CN106815447B

CN106815447B - 基于历史数据的复杂结构件加工特征智能定义与分类方法

Info

Publication number: CN106815447B
Application number: CN201710063646.8A
Authority: CN
Inventors: 刘长青; 李迎光; 李仲宇; 郝小忠; 楚王伟
Original assignee: Nanjing University of Aeronautics and Astronautics
Current assignee: Nanjing University of Aeronautics and Astronautics
Priority date: 2017-02-03
Filing date: 2017-02-03
Publication date: 2020-01-14
Anticipated expiration: 2037-02-03
Also published as: CN106815447A

Abstract

一种基于历史数据的复杂结构件加工特征智能定义与分类方法，其特征是通过历史数据对复杂结构件加工特征进行定义与分类，首先，针对同一类加工特征，根据加工特征的历史数据，按照加工特征拓扑结构和加工工艺的相似性，对加工特征进行定义与分类，然后，在分类基础上以加工特征的关键几何参数作为特征向量，使用K均值聚类算法对分类结果进行聚类分析，以区分不同几何参数对应的加工特征，并以历史数据中的加工方法和加工参数为参考对聚类结果进行评估，以提取更多共性加工工艺知识，实现工艺知识的高效重用，提高复杂结构件数控编程效率。本发明实现了工艺知识的高效重用，有利于缩短零件生产周期，提高复杂结构件数控编程效率。

Description

基于历史数据的复杂结构件加工特征智能定义与分类方法

技术领域

本发明涉及一种CAD/CAM/CAPP技术，，尤其是一种便于复杂结构件零件数控加工用的特征定义与分类方法，具体地说是一种提高复杂结构件数控编程效率和质量的方法。

背景技术

飞机结构件具有尺寸大，形状复杂等特点，其加工难度大，加工精度要求高，加工工艺复杂，工艺准备周期长。现有的加工工艺知识积累依赖于个人技术经验，经验的传承需要较长的时间周期，占用较大资源，工艺知识如何高效重用则是亟待解决的问题。随着现在航空航天装备的快速发展，飞机结构件呈现出多品种、小批量的特点，而加工特征技术能很好地进行加工知识重用。但复杂结构件的加工特征复杂多变，对于同一类加工特征，其几何尺寸的差异导致加工方法的不同或是加工参数的选取不同，因此同一类加工特征中依然难以给出统一的加工工艺知识，工艺知识的重用效率较低。

根据加工特征的拓扑结构以及几何参数在同一类加工特征中定义详细的加工特征类型，通过对不同拓扑结构以及不同几何参数的特征进行聚类分析，并通过历史数据对聚类结果进行评估，可以使每一类加工特征中的加工方法和加工参数拥有更多共性，每一个类别中的加工特征对应的工艺知识尽可能相同，从而实现加工工艺的高效重用，缩短零件的生产周期，提高复杂结构件的数控编程效率。

发明内容

本发明的目的是针对同一类加工特征中由于拓扑结构以及几何参数不同使得工艺不完全相同的问题，发明一种基于历史数据对同一类加工特征中不同拓扑结构以及不同几何参数的特征进行智能定义与分类的方法，以便提取共性加工工艺知识，使工艺知识高效重用来提高复杂结构件数控编程效率和质量的方法。

本发明的技术方案是：

一种基于历史数据的复杂结构件加工特征智能定义与分类方法，其特征是通过历史数据对复杂结构件加工特征进行定义与分类，首先，针对同一类加工特征，根据加工特征的历史数据，按照加工特征拓扑结构和加工工艺的相似性，对加工特征进行定义与分类，然后，在分类基础上以加工特征的关键几何参数作为特征向量，使用K均值聚类算法对分类结果进行聚类分析，以区分不同几何参数对应的加工特征，并以历史数据中的加工方法和加工参数为参考对聚类结果进行评估，以提取更多共性加工工艺知识，实现工艺知识的高效重用，提高复杂结构件数控编程效率和质量。

加工特征拓扑结构的相似性以几何相似性矩阵衡量，通过全息属性面边图表达加工特征的拓扑结构，并且通过分层结构的形式描述加工特征。然后由此创建几何相似性矩阵计算加工特征间的相似度，几何相似性矩阵中包含了一个加工特征中每个面自身的属性以及所有相邻面间的拓扑关系信息，矩阵形式如下：

式中MFS表示几何相似性矩阵，Attr_i表示面节点f_i的属性，Attr_i用5位数字编码表达，其中第一位表达面节点的层数，如1表达第一层，第二位表达面的类型，用0表达平面，1表达曲面，最后三位表达面的法向与Z向夹角，角度只取整数部分，如80°用080表达，135°即135；Adj_ij表示面节点f_i与面节点f_j之间的邻接关系，用0表示凹连接，1表示凸连接；n表示该加工特征中面的个数。由于几何相似性矩阵的对称性，MFS_ij＝MFS_ji，矩阵右上角与左下角对称，为方便处理，将矩阵右上角值置零。

按照加工特征拓扑结构的相似性对加工特征进行定义与分类时，由于不同加工特征的层数或面个数不同，因此几何相似性矩阵的长度便不同，首先应对不同长度的几何相似性矩阵使用补虚节点的方式使长度一致，然后将几何相似性矩阵展开成

的向量，即从第二行开始，每行的数值都按照顺序放在第一行后面，如下所示：

MFS′＝(MFS₁₁,MFS₂₁,…,MFS_ij,…,MFS_nn)，j≤i

式中MFS′表示几何相似性矩阵展开的一维向量，MFS_ij表示MFS矩阵第i行第j列的项。

通过计算向量间的余弦值作为向量间的距离度量，计算公式如下：

式中dis(MFS_i,MFS_j)表示加工特征i和加工特征j的几何相似性矩阵间的距离。

以该余弦值作为两个加工特征形状的相似性，若余弦值大于预设的阈值，则将两个特征合并为同一类，实现相似工艺的几何特征的合并。本专利定义采用相同加工方法的特征为相似工艺，主要指相同的加工操作类型。

提取加工特征的关键几何参数构建特征向量，关键几何参数指一个加工特征中的关键几何面的类型，几何尺寸包括转角半径等，以及整体特征的尺寸包括加工特征的关键几何面的面积、整体深度等。以槽特征为例，以腹板面积、转角半径和槽深度三个关键几何参数构建特征向量：

PF＝(BS,R,D)

式中PF表示槽特征的关键几何参数特征向量，BS表示槽特征腹板面积，R表示槽特征转角半径，D表示槽特征深度。

K均值聚类算法需事先根据结构件加工特征的加工方法和加工参数大致分布类别定义K值大小，并随机选取K个样本作为初始均值，然后计算每个样本与各均值间的二范数值求得向量间的距离，以上述槽特征的特征向量为例，其距离计算公式如下：

式中dis(PF_i,PF_j)表示第i个槽特征和第j个槽特征关键几何参数特征向量间的距离，||·||₂表示向量的二范数。

每个样本与距离K个样本中最近的一个聚为一类。当所有样本完成一轮聚类后，重新计算当前每个类的均值，按照新的均值重新对每个样本分类，重复该过程直到当前划分结果与上一轮聚类的结果相同，完成聚类过程。

评价聚类结果的方法以加工方法和加工参数为参考，对每一簇中的样本进行分析，根据每个样本事先标记的加工方法和加工参数等，计算采用同一加工方法和加工参数最多的一种加工特征所占的比例，设置比例最低阈值，若有的簇中该比例不能达到这个阈值，则需要对聚类算法重新训练并划分结果，直到满足要求。

本发明的有益效果：

与现有基于加工特征的数控加工编程方法相比，本发明提出的方法在同一类加工特征的基础上定义了详细的特征类型，使每一类中的加工特征对应的加工方法和加工参数拥有更多的共性，很好地实现了对工艺知识的积累，可以更有效地对工艺知识进行重用，从而提高复杂结构件数控编程的效率和质量，缩短零件的制造周期。

附图说明

图1为本基于历史数据的复杂结构件加工特征智能定义与分类方法流程图。

图2为本发明的示例零件示意图。

图3为示例零件槽特征序号示意图，a为正面，b为反面。

图4为本发明两个(a、b)拓扑相似的多层槽特征及其全息属性面边图示意图。

具体实施方式

下面结合附图和示例零件对本发明作进一步说明：

如图1-4所示。

一种基于历史数据的复杂结构件加工特征智能定义与分类方法，其实质是一种提高复杂结构件数控编程效率方法，它通过历史数据对复杂结构件加工特征进行定义与分类，首先，针对同一类加工特征，根据加工特征的历史数据，按照加工特征拓扑结构和加工工艺的相似性，对加工特征进行定义与分类，然后，在分类基础上以加工特征的关键几何参数作为特征向量，使用K均值聚类算法对分类结果进行聚类分析，以区分不同几何参数对应的加工特征，并以历史数据中的加工方法和加工参数为参考对聚类结果进行评估，以提取更多共性加工工艺知识，实现工艺知识的高效重用，提高复杂结构件数控编程效率。

下面以图2所示的飞机结构件的槽特征作为例，对本发明的技术方案进行详细说明。

图1是本发明的基于历史数据的复杂结构件加工特征智能定义与分类方法流程图，它主要由拓扑结构相似性分类、K均值聚类定义加工特征以及聚类结果评估三部分组成。具体包括以下步骤：

1、以该零件中的槽特征为例，将该零件的24个特征标号，如图3所示，针对槽这一类加工特征，其扑结构的相似性以几何相似性矩阵衡量，通过全息属性面边图表达加工特征的拓扑结构，并且通过分层结构的形式描述加工特征，如图4所示是该零件的01和03号槽特征，两个槽特征拓扑结构相似工艺相同，其属性面边图如图所示，应属于同一类别。由全息属性面边图此创建几何相似性矩阵计算加工特征间的相似度，几何相似性矩阵中包含了一个加工特征中每个面自身的属性以及所有相邻面间的拓扑关系信息，矩阵形式如下：

式中MFS表示几何相似性矩阵，Attr_i表示面节点f_i的属性，Attr_i用5位数字编码表达，其中第一位表达面节点的层数，如1表达第一层，第二位表达面的类型，用0表达平面，1表达曲面，最后三位表达面的法向与Z向夹角，角度只取整数部分，如80°用080表达，135°即135；Adj_ij表示面节点f_i与面节点f_j之间的邻接关系，用0表示凹连接，1表示凸连接；n表示该加工特征中面的个数。由于几何相似性矩阵的对称性，MFS_ij＝MFS_ji，矩阵右上角与左下角对称，为方便处理，将矩阵右上角值置零。例如当前零件中序号为03的槽特征，对应的几何相似性矩阵构建如下：

2、按照加工特征拓扑结构的相似性对加工特征进行定义与分类时，由于不同加工特征的层数或面个数不同，因此几何相似性矩阵的长度便不同，首先应对不同长度的几何相似性矩阵使用补虚节点的方式使长度一致，然后将几何相似性矩阵展开成的向量，即从第二行开始，每行的数值都按照顺序放在第一行后面，如下所示：

MFS′＝(MFS₁₁,MFS₂₁,…,MFS_ij,…,MFS_nn)，j≤i

式中MFS′表示几何相似性矩阵展开的一维向量，MFS_ij表示MFS矩阵第i行第j列的项，j≤i表示矩阵右上角的零值不参与展开。上述实例槽特征矩阵展开成向量如下所示：

MFS′＝(10000,0,10090,0,0,11090,0,0,0,…,20000)

式中dis(MFS_i,MFS_j)表示加工特征i和加工特征j的几何相似性矩阵间的距离。两个加工特征形状的向量之间的余弦越大，则夹角越小，说明两个加工特征的形状越，若余弦为1，则两个加工特征之间的形状相同。

在计算向量间距离时，矩阵对角线上的5位编码一项应将编码分为5位分别进行计算。以计算好的距离值作为两个加工特征形状的相似性，若距离小于预设值的阈值，则将两个特征合并为同一类，实现相同工艺几何特征的合并。对于实例零件，设置阈值0.75，对其序号01和03的两个槽特征，分别建立几何相似性矩阵并展开为向量，01槽特征中有9个面，展开后的向量长度为45，03槽特征中有7个面，展开后的向量长度为28，两个向量长度不同，因此需要对长度不够的向量进行补虚位。03槽特征的向量中不足的部分补虚节点并计算虚面节点的属性位与邻接关系位的数值，虚面节点属性值设为当前总层数对应的值20000，虚面节点间的邻接关系位补0，虚面节点与实面节点间的邻接关系位补-1，得到的03槽特征补虚位后的矩阵如下所示：

经过矩阵展开为向量并计算余弦值，得到01与03序号槽特征间的几何相似性距离为0.831，大于预设定的阈值，因此将两个槽特征合并为一类。对于图3所示的24个已标号特征，计算后得到的分类结果如下：

3、分别对该零件中的每一个槽特征提取加工特征的关键几何参数构建特征向量，关键几何参数指一个加工特征中的关键几何面的类型，几何尺寸包括转角半径等，以及整体特征的尺寸包括加工特征的关键几何面的面积、整体深度等。在这里以槽特征的腹板面积、转角半径和槽深度三个关键几何参数构建特征向量：

PF＝(BS,R,D)

对该零件中所有槽特征构建每一个槽特征对应的关键几何参数特征向量，由于特征向量中每一个数据对应的数值量级不同，因此需要对整个特征向量进行归一化处理。第一个参数是腹板面积，由于其数量级在千或万级别，因此设置该参数单位为1000mm²，第二个参数是转角半径，其值范围大概在个位数或两位数左右，因此该参数单位设置mm不变，第三个参数是槽深度，其值范围大概在两位数左右，因此该参数单位设置mm不变。按照图3所示的槽特征分布顺序，归一化后的特征向量如下表所示。

4、对于拓扑相似性分类结果中的每一类，使用K均值聚类算法对其进行定义类别，算法执行流程如下：

步骤一：事先根据结构件加工特征的加工方法和加工参数大致分布类别定义K值大小，对于当前零件，由于其中4类类别较少，故不进行K均值聚类，而对第一类和第五类，根据加工特征的加工方法和加工参数相似性类别，第一类工艺中开口槽和闭口槽的加工方法略有不同，大致为两个类别，因此设置K值为2，第五类工艺中加工参数略有不同，大致为两个类别，腹板面积较小的刀具直径略小，腹板面积较大的刀具直径略大，因此同样设置K值为2。算法执行完毕后所有槽特征将会被分为7类。

步骤二：从当前所有槽特征关键几何参数特征向量中随机选取K个样本作为初始均值，这里以第五类为例，随机选取序号为09、18的2个样本。

步骤三：计算每个样本与各均值间的二范数值求得向量间的距离，以上述槽特征的特征向量为例，其距离计算公式如下：

式中dis(PF_i,PF_j)表示第i个槽特征和第j个槽特征关键几何参数特征向量间的距离，||·||₂表示二范数。

每个样本与距离K个样本中最近的一个聚为一类，例如序号08的特征向量，计算与两个初始均值样本的距离为6.022、0.047，它与第二类的均值样本距离最小，因此将特征08分为第二类，以此类推得到所有样本的所属类别。

步骤四：当所有样本完成一轮聚类后，重新计算当前每个类的均值，重复步骤三直到当前划分结果与上一轮聚类的结果相同，完成聚类过程。当前实例中完成聚类过程时分类情况下表所示：

5、评价聚类结果的方法以加工方法和加工参数为参考，对每一簇中的样本进行分析，根据每一簇中每个样本事先标记的加工方法和加工参数等，计算采用同一加工方法和加工参数最多的一种加工特征所占的比例。设置比例最低阈值，若有的簇中该比例不能达到这个阈值，则需要对聚类算法重新训练并划分结果，直到满足要求。现设置比例阈值85％，以第一种分类结果为例，针对已完成聚类过程的两个簇，每一个类中加工方法都相同，而加工过程中的加工参数不同，而相同加工参数最多的一种加工特征所占比例如下：90.9％、100％。当前每一簇中的比例都高于预设定的阈值，因此聚类算法结果较好，完成聚类过程。

该分类结果将实例零件中的所有槽特征分为7类，第一类是腹板面积较小的简单封闭多层槽，第二类是带有孤岛结构的腹板面积较大的复杂单层槽，第三类是腹板面积较大的简单封闭多层槽，第四类是开口多层槽，第五类是反面的腹板面积较大的简单单层槽结构，第六类是反面的腹板面积较小的简单单层槽结构，第七类是反面的简单开口单层槽结构。这七类槽特征之间拓扑结构和几何参数不同，对应的加工方法与加工参数也不同，该方法有效地区分了加工方法和加工参数不同的同一类加工特征，对槽特征定义了七个类别，使每一类中工艺相似度更高，提高了工艺重用的效率。

对细分后的每一类加工特征，统计其表面质量分布、尺寸误差分布、材料去除率分布、表面积形成率分布、加工问题及原因分布和加工调整方法等。在工艺设计过程中，能够为相应的加工特征自动关联相关的工艺知识，为工艺设计和优化提供支持。

本发明未涉及部分与现有技术相同采用现有技术加以实现。

Claims

1.一种基于历史数据的复杂结构件加工特征智能定义与分类方法，其特征是通过历史数据对复杂结构件加工特征进行定义与分类，首先，针对同一类加工特征，根据加工特征的历史数据，按照加工特征拓扑结构和加工工艺的相似性，对加工特征进行定义与分类，然后，在分类基础上以加工特征的关键几何参数作为特征向量，使用K均值聚类算法对分类结果进行聚类分析，以区分不同几何参数对应的加工特征，并以历史数据中的加工方法和加工参数为参考对聚类结果进行评估，以提取更多共性加工工艺知识，实现工艺知识的高效重用，提高复杂结构件数控编程效率；加工特征拓扑结构的相似性以几何相似性矩阵衡量，通过全息属性面边图表达加工特征的拓扑结构，并且通过分层结构的形式描述加工特征，并由此创建几何相似性矩阵计算加工特征间的相似度，几何相似性矩阵中包含了一个加工特征中每个面自身的属性以及所有相邻面间的拓扑关系信息；按照加工特征拓扑结构的相似性对加工特征进行定义与分类时，由于不同加工特征的层数或面个数不同，因此几何相似性矩阵的长度便不同，首先应对不同长度的几何相似性矩阵使用补虚节点的方式使其长度一致，然后将几何相似性矩阵展开成特征向量形式，通过计算向量间的余弦值作为向量间的距离度量，以该余弦值作为两个加工特征形状的相似性，若余弦值大于预设的阈值，则将两个特征合并为同一类。

2.根据权利要求1所述的方法，其特征在于提取加工特征的关键几何参数构建特征向量，关键几何参数指一个加工特征中的关键几何面的类型，几何尺寸包括转角半径，整体特征的尺寸包括加工特征的关键几何面的面积、整体深度。

3.根据权利要求1所述的方法，其特征在于K均值聚类算法需事先根据结构件加工特征的加工方法和加工参数分布定义K值大小，并随机选取K个样本作为初始均值，通过计算每个样本与各均值间的二范数值作为向量间的距离度量，每个样本与距离K个样本中最近的一个聚为一类；当所有样本完成一轮聚类后，重新计算当前每个类的均值，按照新的均值重新对每个样本分类，重复该过程直到当前划分结果与上一轮聚类的结果相同，完成聚类过程。

4.根据权利要求1所述的方法，其特征在于评价聚类结果的方法以历史数据中的加工方法和加工参数为参考，对每一簇中的样本进行分析，根据每个样本事先标记的加工方法和加工参数，计算采用同一加工方法和加工参数最多的一种加工特征所占的比例，设置比例最低阈值，若有的簇中该比例不能达到这个阈值，则需要对聚类算法重新训练并划分结果，直到满足要求。