工制造方法，通过基于特征来表达整个制造过程中零件的几何与工艺信息，以特征作为制造知识和经验的载体，实现信息的有效集成，为了在整个制造过程中保持特征的有效性以及特征衍变的连贯性，采用面向对象以及基于本体的方法表示特征：
（1）定义特征的本体以及各应用领域特征的类；
（2）基于全息属性面边图的方法进行特征识别，从三维数字模型中提取零件的几何信息与工艺信息，三维数字模型中不包含的信息通过相关文件获取，所有特征都按照特征类别与序号进行唯一标识，即特征标识=特征类别+序号，以此标识作为不同应用间特征关联的工具；若在制造过程中特征被分解，则特征标识=分解标识+特征类别+序号+分解子序号。
本发明基于特征表达整个制造过程中零件的几何与工艺信息，为了适应不同应用领域且在整个制造过程中保持特征的有效性以及特征衍变的连贯性，采用面向对象以及基于本体的方法表示特征，以此为基础，基于特征进行自动工艺决策、自动数控编程、后置处理、加工过程控制、在线检测、工艺优化及工时预测，该方法通过以下步骤实现：
（1）定义特征的本体以及各应用领域特征的类；
（2）基于全息属性面边图的方法进行特征识别，从三维数字模型中提取零件的几何信息与工艺信息，三维数字模型中不包含的信息通过相关文件获取，所有特征都按照特征类别与序号进行唯一标识，即特征标识=特征类别+序号，以此标识作为不同应用间特征关联的工具；若在制造过程中特征被分解，则特征标识=分解标识+特征类别+序号+分解子序号；
（3）基于特征构建加工工艺优化模型，优化模型的因素包含特征的几何信息、刀具的信息、机床信息和工件的材料信息，优化模型的约束为切削力和振动，优化模型的优化目标为加工效率、加工质量和加工成本，优化的项目为切深、切宽和进给速度，建立基于特征的切削参数库；面向应用领域构建基于特征的切削试验试件三维模型，包含典型特征及其典型组合，作为验证加工工艺的标准样件；
（4）基于特征表达与工艺决策相关的几何信息与工艺信息，为自动工艺决策提供完整的信息支撑，基于特征表达工艺规则及工艺方案，进而基于特征进行自动工艺决策，基于特征表达自动工艺决策的结果；
（5）基于特征表达与数控编程相关的几何信息与工艺信息，同时将自动工艺决策的结果也作为自动编程的依据，进而基于特征自动生成加工刀轨，基于特征表达自动编程的结果；
（6）基于特征表达与后置处理相关的几何与工艺信息，以自动编程的结果为依据，考虑数控系统的动态特性，进行基于特征的后置处理，基于特征表达后置处理的结果，形成数控程序；
（7）基于特征表达加工过程控制相关的几何信息与工艺信息，表达加工过程中各种问题的处理策略，基于特征进行加工过程的状态监测，加工过程中进行智能自适应调整，基于特征记录加工过程中的数据，供工艺优化使用；
（8）基于特征的几何信息和工艺信息形成检测点生成规范，基于特征的几何信息优化在线检测的检测点的测头姿态矢量以及检测轨迹，基于特征形成检测分析结果，作为优化加工工艺的依据；
（9）基于特征构建已加工零件的工时样本库，工时样本库中包含与工时相关的特征的几何信息以及零件工时，以特征几何信息与工艺信息作为输入，构建神经网络，在没有零件数控程序的前提下预测待加工零件的工时，作为零件加工对外报价以及生产计划安排的依据；
（10）在基于特征的数控程序中加入特征的几何信息与工艺信息，结合数控机床的动态特性以及切削过程中的切削力，精确预测每一个工序的数控加工工时，作为机床调度的依据；
（11）构建特征几何信息与工艺信息向机床性能参数的映射模型，基于特征分析满足加工零件所需机床的性能参数，提供面向应用的机床设计；
所述面向对象以及基于本体的特征表示方法为：
（1）首先定义特征本体，特征本体包含特征的唯一标识、标识面以及可能成为标识面的种子标识面，定义种子标识面是由于在制造过程中特征的衍变，特征有可能会被分解；
（2）基于特征的本体衍生出各个应用领域的特征类，类继承了本体的属性，类中包含几何信息和工艺信息，针对不同应用领域的需求，定义不同的几何信息和工艺信息，从而实现整个制造过程的信息集成及传递。
所述基于特征的工艺决策步骤为：
（1）基于特征表达与工艺决策相关的几何信息与工艺信息，其中几何信息为：特征的几何尺寸、位置、几何结构、特征所允许的最大刀具直径，工艺信息为：材料、毛坯形式、加工余量、加工精度等；
（2）基于特征的工艺决策按照机床决策、加工顺序决策、加工方法决策及切削参数决策的顺序进行，依据工艺规则和工艺方案形成自动工艺决策结果；
（3）基于特征表达工艺决策结果形式为：每道工序包含若干工步，每个工步下包含若干操作，每个操作与一个加工特征相对应，特征里含有特征的操作类型、加工策略及切削参数。
所述基于特征的自动编程方法为：
（1）基于特征表达与自动编程相关的几何信息与工艺信息，其中几何信息为：特征的几何尺寸、生成刀轨所需的驱动几何、刀轨起始点与终止点、刀轨避让几何等，工艺信息包括：加工特征的刀具信息、特征的加工精度、刀轨策略等；
（2）通过特征识别提取加工特征，输出包含几何信息与工艺信息的特征识别结果；
（3）基于特征识别结果的几何信息以及工艺决策结果的工艺信息，自动生成每个加工特征的刀轨；
（4）以特征为单位生成每个特征的加工刀轨的刀位文件，根据不同的应用需求，标记相应的信息。
所述基于特征的后置处理步骤为：
（1）在数控程序中基于特征表达与后置处理相关的几何信息与工艺信息，其中几何信息指：特征的几何中的线的类型：直线、圆弧、圆锥曲线、自由曲线，以及面的类型：平面，直纹面，自由曲面，工艺信息中指加工对应特征时的数控加工操作类型；
（2）后置处理中所考虑的数控系统的特性，包含了加速度特性、插补精度特性、刀柄补偿控制等参数类型；
（3）基于特征几何与工艺信息，结合数控系统的动态特性，对刀位点进行拟合形成数控系统支持的多项式插补方法，并优化进给速度以适应复杂的数控加工工况。
所述基于特征的加工过程控制的步骤为：
（1）基于特征表达与加工过程控制相关的几何信息与工艺信息，其中几何信息为：转角信息、驱动几何信息等，工艺信息为：加工刀具、切削参数、监测策略、检测策略等；
（2）根据特征的几何信息与工艺信息以及处理策略，进行在线监测，并基于人工智能方法实现监测结果的处理；
（3）记录加工过程中的数据指加工过程中实际的切削参数、机床的运行功率、加工过程中出现的各种问题如刀具磨损、颤振等；以特征为单元组织以上数据。
所述基于特征的在线检测包括以下步骤：
（1）基于特征表达与检测相关的几何信息与工艺信息，其中几何信息为：检测特征的面类型、曲率变化、面积、法向、中间加工状态的理论几何模型等；工艺信息为：加工精度；
（2）基于特征的几何信息与工艺信息构建检测特征的检测点的生成规则，基于特征生成检测特征的检测点，并考虑检测特征的中间状态优化检测轨迹，生成检测文件；
（3）安装探头进行在线检测，记录检测结果及分析结果，并基于特征进行组织，反馈给工艺部门，作为工艺优化的依据。
所述基于特征的加工工艺优化模型考虑特征的几何信息与工艺信息，其中，几何信息指：特征的几何尺寸、特征构成几何元素的厚度以及高度，这些因素是刚性的重要考量。
所述基于特征的精确加工工时预测方法中，几何信息指特征的转角位置、转角大小；工艺信息指切削余量、切深、切宽、进给速度；机床的动态特性包括机床的加速度、加加速度、转弯性能，基于几何信息、工艺信息与机床的动态特性，预测机床运动过程中的实际进给速度，并结合切削力预测由于切削力的的变化造成的进给速度的变化，进而精确预测进给速度，然后几何刀具轨迹算出加工工时。
详述如下：
如图1-5所示。
一种基于特征的复杂零件数控加工制造方法及系统，其总体流程如图1所示，以一个典型的双面飞机结构件为例，说明基于特征的制造方法的具体实施过程。
如图2所示，飞机结构件的特征可分为槽1、筋2、孔3、轮廓4，槽特征的标识为P0001，筋特征的标识为R0001，孔特征的标识为H0001，轮廓特征的标识为F0001，字母后面的数字按照每一个特征在所在特征类别的序号确定。各特征分解后的子特征标识为：槽分解特征的标识为ZP0001-001，筋分解特征的标识为ZR0001-001，孔分解特征的标识为ZH0001-001，轮廓分解特征的标识为ZF0001-001；槽特征的标识面为腹板面，种子标识面为侧面，筋特征的标识面为筋顶面，种子标识面为筋侧面，孔特征的标识面为孔壁面，种子标识面为孔上下顶面，对于轮廓特征，标记最大的轮廓面为标识面，其余面均作为种子标识面。
下面主要以槽特征为例说明整个过程，其余特征都类似。
定义特征的本体以及各应用领域特征的类：首先定义特征本体，特征本体包含特征的唯一标识、标识面以及可能成为标识面的种子标识面，定义种子标识面是由于在制造过程中特征的衍变，特征有可能会被分解；所有特征都按照特征类别与序号进行唯一标识，即特征标识=特征类别+序号，以此标识作为不同应用间特征关联的工具；若在制造过程中特征被分解，则特征标识=分解标识+特征类别+序号+分解子序号；例如图2中典型双面飞机结构件的槽1的标识为P0001，该槽特征的标识面为槽特征的腹板面；
基于特征的本体衍生出各个应用领域的特征类，类继承了本体的属性，类中包含几何信息和工艺信息，针对不同应用领域的需求，定义不同的几何信息和工艺信息，从而实现整个制造过程的信息集成及传递。主要的几种应用领域特征定义如下：
与工艺决策相关的槽特征的几何信息为：槽腹板的中心位置、槽的面积、深度、转角半径、所允许的最大刀具直径、加工面的最大倾角；工艺信息为：材料、毛坯形式为精锻件、粗加工余量、加工精度；
与自动编程相关的槽特征的几何信息为：槽特征的深度，槽特征加工操作的驱动面，比如侧壁加工的一周侧壁面，刀轨起始点与终止点，中间的凸台避让几何等，工艺信息包括：槽特征的加工刀具、精度、刀轨的进退刀策略、切削策略等；
基于全息属性面边图的方法进行特征识别，从三维数字模型中提取零件的几何信息与工艺信息，三维数字模型中不包含的信息通过相关文件获取；特征识别结果以XML（eXtensible Markup Language，可扩展的标记语言）文件形式进行保存，方便后续步骤的调用。
以图2典型飞机结构件槽特征1为例，识别结果如图5的XML文件所示，其中包括槽的序号，槽的轴向，槽的转角半径，底角半径，槽特征的所有层，各个层的顶点，层高，层的转角和底角半径，腹板面、侧面、顶面和底角面在CAD模型中的唯一标识值等信息；
基于特征表达与工艺决策相关的几何信息与工艺信息，为自动工艺决策提供完整的信息支撑。由于从零件模型中提取的加工特征仅是特定几何形状与加工信息之间的静态对应关联，而各加工阶段之间存在动态关联。为避免仅采用静态的加工特征，影响工艺决策结果的准确性，对特征加工过程的状态进行构造，运用了基于特征加工过程状态的工艺决策方法，实现工艺方案的动态和整体优化。最后，基于特征表达自动工艺决策的结果。
a、特征加工过程的状态构造方法以自动识别的特征结果文件为基础，由三个步骤组成：构造特征加工工艺方案结构，提取状态监测位置和计算特征加工过程状态。
构造特征加工工艺方案结构是指从典型的零件级工艺方案中提取出与该特征相关的工艺规程结构及典型工艺参数。
提取状态监测位置信息是指按照特征加工工艺方案结构，提取相应加工区域，并进行几何分析，得到能够反映在工艺方案下特征切削状态的关键切削位置点，作为IPS（Interim Process State，中间加工状态）的加工状态计算输入。
计算特征加工过程状态是在确定计算位置之后，结合工艺参数信息，对关键切削位置点的切削状态进行计算，最终完成特征加工过程状态的构造。
b、基于特征加工过程状态的工艺决策按照机床决策、加工特征排序决策、加工方法决策及切削参数决策的顺序进行。
在特征加工过程状态的基础上，首先对信息结构进行了分层，归纳纵向约束、横向两种关系类型，从属、对应、引用、顺序、传递、制约共六种约束关系来描述加工过程状态内部的复杂工艺关系。建立加工过程状态工艺约束关系分析方法，将工艺方案的决策与优化转化为六种关系的分析与处理。基于加工过程状态的工艺决策方法能够以实际的加工过程状态为推理依据，并在追求局部优化的同时，兼顾了特征加工的整体优化性。
工艺决策中加工特征排序决策分为机床级排序、装夹级排序和操作级排序。通过将加工知识及经验以规则的形式融入排序过程中，很好地解决了包含自由形状曲面的相交特征引起的加工特征排序难题。
c、基于特征表达工艺决策结果形式为：每道工序包含若干工步，每个工步下包含若干操作，每个操作与一个加工特征相对应，特征里含有特征的操作类型、加工策略及切削参数。
以图2所示典型飞机结构件正面精加工为例来说明工艺决策结果。精加工共包含四个工步：精铣筋顶、槽腹板、内型，精铣转角，钻孔，铣外轮廓。由于使用同一把刀具精铣筋顶、槽腹板和内型，所以将它们放在同一工步中，每一工步对应相应的加工特征。特征间的加工顺序按照筋、槽腹板、槽内型、转角、孔、轮廓的顺序进行排列。同一特征的排序按照空刀路径最短原则进行排序。槽1在所有槽特征中第四个加工。
以槽1为例说明操作类型和切削参数决策结果，该操作类型为Pocketing，位于工步1中，第4个Pocketing操作，该槽的加工策略为由内向外加工，切深2mm，切宽10mm，高速圆角0.5mm，进给速度2500mm/min，主轴转速9000r/min，切削层数为2层。
基于特征构建加工工艺优化模型，实现多切削参数组的优化。工艺优化模型包括特征的几何信息、刀具信息、机床信息和工件的材料信息。在切削加工中，将切削速度、切削深度、进给速度定为切削用量三要素。因此工艺优化主要是指求出最优的切削速度、切削深度和进给速度。除此之外，还包括刀具的选择等。工艺优化的目标为加工效率、加工质量和加工成本。根据优化目标建立相应的目标函数，即最高生产效率目标函数、加工质量最高目标函数和最低加工成本目标函数。
最高生产效率目标函数的主要影响因素有：工序切削时间、换刀时间、装夹时间和其他辅助时间。其中影响工序切削时间的主要因素为：切削深度、切削宽度、切削速度、进给速度等；影响换刀时间的因素为一次换刀时间和换刀次数，刀具耐用度又影响了换刀次数。对这些因素建立相应的影响系数，通过将所有因素整合统一，建立最高生产效率目标函数；
加工质量最高目标函数的影响因素有：零件材料性能、切削速度、进给速度等。同样为影响因素建立影响系数，建立目标函数。
最低加工成本目标函数的影响因素有：毛坯费用、在切削时间内所需费用、刀具成本、在装夹时间内所需费用和在辅助时间内所需费用。为影响因素建立影响系数，最终建立最低成本目标函数。
按照三个优化目标函数对切削参数和刀具进行优化。在优化过程中需要考虑的约束条件为：
①安全约束，即切削力、切削扭矩等不能超过机床、刀具、夹具和工件的允许范围；
②能力约束，即主轴转速、进给速度、主轴加速度、进给加速度等不能超过机床的性能指标；
③质量约束，工艺优化后，工件必须满足给定的加工精度和表面质量；
④振动约束，加工过程中，刀具、工件、机床不能出现明显的振动。
建立基于特征的切削参数库，存储基于特征工艺优化模型优化的切削参数，供自动工艺决策参考使用。
最后，面向应用领域构建基于特征的切削试验试件三维模型，作为验证加工工艺的标准样件。其中三位模型包括典型特征及其典型组合。
基于特征表达与数控编程相关的几何信息与工艺信息，同时将自动工艺决策的结果也作为自动编程的依据，进而基于特征自动生成加工刀轨，基于特征表达自动编程的结果；基于特征的自动数控编程算法主要包括驱动信息获取、刀轨生成、加工仿真和后置处理。
驱动信息包括驱动几何信息、加工方式及参数信息、进给方式及参数信息三类。其中，加工方式及参数、进给方式及参数通过数字、字母等数据形式直接给出，而驱动几何则隐含在加工特征的几何信息中，需经处理转换为刀轨生成算法可直接使用的数据形式。
不同特征加工刀轨生成算法所需驱动几何不同。在此以典型槽腹板加工为例，阐述加工特征重构的过程。
加工方式及参数主要包括：刀轨类型(Tool Path Style)，切削方向(Direction Of Cut)，加工精度(Machining Tolerance)，刀具(Tool)，刀具直径D，刀具底齿半径Rc，刃长Lc，刀具工作长度L，切宽(Radial Distance Between Path)，切深(Axial Maximum Depth Of Cut)，圆角半径(Corner Radius)，圆角圆弧圆心角(Limit Angle)，圆角切向延伸长度(Extra Segmentoverlap)，过渡圆弧半径(Transition Radius)，过渡角(Transition Angle)，过渡线长(TransitionLength)，圆角减速率(Reduction Rate)，圆角角最小圆心角(Minimum Angle)，圆角减速最大半径(Maximum Radius)，圆角减速预置距离(Distance Before Corner)，圆角减速撤销距离(Distance After Corner)。
进给方式及参数主要包括：进刀方式(Approach)，螺旋直径(Horizontal SafetyDistance)，螺旋高度(Vertical Safety Distance)，螺旋角(Ramping Angle)，进刀速度(ApproachFeed Speed)，退刀方式(Retract)，退刀圆弧圆心角(Angular Sector)，退刀圆弧朝向(Orientation)，退刀圆弧半径(Radius)，退刀速度(Retract Feed Speed)，加工速度(MachiningFeed Speed)，主轴转速(Spindle Speed)。
采用基于环分析的方法生成驱动几何。该方法解决了腹板精加工区域创建中曲线裁剪的分类情况多、裁剪后线段取舍判断复杂且易出错的问题；能够对闭角、开闭角并存及共侧面等类型的槽特征腹板加工区域创建进行统一计算，算法通用性好，有效地提高了腹板精加工编程的效率。该方法具体步骤如下：
①将槽特征的广义侧面和广义底面的外环边界向腹板面投影；
②通过投影得到包含直线、圆弧和样条曲线的平面封闭轮廓；
③用直线段逼近投影曲线段，对所有直线段求交分割；
④为了环分析矢量旋转的需要，将平面封闭轮廓离散成一系列直线段，并对其求交分割生成只包含直线段的平面封闭轮廓；
⑤采用直线段旋转法对只包含直线段的平面封闭轮廓进行分析，得到所有封闭的环；
⑥从所有环中搜索处目标环；
⑦根据目标环计算腹板精加工区域，得到驱动几何。
通过以上的驱动信息，利用成熟的刀轨算法生成数控程序。
在数控程序中给不同的刀位点分段插入线的类型，即直线、圆弧、圆锥曲线、自由曲线，以及面的类型，即平面，直纹面，自由曲面等几何信息，同时插入加工对应特征时的数控加工操作类型等工艺信息；后置处理中所考虑的数控系统的特性，包含了加速度特性、插补精度特性、刀柄补偿控制等参数类型；基于特征几何与工艺信息，结合数控系统的动态特性，对刀位点进行拟合形成数控系统支持的多项式插补方法，并优化进给速度以适应复杂的数控加工工况。基于特征的后置处理包含以下步骤：
步骤一、基于特征表达与后置处理相关的几何和工艺信息。在CAM软件的刀轨生成过程中，得到并标识刀轨所在特征的ID（IDentification），依据刀轨所对应的驱动几何信息，标识刀轨语句段属于直线刀轨或者曲线刀轨，在刀轨语句段中添加原始加工操作类型信息。
步骤二、在后置处理中输入离散刀轨点位，依据上述信息判定刀轨点位属于刀轨段的几何类型，对于属于直线刀轨的离散刀轨点位直接输出直线插补的NC（NumericalControl）程序，对于属于圆弧刀轨的离散刀轨点位直接输出圆弧插补的NC程序。
步骤三、针对属于曲线的刀轨点位（需至少采用五个点位进行拟合）通过代入圆锥曲线方程的常规表达方程Ax2+Bxy+Cy2+Dx+Ey+1=0进行拟合，式中x、y为参数，系数A、B、C、D、E均为实数且A、B、C均不为零。
步骤四、将拟合的曲线和原来的点位进行比较，算出拟合误差，若拟合误差超出规定值，则拟合的曲线段结束，可直接代入预先编制好的对应的标准曲线程序中产生相应的NC程序，然后重新输入离散刀轨点位进行拟合，即重复第二步到第四步，直至整个曲线段均有对应的NC程序输出为止。
步骤二、点位文件中都是离散的刀轨点位，算法依次读取点位，不断生成NC程序。每读取一个离散点位系统都会进行判定，设当前输入点位为Pi，系统会根据Pi所处的驱动几何关键词来判断Pi点位所处刀轨是直线或者曲线。
步骤三、经过判断之后如果Pi处在直线或者圆弧刀轨，并且Pi之前的点位处在曲线（非圆弧）刀轨，则输出Pi之前的曲线插补NC程序，然后输出Pi所对应的直线或者圆弧插补NC程序，然后转步骤二。NC程序中直线和圆弧插补的程序示例如下：
步骤四、若点位属于曲线刀轨的部分，需继续输入点位Pi，直到待拟合的点位多于5个，针对属于曲线段的离散刀轨点位进行拟合，得到圆锥曲线的常规形式方程。
圆锥曲线方程的常规表达方式为Ax2+Bxy+Cy2+Dx+Ey+1=0，x、y为参数且A、B、C、D、E均为实数，且A、B、C均不为零。此形式下包含了椭圆，双曲线和抛物线三种形式。
利用此方程对点位进行最小二乘拟合，以得到方程中的各系数。
步骤五、由于不同数控系统NC程序输入的要求不同，需要对方程进行参数转换。
步骤六、对拟合曲线进行误差判定。当拟合点位增多时，拟合曲线与点位间的误差可能增大，这时需要以新的点位开始拟合曲线。误差判定采用离散刀轨点位到所拟合曲线的最小距离表示。若拟合的误差大于所设定的误差，则输出最后生成的误差以内的拟合曲线相应的圆锥曲线插补NC程序，并返回步骤二。
步骤七、若拟合的误差小于所设定的误差，则返回步骤二，重新添加新的点位。若新的点位属于直线刀轨，转入步骤三，判断是否已输出最后拟合的圆锥曲线NC程序，并输出直线插补NC程序；若新的点位属于曲线刀轨，则转入步骤四，继续拟合曲线。
生成基于特征表达的加工过程控制文件，包括几何信息：转角信息、驱动几何信息等，以及工艺信息：加工刀具、切削参数、监测策略、检测策略等；根据特征的几何信息与工艺信息以及处理策略，进行在线监测，并基于人工智能方法实现监测结果的处理；记录加工过程中的数据指加工过程中实际的切削参数、机床的运行功率、加工过程中出现的各种问题如刀具磨损、颤振等；以特征为单元组织以上数据。步骤一、基于特征组织与加工过程相关的几何工艺信息，形成加工过程控制信息。基于特征组织几何工艺信息包括特征类型、使用的刀具、走刀策略、切宽、切深、主轴转速、
步骤二、根据加工过程控制信息对加工过程进行在线监测，并基于人工智能方法实现监测结果的处理。
步骤三、记录加工过程中的数据，包括加工过程中实际的切削参数、机床的运行功率、加工过程中出现的各种问题如刀具磨损、颤振等；最后过程监测见过需要以特征为单元进行信息的组织，加工的实际进给速度、切深、切宽、运行功率等均进行曲线表示，以特征为单元进行划分。最后将组织好的加工过程数据进行反馈，以进行工艺优化。
基于特征表达与检测相关的几何信息与工艺信息，其中几何信息为：检测特征的面类型、曲率变化、面积、法向、中间加工状态的理论几何模型等；工艺信息为：加工精度；基于特征的几何信息与工艺信息构建检测特征的检测点的生成规则，基于特征生成检测特征的检测点，并考虑检测特征的中间状态优化检测轨迹，生成检测文件；安装探头进行在线检测，记录检测结果及分析结果，并基于特征进行组织，反馈给工艺部门，作为工艺优化的依据。所述基于特征表达的在线检测方法，该方法包括以下步骤：
步骤一、输入总体信息，定义从零件三维模型中无法获取的一些信息，包括零件的名称以及属性信息，以及每一类检测特征的默认公差信息等，以支持检测特征识别和检测数据的生成，并以XML中性文件的形式输出保存；
步骤二、根据定义的检测特征，对零件进行特征识别，所获得的特征信息以链表的形式存储，而对于不同的特征其数据结构不同，但其有共同的属性信息，如公差、特征编号、特征方位等；
步骤三、读入检测特征信息，可以读入特征识别保存的特征列表文件，也可以读入已有的检测数据列表文件，继续上一次检测点编辑结果继续编辑；所读入的特征应包括完整特征信息，为检测数据的生成提供特征信息；
步骤四、根据输入的特征的几何信息与工艺信息，在在线检测检测点创建规范框架下，判断检测特征的类型，若是“轴”或平面规则形体，按照等间距检测点数与分布的确定方法；若是曲面，则利用基于曲率变化矩阵的曲面检测点自动创建方法，自动生成在线检测检测点；对有特殊的检测要求的检测特征，需要人工对自动生成的检测数据点进行干预处理，以获得满意的检测点数据；
步骤五、基于检测状态，按检测操作级、检测特征级、特征自身级三级，进行以特征为单位的在线检测路径规划；
步骤六、对上一步规划的检测路径进行后置处理，将得到检测特征检测数据，通过坐标变换使在设计坐标系下的检测点数据坐标变换到检测坐标系下，同时根据路径信息和机床配置信息生成检测NC代码和检测工艺文件，传输至数控机床进行在线检测；
步骤七、利用接触式电触式测头测量检测点的实际坐标，对所获得实际坐标进行误差补偿，得到最终所需要的校正数据；
步骤八、将经过误差补偿的数据和在线检测指导文件中的理论值进行比较，根据在线检测指导文件中的要求进行分析、处理，得出完整的检测结果和最终的质量评价结论，进而评估加工零件是否满足要求以及调整策略，检测结果也可作为工艺优化的依据。
基于特征的神经网络工时预测方法中，几何信息与工艺信息分别为：几何信息指整体面积、零件高度、槽、筋、孔、轮廓特征的数量；工艺信息指零件的材料、加工所需机床。基于特征的神经网络工时预测方法包括以下步骤：
步骤一、读取图2所示飞机结构件的自动特征识别结果；
步骤二、提炼典型加工特征参数，典型加工特征参数包括：
a．关于筋特征：对于水平筋顶，影响其加工时间的特征参数为水平筋顶的加工驱动线的程度；对于斜筋顶，影响其加工时间的特征参数为斜筋顶的加工驱动线长度和斜筋顶的倾斜角度；对于弧筋顶，影响其加工时间的特征参数为弧筋顶的加工驱动线长度；图2所示为典型筋顶特征示意图；
b．关于槽特征：对于槽腹板特征，影响其加工时间的特征参数是腹板的面积，其中若槽中含有凸台也当作腹板面处理；对于槽内型，影响其加工时间的特征参数是内型驱动线长度以及槽高度；对于槽转角，影响其加工时间的特征参数为转角半径、转角角度、转角深度；
c．关于轮廓：影响其加工时间的特征参数为零件轮廓的周长和轮廓的高度；
d．关于圆孔：影响其加工时间的特征参数为圆孔的半径和圆孔的深度；
e．关于非圆孔：影响其加工时间的特征参数为非圆孔的周长和非圆孔的深度；
以上特征及其参数使用特征识别实现并保存为特征信息。
步骤三、提炼影响工时的切削参数，当工件、刀具、机床等加工资源都确定后，影响生产效率的主要因素为：切削速度、进给量、切削深度和切削宽度，对于不同的特征影响的切削参数如下：
对于筋顶特征、槽内型特征、孔特征，影响其加工时间的切削参数为：转速、进给速度、切深；
对于槽腹板特征、槽转角特征、轮廓特征、非圆孔特征，影响其加工时间的切削参数为：转速、进给速度、切宽、切深；
步骤四、进行切削仿真实验，以特征为研究对象，基于典型的零件加工工艺和提炼的切削参数，通过不断的变换特征的尺寸特征，试验过程中记录不同尺寸的特征的加工时间，形成基于特征的加工时间库。特征参数的选取原则如下：
a、筋顶：1)对于水平筋顶，它的加工驱动线长度范围定为10～1500mm，从实验结果中选取的水平筋顶样本的加工驱动线长度处在上述范围，企鹅选取的数据满足正态分布的要求；2)对于斜筋顶，它的加工驱动线长度范围定为10～200mm，倾角范围定为10～80°，从实验结果中选取斜筋顶样本的加工驱动线长度和倾角范围处在上述范围，且选取的数据满足正态分布的要求；3)对于弧筋顶，它的加工驱动线长度范围定为10～100mm从实验结果中选取的弧筋顶样本的加工驱动线长度处在上述范围，且选取的数据满足正态分布的要求；每一类筋顶特征取50组样本数据；
b、槽：1)对于槽腹板，它的面积范围定位为0.001～0.1m2，选取的槽腹板样本面积参数参照正态分布分布在该范围；2)对于槽内型，槽内型驱动线长度范围定为100～1200mm，槽内型深度定为3～100mm，选取的槽内型特征的驱动线长度和深度按照正态分布分布在所述范围，共取60组数据；3)对于槽转角，转角半径数据定为6mm、10mm、12mm、16mm、20mm，夹角数据定为30°、45°、60°、75°、90°、120°，转角深度范围定为3～100mm，深度数据满足正态分布要求，共取160组槽转角样本数据；
c、轮廓：周长范围为1000～6000mm，轮廓高度定为20～180mm，选取的轮廓的周长和轮廓高度数据按照正态分布分布在上述范围，选取40组样本数据；
d、圆孔：孔径范围定为8～80mm，孔深范围定为3～50mm，选取的孔的直径数据定为：8mm、10mm、20mm、30mm、60mm、80mm，深度数据按正态分布在上述范围，在不同的加工精度情况下各取50组数据；
e、非圆孔：非圆孔的周长范围定为10～1000mm，非圆孔深度定为3～50mm，选取的非圆孔的周长和深度数据按照正态分布分布在该范围，选取50组样本数据；
步骤五、建立特征与特征加工时间对应关系，每一类特征均建立一定数量的特征实例。形成典型特征样本库。
步骤六、基于建立的典型特征样本库，以特征为对象建立与之对应的BP网络。BP网络的输入节点是每一类特征的几何特征参数、相关切削参数以及其他可能的影响因素，BP网络的输出即是每一类特征的加工工时。通过特征样本库的样本训练出每一类特征的BP网络并进行标记保存。
为预测新的零件实例的加工时间，首先获取该零件的特征，以上述特征几何参数和切削参数作为相应已训练好的BP神经网络的输入，进行预测，BP网络的输出即是特征的加工时间，最后通过累加零件所有特征的加工时间得到零件的总加工时间。
基于特征的精确加工工时预测方法中，几何信息指特征的转角位置、转角大小；工艺信息指切削余量、切深、切宽、进给速度；机床的动态特性包括机床的加速度、加加速度、转弯性能，基于几何信息、工艺信息与机床的动态特性，预测机床运动过程中的实际进给速度，并结合切削力预测由于切削力的的变化造成的进给速度的变化，进而精确预测进给速度，然后几何刀具轨迹算出加工工时。基于特征的精确加工工时预测方法包括以下步骤：
步骤一、读取对加工零件进行自动数控编程得到的数控程序；
步骤二、组织NC程序以及机床特性信息。NC程序中以特征为单元组织数据，并为每个特征编码，每个特征包含特征编码以及加工该特征的NC数据。通过特征编码，可以访问并调用NC程序信息。特征编码下对应该特征的加工数据，加工数据维持现有的NC程序的数据格式。每个NC程序文件都有完成该程序所需的机床。
机床特性信息是以知识库的形式存储，分为三个组成部分：机床库、数控系统库和速度控制方式库。机床库包括机床名称、机床所使用的数控系统、机床的性能参数如最大功率、最大速度、最大加速度等。
步骤三、基于特征进行几何工艺信息的组织。几何工艺信息是以工艺决策的结果组织数据的，即按照工序、工步和操作三级结构组织数据。机床和刀具信息分别存储在工序和工步下，这里的机床信息只包含机床的简单描述，包括机床的名称、类别等。刀具信息主要描述刀具的代号、材料、结构参数等。操作信息中包含了特征编码、进退刀速度、加工速度、特征的位置、加工余量、切深和切宽。特征编码是包含了特征ID（Identification，标识）以及执行的操作ID，通过进退刀速度以及加工速度可以用来区分加工刀轨和进退刀刀轨，加工余量、切深和切宽是确定切削状态的依据。
步骤四、由于数控编程中切削速度局部值设置的复杂性，目前的数控编程只在关键位置如转角处等设置了局部切削速度，其他位置则使用全局切削速度，由于实际加工中切深切宽的不均匀，现代机床的智能调节模块如Artis会在加工过程中优化切削速度。
切削所需功率由切削力以及切削速度决定，即：
p=fv
式中p为切削所需功率，f为切削力，v为切削速度。
切削力跟切削速度、切深、切宽、切削材料、刀具材料和加工方式相关，其计算可指数切削力计算模型。
在预测的过程中，切削速度为按照机床的运动特性计算所得的速度，切深需要从特征信息中提取，在实际切削过程中实际切宽跟特征中设定值会有差别，需要根据零件的加工状态计算。为了提高计算效率，切削功率的计算只在有可能出现问题的地方才计算，根据特征加工的特点，由于筋特征顶面和槽特征腹板的加工是在粗加工之后，余量较大，出现所需功率大的概率比较高，作为计算对象。求出切削过程的切削功率，用计算功率与机床能够提供的功率比较，如果计算的功率比机床能够提供的功率小，则可以按照NC程序设定的值运行，否则，需要调整，调整方法为：根据功率的计算公式，逐渐减小速度，直到满足要求。
步骤五、基于特征进行精确工序级工时计算，数控工序的加工时间由各个工步的加工时间组成。
特征的刀轨包含快速定位刀轨、进退刀刀轨和切削刀轨，所以特征的加工时间也由快速定位时间、进退刀时间和切削时间组成。
特征的刀轨由快速定位刀轨、进退刀刀轨和切削刀轨组成，快速定位刀轨简单，计算理论时间即可。进退刀变化较为复杂，若利用机床特性的分析函数计算，效率较低，由于进退刀是特征刀轨策略的一部分，属于特征承载的知识和经验，每种特征都有相应的进退刀策略，通过实验分析，得出每种特征进退刀的实际加工时间与理论时间的比例系数，即可得出进退刀部分的时间。
本发明未涉及部分与现有技术相同或可采用现有技术加以实现。
Claims (9)
1.一种基于特征的复杂零件数控加工制造方法，其特征是首先读入待加工零件的三维数字模型，其次，进行自动特征识别，从读入的三维数字模型中提取待加工零件的几何信息与工艺信息，三维数字模型中不包含的信息通过与数模配套的相关工艺文件获取，并将所提取的几何与工艺信息进行特征化标记，所有特征都按照特征类别与序号进行唯一标识，即特征标识＝特征类别+序号，以此标识作为不同应用间特征关联的工具；若在制造过程中特征被分解，则特征标识＝分解标识+特征类别+序号+分解子序号，从而实现以特征作为制造知识和经验的载体，实现信息的有效集成；第三，为了在整个制造过程中保持特征的有效性以及特征衍变的连贯性，采用面向对象以及基于本体的方法表示特征即定义特征的本体以及各应用领域特征的类，采用全息属性面边图的方法进行特征识别；最后，经过工艺优化自动生成复杂零件的数控加工程序，驱动数控加工设备完成整个加工过程；在进行自动特征识别完成后再基于特征构建加工工艺优化模型、基于特征进行自动工艺决策、基于特征进行自动数控编程、基于特征进行后置处理、基于特征进行加工过程控制、基于特征进行在线检测、基于特征构建已加工零件的工时样本库和构建特征几何信息与工艺信息向机床性能参数的映射模型；
(1)所述的基于特征构建加工工艺优化模型时应包含特征的几何信息、刀具的信息、机床信息和工件的材料信息，优化模型的约束为切削力和振动，优化模型的优化目标为加工效率、加工质量和加工成本，优化的项目为切深、切宽和进给速度，建立基于特征的切削参数库；面向应用领域构建基于特征的切削试验试件三维模型，包含典型特征及其典型组合，作为验证加工工艺的标准样件；
(2)所述的基于特征进行自动工艺决策是为自动工艺决策提供完整的信息支撑，基于特征表达工艺规则及工艺方案，进而基于特征进行自动工艺决策，基于特征表达自动工艺决策的结果；
(3)所述的基于特征进行自动数控编程是指将自动工艺决策的结果也作为自动编程的依据，进而基于特征自动生成加工刀轨，基于特征表达自动编程的结果；
(4)所述的基于特征进行后置处理是以自动编程的结果为依据，考虑数控系统的动态特性，进行基于特征的后置处理，基于特征表达后置处理的结果，形成数控加工程序；
(5)所述的基于特征进行加工过程控制是为表达加工过程中出现的问题的处理策略，包括基于特征进行加工过程的状态监测，加工过程中进行智能自适应调整，基于特征记录加工过程中的数据，供工艺优化使用；
(6)所述的基于特征进行在线检测是指基于特征的几何信息和工艺信息形成检测点生成规范，基于特征的几何信息优化在线检测时测头姿态矢量以及检测轨迹，基于特征形成检测分析结果，作为优化加工工艺的依据；
(7)所述的基于特征构建已加工零件的工时样本库中包含与工时相关的特征的几何信息以及零件工时，以特征几何信息与工艺信息作为输入，构建神经网络，在没有零件数控程序的前提下预测待加工零件的工时，作为零件加工对外报价以及生产计划安排的依据；在基于特征的数控程序中加入特征的几何信息与工艺信息，结合数控机床的动态特性以及切削过程中的切削力，精确预测每一个工序的数控加工工时，作为机床调度的依据；
(9)所述的构建特征几何信息与工艺信息向机床性能参数的映射模型是基于特征分析满足加工零件所需机床的性能参数，提供面向应用的机床相关参数设计参考。
2.根据权利要求1所述的方法，其特征是所述的基于特征进行自动工艺决策的步骤为：(1)基于特征表达与工艺决策相关的几何信息与工艺信息，其中几何信息为：特征的几何尺寸、位置、几何结构、特征所允许的最大刀具直径，工艺信息为：材料、毛坯形式、加工余量和加工精度；
(2)基于特征的工艺决策按照机床决策、加工顺序决策、加工方法决策及切削参数决策的顺序进行，依据工艺规则和工艺方案形成自动工艺决策结果；
(3)基于特征表达工艺决策结果形式为：每道工序包含若干工步，每个工步下包含若干操作，每个操作与一个加工特征相对应，特征里含有特征的操作类型、加工策略及切削参数。
3.根据权利要求1所述的方法，其特征是所述的基于特征的自动数控编程方法为：
(1)基于特征表达与自动编程相关的几何信息与工艺信息，其中几何信息为：特征的几何尺寸、生成刀轨所需的驱动几何、刀轨起始点与终止点和刀轨避让几何，工艺信息包括：加工特征的刀具信息、特征的加工精度和刀轨策略；
(2)通过特征识别提取加工特征，输出包含几何信息与工艺信息的特征识别结果；
(3)基于特征识别结果的几何信息以及工艺决策结果的工艺信息，自动生成每个加工特征的刀轨；
(4)以特征为单位生成每个特征的加工刀轨的刀位文件，根据不同的应用需求，标记相应的信息。
4.根据权利要求1所述的方法，其特征是所述的基于特征的后置处理步骤包括：
(1)在数控程序中基于特征表达与后置处理相关的几何信息与工艺信息，其中几何信息指：特征的几何中的线的类型：直线、圆弧、圆锥曲线、自由曲线，以及面的类型：平面，直纹面，自由曲面，工艺信息中指加工对应特征时的数控加工操作类型；
(2)后置处理中所考虑的数控系统的特性，包含了加速度特性、插补精度特性和刀柄补偿控制参数类型；
(3)基于特征几何与工艺信息，结合数控系统的动态特性，对刀位点进行拟合形成数控系统支持的多项式插补方法，并优化进给速度以适应复杂的数控加工工况。
5.根据权利要求1所述的方法，其特征是所述的基于特征的加工过程控制的步骤包括：
(1)基于特征表达与加工过程控制相关的几何信息与工艺信息，其中几何信息为：转角信息和驱动几何信息，工艺信息为：加工刀具、切削参数、监测策略和检测策略；
(2)根据特征的几何信息与工艺信息以及处理策略，进行在线监测，并基于人工智能方法实现监测结果的处理；
(3)记录加工过程中的数据指加工过程中实际的切削参数、机床的运行功率、加工过程中出现的刀具磨损及颤振；以特征为单元组织以上数据。
6.根据权利要求1所述的方法，其特征是所述的基于特征的在线检测包括以下步骤：
(1)基于特征表达与检测相关的几何信息与工艺信息，其中几何信息为：检测特征的面类型、曲率变化、面积、法向和中间加工状态的理论几何模型；工艺信息为：加工精度；
(2)基于特征的几何信息与工艺信息构建检测特征的检测点的生成规则，基于特征生成检测特征的检测点，并考虑检测特征的中间状态优化检测轨迹，生成检测文件；
(3)安装探头进行在线检测，记录检测结果及分析结果，并基于特征进行组织，反馈给工艺部门，作为工艺优化的依据。
7.根据权利要求1所述的方法，其特征是所述的基于特征的加工工艺优化模型考虑特征的几何信息与工艺信息，其中，几何信息指：作为刚性重要考量的特征的几何尺寸、特征构成几何元素的厚度以及高度。
8.根据权利要求1所述的方法，其特征是所述的基于特征构建已加工零件的工时样本库时所依据的几何信息包括转角位置和转角大小；工艺信息包括切削余量、切深、切宽主进给速度；机床的动态特性包括机床的加速度、加加速度和转弯性能，基于几何信息、工艺信息与机床的动态特性，预测机床运动过程中的实际进给速度，并结合切削力预测由于切削力的变化造成的进给速度的变化，进而精确预测进给速度，然后基于刀具轨迹算出加工工时。
9.根据权利要求1所述的方法，其特征在于，所述面向对象以及基于本体的特征表示方法为：
(1)首先定义特征本体，特征本体包含特征的唯一标识、标识面以及可能成为标识面的种子标识面，定义种子标识面是由于在制造过程中特征的衍变，特征有可能会被分解；
(2)基于特征的本体衍生出各个应用领域的特征类，类继承了本体的属性，类中包含几何信息和工艺信息，针对不同应用领域的需求，定义不同的几何信息和工艺信息，从而实现整个制造过程的信息集成及传递。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310103134.1A CN103235556B (zh) | 2013-03-27 | 2013-03-27 | 基于特征的复杂零件数控加工制造方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310103134.1A CN103235556B (zh) | 2013-03-27 | 2013-03-27 | 基于特征的复杂零件数控加工制造方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103235556A CN103235556A (zh) | 2013-08-07 |
| CN103235556B true CN103235556B (zh) | 2015-08-19 |
Family
ID=48883602
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310103134.1A Active CN103235556B (zh) | 2013-03-27 | 2013-03-27 | 基于特征的复杂零件数控加工制造方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103235556B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3881797A1 (en) * | 2020-03-20 | 2021-09-22 | DENTSPLY SIRONA Inc. | Dental machining system for generating process parameters of the machining |
Families Citing this family (54)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103439917A (zh) * | 2013-09-02 | 2013-12-11 | 南京航空航天大学 | 基于特征的切削力预测方法 |
| CN103699055B (zh) * | 2013-12-24 | 2016-08-17 | 沈阳飞机工业（集团）有限公司 | 飞机结构件智能数控加工编程系统及方法 |
| CN103926879B (zh) * | 2014-05-06 | 2016-04-06 | 南京航空航天大学 | 航空发动机机匣特征识别方法 |
| CN104360634B (zh) * | 2014-11-12 | 2017-02-15 | 南京航空航天大学 | 基于特征的蒙皮镜像铣削数控程序快速生成方法 |
| CN104331020B (zh) * | 2014-11-12 | 2017-02-15 | 南京航空航天大学 | 基于特征的蒙皮镜像铣削工艺决策方法 |
| CN104570948B (zh) * | 2015-01-16 | 2017-07-11 | 南京航空航天大学 | 航天板类零件孔特征加工方法 |
| EP3151073A1 (de) * | 2015-09-29 | 2017-04-05 | Siemens Aktiengesellschaft | Verfahren und steuervorrichtung zum optimierten steuern einer werkzeugmaschine |
| CN105242639A (zh) * | 2015-11-03 | 2016-01-13 | 南京航空航天大学 | 数控加工自定义加工特征方法 |
| CN105549537B (zh) * | 2015-12-23 | 2019-07-23 | 上海电机学院 | 基于实物扫描的装配体参数化及自动化数控加工方法 |
| CN106938404B (zh) * | 2016-01-05 | 2019-03-22 | 财团法人工业技术研究院 | 动态工件平面倾斜量测方法 |
| CN105759724A (zh) * | 2016-03-31 | 2016-07-13 | 孙丽君 | 一种智能化的编程方法 |
| EP3229090A1 (de) * | 2016-04-04 | 2017-10-11 | FELSS Systems GmbH | Mittels eines computersystems durchgeführtes verfahren zur projektierung eines fertigungsprozesses sowie computerprogramm und computersystem zur durchführung des verfahrens |
| CN106200558B (zh) * | 2016-08-26 | 2018-10-02 | 大连大学 | 基于模型的数控加工程序生成方法 |
| TWI600988B (zh) * | 2016-11-15 | 2017-10-01 | Machining expert system for CNC machine tool and controller processing parameters generation method | |
| US11720086B2 (en) * | 2016-12-26 | 2023-08-08 | Mitsubishi Electric Corporation | Machining-process generation device, and machining-process generation method |
| CN106514129B (zh) * | 2017-01-03 | 2019-07-09 | 南京航空航天大学 | 基于加工特征中间状态刚性的数控编程非均匀余量配置方法 |
| CN106815438B (zh) * | 2017-01-17 | 2020-08-04 | 成都飞机工业（集团）有限责任公司 | 一种飞机结构件数控铣削效率主要影响因子提取方法 |
| CN107247445B (zh) * | 2017-06-29 | 2019-04-12 | 南京航空航天大学 | 考虑逼近误差的刀轨映射方法 |
| CN107584334B (zh) * | 2017-08-25 | 2019-05-07 | 南京航空航天大学 | 一种基于深度学习的复杂结构件数控加工刀具状态实时监测方法 |
| CN107562015B (zh) * | 2017-08-29 | 2020-03-24 | 沈阳航空航天大学 | 一种基于数控加工编程的工序几何模型构建方法 |
| CN107728580B (zh) * | 2017-10-18 | 2019-10-22 | 南京航空航天大学 | 一种面向自适应加工的几何信息-工艺信息-监测信息关联方法 |
| JP6646027B2 (ja) * | 2017-10-30 | 2020-02-14 | ファナック株式会社 | ポストプロセッサ装置、加工プログラム生成方法、ｃｎｃ加工システム及び加工プログラム生成用プログラム |
| JP6740199B2 (ja) | 2017-10-30 | 2020-08-12 | ファナック株式会社 | 数値制御装置、ｃｎｃ工作機械、数値制御方法及び数値制御用プログラム |
| CN108228996B (zh) * | 2017-12-28 | 2021-12-28 | 重庆平伟汽车科技股份有限公司 | 一种基于孔特征的对孔自动编程的系统及方法 |
| CN108268012B (zh) * | 2018-02-01 | 2021-01-01 | 南京航空航天大学 | 一种参数化驱动生产的机床系统改造方法 |
| CN108520139B (zh) * | 2018-03-30 | 2021-06-15 | 北京理工大学 | 一种多维度工装设计知识组件构建方法 |
| CN108985617B (zh) * | 2018-07-11 | 2021-07-13 | 广东人励智能工程有限公司 | 一种基于智能制造的产品生产流程调度方法及系统 |
| CN109375583A (zh) * | 2018-11-16 | 2019-02-22 | 中国航发西安动力控制科技有限公司 | 针对零件孔系制造特征的数控程序编制方法 |
| TWI722344B (zh) * | 2018-12-05 | 2021-03-21 | 財團法人工業技術研究院 | 加工參數自動產生系統 |
| CN109773589B (zh) * | 2018-12-29 | 2021-09-28 | 深度创新科技（深圳）有限公司 | 对工件表面进行在线测量和加工导引的方法及装置、设备 |
| EP3736752A1 (en) * | 2019-05-08 | 2020-11-11 | Siemens Aktiengesellschaft | Generating an assembly plan |
| CN110096033A (zh) * | 2019-05-09 | 2019-08-06 | 江苏南高智能装备创新中心有限公司 | 一种校对数控程序精准度的方法 |
| CN110458606A (zh) * | 2019-07-19 | 2019-11-15 | 西北工业大学 | 基于深度学习的非标刀具价格预测方法 |
| EP3859466B1 (en) * | 2020-01-30 | 2024-10-02 | DENTSPLY SIRONA Inc. | Dental machining system for predicting the machining time for manufacturing a dental restoration/appliance |
| CN111861147B (zh) * | 2020-06-29 | 2022-03-18 | 北京航空航天大学 | 一种复杂零件制造全过程的数字化检测方法及系统 |
| CN111768099B (zh) * | 2020-06-29 | 2024-05-14 | 浪潮通用软件有限公司 | 一种科研生产模式下基于模型件的任务分解方法 |
| CN111679630A (zh) * | 2020-06-30 | 2020-09-18 | 中国航发动力股份有限公司 | 一种用于发动机机匣数控加工的快速编程方法 |
| CN111813048B (zh) * | 2020-06-30 | 2022-04-26 | 中国航发动力股份有限公司 | 功能集成数控程序生成方法、系统、设备及可读存储介质 |
| CN112355713B (zh) * | 2020-09-24 | 2022-01-04 | 北京航空航天大学 | 基于图像预测切削力的方法、装置及设备 |
| CN112364447B (zh) * | 2020-09-30 | 2023-10-27 | 深圳市为汉科技有限公司 | 零件模型的生成方法及相关装置 |
| CN112327755B (zh) * | 2020-11-16 | 2021-09-14 | 广州傲创智能科技有限公司 | 一种模架的框被自动识别的方法 |
| CN112884246B (zh) * | 2021-03-17 | 2024-03-22 | 成都永峰科技有限公司 | 一种飞机结构件加工工序的工时预测方法 |
| CN113190888B (zh) * | 2021-04-20 | 2022-10-28 | 东风柳州汽车有限公司 | 工艺文件编制方法、装置、设备及存储介质 |
| CN113485249A (zh) * | 2021-06-22 | 2021-10-08 | 哈尔滨东安汽车动力股份有限公司 | 一种汽车发动机零部件新品样件快速仿型加工操作方法 |
| CN113341882B (zh) * | 2021-06-28 | 2022-06-14 | 成都飞机工业（集团）有限责任公司 | 一种基于加工知识的数控工艺设计及优化方法 |
| CN113850289B (zh) * | 2021-08-17 | 2023-05-05 | 中国电子科技集团公司第二十九研究所 | 一种射频微波件产品的工序工时定额测算方法及系统 |
| CN114153482B (zh) * | 2022-02-09 | 2022-05-17 | 深圳市爱云信息科技有限公司 | 基于数字孪生DaaS平台的深度学习编程方法及系统 |
| CN114660994B (zh) * | 2022-05-25 | 2022-08-23 | 中科航迈数控软件(深圳)有限公司 | 一种数控机床加工工艺决策优化方法、系统及相关设备 |
| CN114675599B (zh) * | 2022-05-27 | 2022-08-26 | 中科航迈数控软件(深圳)有限公司 | 一种数控机床的加工特征排序方法及系统 |
| CN114714151B (zh) * | 2022-06-09 | 2022-09-16 | 成都飞机工业（集团）有限责任公司 | 一种腹板的测量点位规划方法、装置、设备及存储介质 |
| CN115618530B (zh) * | 2022-12-05 | 2023-03-10 | 大方智造(天津)科技有限公司 | 一种基于3d模型的圆孔特征识别加工方法 |
| CN116974239B (zh) * | 2023-09-22 | 2023-12-01 | 深圳市艾姆克斯科技有限公司 | 一种基于精雕机的加工轨迹控制方法及系统 |
| CN117930787B (zh) * | 2024-03-21 | 2024-06-11 | 南京航空航天大学 | 一种数控机床加工的工艺参数优化方法 |
| CN118151616B (zh) * | 2024-05-09 | 2024-07-23 | 南京航空航天大学 | 一种超塑成形扩散连接加工过程工艺参数自适应调整系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101464676A (zh) * | 2009-01-08 | 2009-06-24 | 上海交通大学 | 用于三坐标数控加工中零件加工特征检测的系统及方法 |
| CN102411333A (zh) * | 2011-11-18 | 2012-04-11 | 上海交通大学 | 飞机复杂结构件快速数控加工工艺系统 |
| CN102799144A (zh) * | 2012-08-21 | 2012-11-28 | 南京航空航天大学 | 基于特征的数控加工程序移植方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5123502B2 (ja) * | 2006-09-04 | 2013-01-23 | 三菱重工業株式会社 | ポストプロセッサ開発支援システム及びそれを用いたｃａｍシステム |
| IT1392608B1 (it) * | 2009-04-07 | 2012-03-09 | Milano Politecnico | Metodo per la suddivisione di un part program in operazioni elementari |
-
2013
- 2013-03-27 CN CN201310103134.1A patent/CN103235556B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101464676A (zh) * | 2009-01-08 | 2009-06-24 | 上海交通大学 | 用于三坐标数控加工中零件加工特征检测的系统及方法 |
| CN102411333A (zh) * | 2011-11-18 | 2012-04-11 | 上海交通大学 | 飞机复杂结构件快速数控加工工艺系统 |
| CN102799144A (zh) * | 2012-08-21 | 2012-11-28 | 南京航空航天大学 | 基于特征的数控加工程序移植方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3881797A1 (en) * | 2020-03-20 | 2021-09-22 | DENTSPLY SIRONA Inc. | Dental machining system for generating process parameters of the machining |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103235556A (zh) | 2013-08-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103235556B (zh) | 基于特征的复杂零件数控加工制造方法 | |
| Lee et al. | Cut distribution and cutter selection for sculptured surface cavity machining | |
| Altintas et al. | End milling force algorithms for CAD systems | |
| Toh | Design, evaluation and optimisation of cutter path strategies when high speed machining hardened mould and die materials | |
| Young et al. | A five-axis rough machining approach for a centrifugal impeller | |
| CN100476657C (zh) | 工程设计方法与工程设计装置 | |
| CN102866671B (zh) | 大圆弧直纹面数控加工刀具轨迹规划方法 | |
| US9164503B2 (en) | Method of optimizing toolpaths using medial axis transformation | |
| WO2014045383A1 (ja) | 加工工程決定方法および加工工程設計装置 | |
| CN113962105B (zh) | 一种无颤振精加工铣削过程的高效参数优化方法 | |
| Zhao et al. | Impact of surface machining complexity on energy consumption and efficiency in CNC milling | |
| CN105676779A (zh) | 一种自由曲面加工局部干涉区域边界确定的追踪方法 | |
| CN103971019A (zh) | 一种基于几何特征的工件加工能耗预测方法 | |
| CN109901512A (zh) | 一种基于加工参数标准化的车削工时定额方法 | |
| Lasemi et al. | A freeform surface manufacturing approach by integration of inspection and tool path generation | |
| CN112558550B (zh) | 一种使用cam软件加工异形螺纹的方法 | |
| CN101763048A (zh) | 基于变异Voronoi Mountain的飞机复杂构件粗加工刀具选取方法 | |
| Chuang et al. | Integrated rough machining methodology for centrifugal impeller manufacturing | |
| Prat et al. | Modeling and analysis of five-axis milling configurations and titanium alloy surface topography | |
| Desai et al. | Effect of direction of parameterization on cutting forces and surface error in machining curved geometries | |
| CN106903555B (zh) | 一种刀具－工件切触区域的判定方法 | |
| Czarniak et al. | Micro geometry analysis of WC-Co carbide blades modified with PVD coating subjected to blunting during milling in chipboard | |
| Yıldız et al. | Development of a feature based CAM system for rotational parts | |
| Onwubolu et al. | Determination of optimal machining conditions using scatter search | |
| Zarkti et al. | Towards an Automatic-optimized tool selection for milling process, based on data from Sandvik Coromant |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20200331 Address after: 215104 No. 7, North Guandu Road, Yuexi Street, Wuzhong River, Suzhou City, Jiangsu Province Patentee after: JIANGSU MAIXINLIN AVIATION TECHNOLOGY Co.,Ltd. Address before: Yudaojie Baixia District of Nanjing City, Jiangsu Province, No. 29 210016 Patentee before: Nanjing University of Aeronautics and Astronautics |
|
| TR01 | Transfer of patent right |