CN109117560B - 基于mbd的汽车典型机加工零件三维工艺设计方法及平台 - Google Patents

基于mbd的汽车典型机加工零件三维工艺设计方法及平台 Download PDF

Info

Publication number
CN109117560B
CN109117560B CN201810939985.2A CN201810939985A CN109117560B CN 109117560 B CN109117560 B CN 109117560B CN 201810939985 A CN201810939985 A CN 201810939985A CN 109117560 B CN109117560 B CN 109117560B
Authority
CN
China
Prior art keywords
processing
mbd
model
characteristic
information
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
Application number
CN201810939985.2A
Other languages
English (en)
Other versions
CN109117560A (zh
Inventor
徐劲力
刘小磊
黄丰云
陈春晓
牛强强
贾冰
余千
刘伟腾
曾凡琮
徐维
朱继伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN201810939985.2A priority Critical patent/CN109117560B/zh
Publication of CN109117560A publication Critical patent/CN109117560A/zh
Priority to PCT/CN2019/078102 priority patent/WO2020034632A1/zh
Priority to US16/758,033 priority patent/US11113431B2/en
Application granted granted Critical
Publication of CN109117560B publication Critical patent/CN109117560B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G06F18/2155—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the incorporation of unlabelled data, e.g. multiple instance learning [MIL], semi-supervised techniques using expectation-maximisation [EM] or naïve labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2323—Non-hierarchical techniques based on graph theory, e.g. minimum spanning trees [MST] or graph cuts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/12—Geometric CAD characterised by design entry means specially adapted for CAD, e.g. graphical user interfaces [GUI] specially adapted for CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Architecture (AREA)
  • Human Computer Interaction (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Discrete Mathematics (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于计算机辅助工艺设计技术领域，公开了一种基于MBD的汽车典型机加工零件三维工艺设计方法及平台，以三维CAD软件为载体，以MBD设计模型为唯一数据输入，以工艺MBD模型为数据输出，设计流程中包括MBD相关标准的建立，MBD设计模型的创建，特征分类与特征库的创建，特征识别与信息提取，加工元的生成，加工元聚类生成工序，工序排序，制造特征体、工序模型的创建等步骤。本发明的最终应用示例是在以NX为载体，C++和NXopen语言开发的三维CAPP系统中实现，本发明可以快速生成集合了工序模型与制造特征体的工艺MBD模型，可实现工艺设计流程的可视化，提高工艺设计效率，为CAD/CAPP/CAM的集成奠定基础。

Description

基于MBD的汽车典型机加工零件三维工艺设计方法及平台
技术领域
本发明属于计算机辅助工艺设计技术领域，尤其涉及一种基于MBD的汽车典型机加工零件三维工艺设计方法及平台。
背景技术
目前，业内常用的现有技术是这样的：
基于模型的定义(Model Based Definition，MBD)是一种面向计算机应用的产品数字化定义技术，其核心思想是将与三维实体模型相关的产品尺寸、几何公差、基准、表面粗糙度等详细信息统一集成于三维实体模型中，用该集成的三维实体模型来完整的表达产品的定义信息，并将其作为产品制造过程中的唯一依据，完全摒弃了传统结构设计过程中以二维CAD图纸来表达实体模型的方式，从而使得整个产品生命周期内的数据唯一性得到保证。消除了数据传递过程中产生的歧义，大大提高了产品设计的效率。
目前国内外MBD技术主要应用于航空航天产品设计与装配领域，在汽车产品设计领域还寥寥无几，小部分汽车企业开始引用MBD技术，但仍处于初步探索阶段，并未形成规模化标准化的生产体系。
综上所述，现有技术存在的问题是：
MBD应用标准不统一或者没有规范化的标准体系；部分企业根据自身基本需要并结合国家相关标准编制了MBD技术应用标准，适用于企业自身的各类产品。但是不同企业“五花八门”式的MBD技术标准，为跨行业、跨企业的分工合作造成极大阻碍，难以形成统一的标准体系与应用环境。
CAPP系统中的数字化建模手段落后；当前，在产品三维工艺设计的制造特征体和工序模型创建过程中，均依赖三维CAD软件的基本建模功能，设计人员手工操作进行模型创建，导致产生了众多重复的工作，无法快速、准确地创建相应模型，也无法满足MBD数据集对三维数据的规范性、准确性、完整性的要求。
CAPP系统的信息集成度差；目前基于MBD的三维CAPP系统的信息集成缺少完整的三维工艺数据模型的支撑，而且数据未系统化管理，造成工艺、制造环节的三维数字化仿真工作难以开展，即形成了CAD/CAPP/CAM的数据流通壁垒，导致无法通过工艺数字化仿真的反馈结果来判断工艺方案的低劣，无法实现信息的高度集成。
现有技术中零部件工艺设计效率低下，设计过程不可视。
因此将MBD技术大力引入汽车零部件设计领域是非常有必要的，急需寻找到一种可以快速、准确地创建工艺MBD模型的三维工艺设计方法，形成CAD/CAPP/CAM高度集成的MBD应用体系。
解决上述技术问题的难度和意义：
解决上述技术问题的难点包括：
加工特征的识别。指从设计模型中通过一定的算法识别出具有特定加工语义的制造特征信息。归纳总结特征识别算法总共有四大类：基于体分解的特征识别算法、基于痕迹的特征识别算法、基于图匹配的特征识别算法以及基于混合式的特征识别算法，目前各类识别方法均存在识别效率、算法复杂的问题。
工艺MBD模型的创建，即制造特征体和工序模型的创建。工艺MBD模型可以完整地表达零件从毛坯经过粗加工、半精加工和精加工逐步形成最终设计模型的演变过程。目前大都是借助人工交互的方式及参数化建模手段来创建工艺模型，其建模通用性差，生成效率偏低，与工艺模型的快速创建理念相违背。
解决上述问题具有重大的现实意义：
实现MBD技术标注化应用，形成统一的标准体系与应用环境，为跨行业、跨企业的分工合作清除障碍。
实现工序模型和制造特征体的快速、准确创建，生成一种可读性更强的工艺MBD模型，这对加工人员快速获取加工信息，缩短零件的制造周期有积极意义。
对工艺设计流程进行数字化仿真，形成工艺设计反馈机制，实现工艺设计过程的优化，提高工艺设计的质量。
发明内容
针对现有技术存在的问题，本发明提供了一种基于MBD的汽车典型机加工零件三维工艺设计方法及平台。
本发明是这样实现的，一种基于MBD的汽车典型机加工零件三维工艺设计方法，所述基于MBD的汽车典型机加工零件三维工艺设计方法包括：
以三维CAD软件为载体，以MBD设计模型为唯一数据输入，以三维工艺MBD模型为数据输出；依次进行MBD相关标准的建立、MBD设计模型的创建、特征分类与特征信息库的创建、特征识别与信息提取、加工元的生成、加工元聚类生成工序、工序排序、制造特征体、工序模型的创建；生成集合工序模型与制造特征体的工艺MBD模型，实现工艺设计流程的可视化。
进一步，所述基于MBD的汽车典型机加工零件三维工艺设计方法具体包括：
步骤一，根据MBD设计模型创建的需要，进行MBD相关标准的编制；
步骤二，根据所编制的MBD标准集合，确定零部件工艺设计的全部工艺信息，包括尺寸、尺寸公差、形位公差与基准、表面粗糙度、技术要求、工艺信息及属性注释，并在CAD软件的三维标注模块中对工艺设计的全部信息进行定义与标注，完成MBD设计模型的创建；
步骤三，根据典型零件的设计模型，对其特征进行属性自定义与特征分类；所述自定义特征根据特征的加工面属性邻接图MFAG进行分类，分类特征包括单独加工面、台阶、孔、凹槽和凸台；接着完成XML文件格式的加工特征信息库的创建，特征信息库中包含各类自定义特征面和边的属性，其中面的属性主要包括面的类型、法向向量、面的内外环信息；边的属性包括边的类型、法向向量、边的凹凸性；
步骤四，根据零件设计模型的STEP格式文件，获取零件的属性邻接图AAG，删除所有的过渡特征、毛坯面以及与毛坯面相邻接的边，将零件的属性邻接图简化为特征的加工面属性邻接图MFAG；将MFAG与加工特征信息库进行特征匹配，若匹配成功，则识别出相应的特征；若匹配不成功，则对MFAG进行属性分解，对相应的面进行合并或者分割，获得多个特征子图，再将特征子图与加工特征信息库进行特征匹配，匹配成功，识别出相应的特征；对识别出的特征，提取各个特征加工面的产品制造信息，产品制造信息包括基本工艺设计信息，工艺辅助信息，并以XML文件格式输出保存至后台；
步骤五，依据加工决策规则内容，提取加工特征信息库中的特征信息，与特征加工规则库进行信息映射，进行加工元的创建；加工元包括特征或特征面的全部加工信息；全部加工信息包括加工元名称、加工特征类型、加工部位、加工方法、加工精度、加工刀具、加工机床、加工时间、工装夹具、切削量、加工余量、主轴转速、切削速度信息；
步骤六，对所述步骤五所创建的加工元，依据基于多属性重要性加权的模糊c-均值加工元聚类算法，根据不同加工属性对聚类结果的影响程度，对加工方法、加工精度、加工刀具、加工机床、工装夹具属性进行不同权重赋值，并确定聚类数量c，迭代停止阈值ε，迭代次数T，将加工属性相近的加工元聚类，合并生成加工工序；
步骤七，利用遗传算法，对步骤六所生成的工序进行最优化排序，获得零件最佳的工序排序列表；
步骤八，对每道工序所要加工的特征，根据一种逆向生成思想，利用半空间相交或参数化建模方法，从MBD设计模型开始，创建第N道工序(假设总共N道工序)的制造特征体，而第N道工序的工序MBD模型即为MBD设计模型与该道工序的工艺信息的集合，所以该制造特征体与设计模型进行布尔加运算，即可生成第N-1道工序的工序模型，在此基础上，创建其余各道工序的制造特征体及工序模型，直至创建最后的毛坯模型，则工艺模型创建完成。
进一步，步骤一中，MBD标准包括：
(1)MBD三维模型的定义与创建标准，包括零部件MBD模型基本定义及数据集完备性要求，MBD模型的三维建模和装配要求，生成三维工程图的技术要求；
(2)MBD三维标注标准，包括MBD模型数据集在三维环境中的表达，具体包括：MBD模型视图角度的选择，尺寸、尺寸公差与配合注法，形位公差、基准与表面粗糙度注法，剖视图绘制规范，MBD装配模型中零部件序号编排方法，零部件明细表绘制规范；
(3)MBD工艺与工装表达标准，包括机械加工零件的金属切削工艺及其符号、参数表达规范，定位装夹方式及其符号表达规范。
进一步，步骤六中，具体包括：
首先，创建基于多属性重要性加权的模糊c-均值WAFCM加工元聚类的数学模型；基于特征信息规则库和特征加工规则库生成的n个加工元，定义为待聚类分析的n个样本数据集
Figure BDA0001768809790000051
典型模糊c-均值聚类分析是按照X中的n个加工元所对应的加工属性的相似性，将x1,x2,···,xn划分为c个模糊子集，定义模糊子集为特征对应的工序集合V＝{v1,v2,···,vc}，为模糊聚类的簇心；
接着，根据步骤五所述的加工元的加工属性分类，定义数据集X中的每个样本包含p个加工属性，记
Figure BDA0001768809790000052
为n个加工元的属性矢量；则WAFCM加工元聚类算法，第k个样本点记作xk＝(x1k,x2k,···,xpk),k∈{1,2,···,n}；加工元簇心记为vi＝(vi1,vi2,···,vip),i∈{1,2,···,c}；计算每一个聚类样本的不同加工属性所定义的信息对整体聚类的影响程度，对每一个加工属性赋权值W，若加工属性对样本聚类起到积极作用，则赋予较大的权重，反之则赋予较小的权重；
然后，定义模糊隶属度矩阵U＝[uijk]∈R，i＝1,2,···,c；j＝1,2,···,p；k＝1,2,···,n，并建立表示加工元样本数据点与工序聚类簇心之间加权相似度的目标函数；在模糊c-均值聚类的基础上对加工属性进行属性加权，得到修正后的WAFCM算法的目标函数Jm：
Figure BDA0001768809790000061
式中uijk表示聚类加工元样本点xk在加工属性j上隶属于第vi个工序的隶属程度，反映样本点与簇心的相似程度，若接近1，表示属于此簇心的程度高，若接近0，表示属于此簇心的程度低；m代表加权指数，m∈(1，+∞)，取m＝2；
接着，根据聚类准则，在目标函数约束条件下，寻求最佳(U,V,W)，使得Jm(U,V,W)最小；分别求Jm(U,V,W)对U、V、W的偏微分，运用拉格朗日(Lagrange)乘数法，并根据约束条件求得使Jm(U,V,W)最小的uijk、vij、wj值，如式
Figure BDA0001768809790000062
Figure BDA0001768809790000063
Figure BDA0001768809790000064
最后，对WAFCM聚类算法进行求解；
1)，确定算法的输入变量，包括加工元数据集X、属性矢量P、聚类数量c、加权指数m、迭代阈值ε、最大迭代次数T，设置迭代计数器t＝0；
2)，标准化数据集X，初始化隶属度矩阵U(0)，满足限制条件
Figure BDA0001768809790000065
并设置初始属性加权赋值矩阵W(0)，令各项初值均为wj＝1/p，p为加工元属性数量；
3)，根据公式uijk、vij、wj不断更新隶属度矩阵U(t)＝[uijk]t，原型矩阵V(t)＝[vij]t，属性权重矩阵W(t)＝[wj]t；
4)，当t＝T或||Jt-Jt-1||≤ε时，累加计算加工元样本基于每个加权属性的隶属度，得到加工元样本的隶属度用于工序分簇，计算式如式
Figure BDA0001768809790000071
所示；根据隶属度，确定各个加工元所属的工序；否则，重复步骤3)。
进一步，步骤七中，将步骤六所聚类生成工序的加工方法、加工精度、加工刀具、加工机床、工装夹具的加工属性定义为基因的表现型，并对其进行基因编码，得到一个具有潜在解的初始种群；然后基于“物竞天择，适者生存”的原理，逐代进化产生最优的种群个体；在每一代中，先对种群个体进行重组，然后根据以加工时间最短为优化目标的适应度函数，评价种群各个体，选择适应度高的个体，按照某一概率进行交叉、变异操作，产生新一代的种群，末代种群的最优个体经过解码为近似最优解，为工序顺序；
具体包括：
编码：将步骤六所聚类生成工序的加工方法、加工精度、加工刀具、加工机床、工装夹具等加工属性定义为基因的表现型，利用二进制编码方法进行基因编码；
获取初始种群：采用随机方法产生一系列初始码链，得到一个存在潜在解的初始种群；
染色体重组：利用加工规则和加工属性约束，在初始染色体进行迭代计算前以及每一次的交叉、变异后，对种群的染色体进行重组；
以加工时间最短为优化目标进行适应度函数计算，以评价种群个体；
交叉：采用单点交叉，在种群中选择适应度高的个体，以交叉概率选择一个断点，对断点后的染色体进行单点交叉以形成新的染色体；
变异：在种群中选择适应度高的个体，以变异概率选取若干个体，再从选中的若干个体中随机选取基因位，改变为等位基因；
迭代计算：每迭代一次产生新一代的种群，当到达预先设定的迭代次数或收敛于最优解时，计算终止；末代种群的最优个体经过解码即为近似最优解，即为工序的最优顺序；
进一步，步骤八中，制造特征体是每道工序所要切除的体积的集合，对于制造特征体的创建，根据加工特征分类的交互式和非交互式特征的属性特点及生成方式，选取半空间相交方法或参数化建模方法获取制造特征体；
能直接将加工特征的加工面邻接图MFAG与加工特征信息库匹配，识别的特征为非交互特征，可直接用参数化建模方法创建制造特征体；
对加工面邻接图NMFAG做进一步属性分解，对相应的面进行合并或者分割，生成特征子图，与加工特征信息库匹配，能识别出的特征为交互特征，所述交互特征不直接与任何的特征模式匹配，选用半空间相交方法生成制造特征体；
制造特征体与工序模型的几何关系包括：对于具有n道工序的加工零件，在其工序模型逆向生成中，几何建模意义上，第j道工序的工序模型WPMj为第j+1道工序的工序模型WPMj+1与制造特征体的布尔加运算，即
Figure BDA0001768809790000081
式中：Σ表示类型的集合，不表示求和运算符；1≤j≤n，1≤k≤m；MFVk j+1表示第j+1道工序的第k个制造特征体，m为制造特征体的数目；
Figure BDA0001768809790000082
表示布尔加运算符；
工艺MBD模型的表达：工艺模型是制造特征体和工序模型的集合表达，工艺MBD模型表达为：
Figure BDA0001768809790000083
式中：PIM表示机加工零件的工艺MBD模型；WPMi表示第i道工序的工序模型；
Figure BDA0001768809790000084
表示第i道工序的第k个制造特征体，m为制造特征体的数目；PIi表示第i道工序所对应的工序MBD模型中所属的工艺信息。
半空间相交法：通过面的延伸相交来形成一种半包围的空间状态，对于某个加工特征，获得其加工面集MFi及邻接面集AFj，并将面集延伸相交，分别获得半空间体H{MFi}和H{AFj}；制造特征体为两个半空间体的布尔交运算，
Figure BDA0001768809790000091
本发明的另一目的在于提供一种计算机程序，所述计算机程序运行所述的基于MBD的汽车典型机加工零件三维工艺设计方法。
本发明的另一目的在于提供一种终端，所述终端搭载有实现所述基于MBD的汽车典型机加工零件三维工艺设计方法的控制器。
本发明的另一目的在于提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行所述的基于MBD的汽车典型机加工零件三维工艺设计方法。
本发明的另一目的在于提供一种基于MBD的汽车典型机加工零件三维工艺设计平台，所述基于MBD的汽车典型机加工零件三维工艺设计平台包括：
MBD相关标准的编制模块，根据MBD设计模型创建的需要，进行MBD相关标准的编制；
MBD设计模型创建模块，根据所编制的MBD标准集合，确定零部件工艺设计的全部工艺信息，包括尺寸、尺寸公差、形位公差与基准、表面粗糙度、技术要求、工艺信息及属性注释，并在CAD软件的三维标注模块中对工艺设计的全部信息进行定义与标注，完成MBD设计模型的创建；
属性自定义与特征分类模块，根据典型零件的设计模型，对其特征进行属性自定义与特征分类；所述自定义特征根据特征的加工面属性邻接图MFAG进行分类，分类特征包括单独加工面、台阶、孔、凹槽和凸台等；接着完成XML文件格式的加工特征信息库的创建，特征信息库中包含各类自定义特征面和边的属性，其中面的属性主要包括面的类型、法向向量、面的内外环信息等；边的属性包括边的类型、法向向量、边的凹凸性等；
特征识别与信息提取模块，根据零件设计模型的STEP格式文件，获取零件的属性邻接图AAG，删除所有的过渡特征、毛坯面以及与毛坯面相邻接的边，将零件的属性邻接图简化为特征的加工面属性邻接图MFAG。将MFAG与加工特征信息库进行特征匹配，若匹配成功，则识别出相应的特征；若匹配不成功，则对MFAG进行属性分解，对相应的面进行合并或者分解割，获得多个特征子图，再将特征子图与加工特征信息库进行特征匹配，匹配成功，识别出相应的特征。对识别出的特征，提取各个特征加工面的产品制造信息，产品制造信息包括基本工艺设计信息，工艺辅助信息，并以XML文件格式输出保存至后台；
加工元创建模块，依据加工决策规则内容，提取加工特征信息库中的特征信息，与特征加工规则库进行信息映射，进行加工元的创建；加工元包括特征或特征面的全部加工信息；全部加工信息包括加工元名称、加工特征类型、加工部位、加工方法、加工精度、加工刀具、加工机床、加工时间、工装夹具、切削量、加工余量、主轴转速、切削速度信息；
加工工序生成模块，对所创建的加工元，依据基于多属性重要性加权的模糊c-均值的加工元聚类算法，根据不同加工属性对聚类结果的影响程度，对加工方法、加工精度、加工刀具、加工机床、工装夹具属性进行不同权重赋值，并确定聚类数量c，迭代停止阈值ε，迭代次数T，将加工属性相近的加工元聚类，合并生成加工工序；
零件最佳工序排序列获得模块，利用遗传算法，对所聚类生成的工序进行最优化排序，获得零件最佳的工序排序列表；
工艺模型创建模块，对每道工序所要加工的特征，根据一种逆向生成思想，利用半空间相交或参数化建模方法，从MBD设计模型开始，创建第N道工序(假设总共N道工序)的制造特征体，而第N道工序的工序MBD模型为MBD设计模型与该道工序的工艺信息的集合；制造特征体与设计模型进行布尔加运算，生成第N-1道工序的工序模型；创建其他各道工序的制造特征体及工序模型，直至创建最后的毛坯模型，则工艺模MBD型创建完成。
综上所述，本发明的优点及积极效果为：
本发明确立了MBD技术的基本应用体系，包括MBD三维模型的定义与创建标准，MBD三维标注标准和MBD工艺与工装表达标准，规范了MBD设计与应用过程，同时为跨行业、跨企业的分工合作清除了阻碍，为形成统一的标准体系与应用环境打下基础。
将MBD设计模型作为产品设计与制造过程中的唯一依据，使得整个产品生命周期内的数据唯一性得到保证，保证设计过程的准确性。
所采用的基于多属性重要性赋权的模糊c-均值加工元聚类算法，可对加工元的各类加工属性依据其重要性进行赋权，实现加工元的准确聚类，生成加工工序，可简化车间布局，提高加工效率。
所采用的半空间相交法能够快速生成集合了工序模型与制造特征体的工艺MBD模型，该模型相比于原先的工序模型，具有更强的可读性，对加工人员快速获取加工信息，缩短零件的制造周期有积极意义。可实现工艺设计流程的可视化，同时提高工艺设计效率，也为CAD/CAPP/CAM的集成奠定基础。
附图说明
图1是本发明实施例提供的基于MBD的汽车典型机加工零件三维工艺设计方法流程图；
图2是本发明实施例提供的遗传算法流程图；
图3是本发明实施例提供的零件P的制造特征体的创建步骤流程图；
图4是本发明实施例提供的台阶特征的加工面属性邻接图；
图中：(a)、零件三维模型；(b)、零件属性邻接图AAG；(c)、台阶加工面邻接图MFAG。
图5是本发明实施例提供的制造特征体创建流程图；
图6是本发明实施例提供的一般凹陷特征制造特征体生成图；
图7是本发明实施例提供的带低凸台的凹陷特征制造特征体生成图；
图8是本发明实施例提供的带高凸台的凹陷特征制造特征体生成图-1；
图9是本发明实施例提供的带高凸台的凹陷特征制造特征体生成图-2；
图10是本发明实施例提供的基于MBD的汽车典型机加工零件三维工艺设计平台示意图；
图中：1、MBD相关标准的编制模块；2、MBD设计模型创建模块；3、属性自定义与特征分类模块；4、特征识别与信息提取模块；5、加工元创建模块；6、加工工序生成模块；7、零件最佳工序排序列获得模块；8、工艺模型创建模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明以三维CAD软件为载体，以MBD设计模型为唯一数据输入，以工艺MBD模型为数据输出，设计流程中包括MBD相关标准的建立，MBD设计模型的创建，特征分类与特征信息库的创建，特征识别与信息提取，加工元的生成，加工元聚类生成工序，工序排序，制造特征体、工序模型的创建等步骤。本发明的最终应用示例是在以NX为载体，C++和NXopen语言开发的三维CAPP系统中实现，本发明可以快速生成集合了工序模型与制造特征体的工艺MBD模型，可实现工艺设计流程的可视化，提高工艺设计效率，为CAD/CAPP/CAM的集成奠定基础。
下面结合具体实施例对本发明作进一步描述。
本发明实施例提供的基于MBD的机加工零件三维工艺设计方法，所述的工艺设计方法以三维CAD软件为载体，以MBD设计模型为唯一数据输入，以三维工艺模型为数据输出，图1表示其工艺设计流程，其设计步骤主要包括：
S101：根据MBD设计模型创建的需要，进行MBD相关标准的创建。
S102：根据所编制的MBD标准集合，确定零部件工艺设计的全部工艺设计信息，包括尺寸、尺寸公差、形位公差与基准、表面粗糙度、技术要求、工艺信息及属性注释。接着将零件设计模型导入到CAD软件，并在CAD软件的三维标注模块中对工艺设计的全部信息进行定义与标注，完成MBD设计模型的创建。
S103：根据典型零件的设计模型，对其特征进行属性自定义与特征分类；所述自定义特征根据特征的加工面属性邻接图MFAG进行分类，分类特征包括单独加工面、台阶、孔、凹槽和凸台等；接着完成XML文件格式的加工特征信息库的创建，特征信息库中包含各类自定义特征面和边的属性，其中面的属性主要包括面的类型、法向向量、面的内外环信息等；边的属性包括边的类型、法向向量、边的凹凸性等。
S104：根据零件设计模型的STEP格式文件，获取零件的属性邻接图AAG，删除所有的过渡特征、毛坯面以及与毛坯面相邻接的边，将零件的属性邻接图简化为特征的加工面属性邻接图MFAG。将MFAG与加工特征信息库进行特征匹配，若匹配成功，识别出简单的非交互特征，如简单的孔、槽等特征。若匹配不成功，则对MFAG进行属性分解，对相应的面进行合并或者分解割，获得多个特征子图，再将特征子图与加工特征信息库进行特征匹配，匹配成功，识别其他复杂的交互特征。针对识别出的特征，提取各个特征加工面的产品制造信息，主要包括基本工艺设计信息(尺寸与公差、表面粗糙度、形位公差与基准等)，工艺辅助信息(定位、装夹信息)，并以XML文件格式输出保存至后台。
S105：依据加工决策规则内容，提取加工特征信息库中的特征信息，与特征加工规则库进行信息映射，完成加工元的创建；其中加工元包括特征或特征面的全部加工信息，主要包括加工元名称、加工特征类型、加工部位、加工方法、加工精度、加工刀具、加工机床、加工时间、工装夹具、切削量、加工余量、主轴转速、切削速度等信息。
S106：针对步骤S105所创建的n个加工元，运用基于多属性重要性加权的模糊c-均值(WAFCM)的加工元聚类算法，完成加工工序的生成。
S107：利用遗传算法，基于“物竞天择，适者生存”的原理，对步骤S106所生成的工序进行最优化排序，获得零件最佳的工序排序列表。
S108：对每道工序所要加工的特征，根据一种逆向生成思想，利用半空间相交或参数化建模方法，即从MBD设计模型开始，创建第N道工序(假设总共N道工序)的制造特征体，而第N道工序的工序MBD模型即为MBD设计模型与该道工序的工艺信息的集合，所以该制造特征体与设计模型进行布尔加运算，即可生成第N-1道工序的工序模型，在基础上，创建其他各道工序的制造特征体及工序模型，直至创建最后的毛坯模型，则工艺模型创建完成。
下面结合具体分析对本发明作进一步描述。
步骤S101中，MBD标准主要内容包括：
(1)MBD三维模型的定义与创建标准，主要规定了零部件MBD模型基本定义及数据集完备性要求，MBD模型的三维建模和装配要求，生成三维工程图的技术要求等；
(2)MBD三维标注标准，主要规定了MBD模型数据集在三维环境中的表达，主要涉及到MBD模型视图角度的选择，尺寸、尺寸公差与配合注法，形位公差、基准与表面粗糙度注法，剖视图绘制规范，MBD装配模型中零部件序号编排方法，零部件明细表绘制规范等；
(3)MBD工艺与工装表达标准，主要包括机械加工零件的金属切削工艺及其符号、参数表达规范，定位装夹方式及其符号表达规范等。
而MBD标准建立的主要相关参考标准包括：
GB/T 24734─2009技术产品文件数字化产品定义数据通则；
GB/T 18780─2002产品几何量技术规范(GPS)；
GB/T 18229─2000CAD工程制图规则；
GB/T 4457─2003机械制图国家标准；
GB/T 26099─2010机械产品三维建模通用规则；
GB/T 10609─2009技术制图国家标准。
步骤S102中，对于含有较多内腔加工尺寸的复杂零件，可采用剖视图来清晰表达工艺设计信息，某型号汽车后桥差速器壳MBD设计模型。对于标注完具有“刺猬”现象的零件，可采用分视图或图层表达的方法；也可以对工艺设计信息进行分类标注，主要分为尺寸及尺寸公差、形位公差及基准、表面粗糙度、技术要求及工艺注释四类，在不同的视图或图层中分别标注上述四类工艺设计信息。
步骤S103中，如图4所示，是某台阶零件的属性邻接图AAG，其中f1-f8表示台阶加工面与其邻接面，数字“1”表示邻接边呈凸性，“0”表示邻接边呈凹性，去除毛坯面及与毛坯面相邻接的边，可得到由面f2和f3组成的台阶加工面邻接图MFAG，确定面属性为：面f2为平面，法向为面的正法向，外环数为1，内环数为0；面f3为平面，法向为面的正法向，外环数为1，内环数为0。邻接边的属性为：直线边，边为凹性。对于其他自定义特征，也可创建其加工面属性邻接图，并将其特征信息存入加工特征信息库。
步骤S104中，特别地，对于特征识别与特征信息提取，是在CAD软件中，通过二次开发技术来实现的，通过CAD软件提供的二次开发接口及其提供的相关函数，可快速识别特征并提取工艺设计信息。
步骤S106中，首先，创建WAFCM加工元聚类的数学模型。基于特征信息规则库和特征加工规则库生成的n个加工元，将其定义其为待聚类分析的n个样本数据集
Figure BDA0001768809790000151
典型模糊c-均值聚类分析是按照X中的n个加工元所对应的加工属性的相似性，将x1,x2,···,xn划分为c个模糊子集，定义该模糊子集为特征对应的工序集合V＝{v1,v2,···,vc}，也就是模糊聚类的簇心。
接着，根据步骤S105所述的加工元的加工属性分类，定义数据集X中的每个样本包含p个加工属性，记
Figure BDA0001768809790000152
为n个加工元的属性矢量；则WAFCM加工元聚类算法，第k个样本点可记作xk＝(x1k,x2k,···,xpk),k∈{1,2,···,n}；加工元簇心记为vi＝(vi1,vi2,···,vip),i∈{1,2,···,c}。为了凸显个性属性的作用，计算每一个聚类样本的不同加工属性所定义的信息对整体聚类的影响程度，对每一个加工属性赋权值W，若加工属性对样本聚类起到积极作用，则赋予较大的权重，反之则赋予较小的权重。
然后，定义模糊隶属度矩阵U＝[uijk]∈R，i＝1,2,···,c；j＝1,2,···,p；k＝1,2,···,n，并建立表示加工元样本数据点与工序聚类簇心之间加权相似度的目标函数。在典型模糊c-均值聚类的基础上对加工属性进行属性加权，得到修正后的WAFCM算法的目标函数Jm：
Figure BDA0001768809790000161
式中uijk表示聚类加工元样本点xk在加工属性j上隶属于第vi个工序的隶属程度，它反映了样本点与簇心的相似程度，若接近1，表示属于此簇心的程度高；若接近0，表示属于此簇心的程度低。m代表加权指数(平滑指标，一般取2)，m∈(1，+∞)。
接下来，根据聚类准则，在目标函数约束条件下，寻求最佳(U,V,W)，使得Jm(U,V,W)最小。分别求Jm(U,V,W)对U、V、W的偏微分，运用拉格朗日(Lagrange)乘数法，并根据约束条件求得使Jm(U,V,W)最小的uijk、vij、wj值，如式
Figure BDA0001768809790000162
Figure BDA0001768809790000163
Figure BDA0001768809790000164
最后，对WAFCM聚类算法进行求解。首先，确定算法的输入变量，主要包括加工元数据集X、属性矢量P、聚类数量c、加权指数m、迭代阈值ε、最大迭代次数T，设置迭代计数器t＝0。接着，标准化数据集X，初始化隶属度矩阵U(0)，满足限制条件
Figure BDA0001768809790000171
并设置初始属性加权赋值矩阵W(0)，令其各项初值均为wj＝1/p，p为加工元属性数量。然后，根据公式uijk、vij、wj不断更新隶属度矩阵U(t)＝[uijk]t，原型矩阵V(t)＝[vij]t，属性权重矩阵W(t)＝[wj]t。当t＝T或||Jt-Jt-1||≤ε时，累加计算加工元样本基于每个加权属性的隶属度，得到加工元样本的隶属度用于工序分簇，计算式如式
Figure BDA0001768809790000172
所示。根据隶属度，就可以确定各个加工元所属的工序。否则，重复上一步骤。
步骤S107中，遗传算法流程如图2所示，具体阐述如下：
S201：编码。将步骤S106所聚类生成工序的加工方法、加工精度、加工刀具、加工机床、工装夹具等加工属性定义为基因的表现型，利用二进制编码方法对其进行基因编码。
S202：获取初始种群。采用随机方法产生一系列初始码链，得到一个存在潜在解的初始种群。
S203：染色体重组。利用加工规则和加工属性约束，在初始染色体进行迭代计算前以及每一次的交叉、变异后，对种群的染色体进行重组。
S204：以加工时间最短为优化目标进行适应度函数计算，以评价种群个体。
S205：交叉。采用单点交叉，在种群中选择适应度高的个体，以某种概率(称为交叉概率)选择一个断点，对断点后的染色体进行单点交叉以形成新的染色体。
S206：变异。在种群中选择适应度高的个体，以某一概率(称为变异概率)选取若干个体，再从选中的若干个体中随机选取基因位，将其改变为等位基因。
S207：迭代计算。每迭代一次产生新一代的种群，当到达预先设定的迭代次数或收敛于最优解时，计算终止。末代种群的最优个体经过解码即为近似最优解，即为工序的最优顺序。
步骤S108中，零件P的制造特征体的创建流程如图3所示，具体创建过程如图5所示：
S301：对于非交互式特征，运用基于属性邻接图的特征识别方法，快速识别及提取非交互加工特征NIF，并通过参数化建模创建其4个制造特征体(模型1、2、3、4)，如图5(b)所示。
S302：过滤移除非交互式特征，得到简化的后续计算半零件模型FP，如图5(c)所示。
S303：针对半零件模型FP，仅剩下交互特征，获得其加工面集MFi及邻接面集AFj，并根据半空间相交方法，分别获得半空间体H{MFi}和H{AFj}则将两个半空间体进行布尔交运算，则获得制造特征体MFVij(如图5(c)中模型5、6、7、8)，即。
Figure BDA0001768809790000181
将获得的制造特征体与半零件模型FP做布尔加运算，即可获得半毛坯模型HBM，即
Figure BDA0001768809790000182
S304：针对HBM的面特征加工面，沿其外法向偏置一个加工余量，获得原始铸造面及偏置体OV，最终的毛坯模型BM视为偏置体OV与半毛坯模型HBM的布尔加运算，即
Figure BDA0001768809790000183
并且获得2个制造特征体(模型9、10)，如图5(d)。最终制造特征体的集合如图5(f)所示，而且各制造特征体的创建过程是机加工的逆过程，即最先创建的制造特征体(如模型1、2、3、4)最后加工，最后创建的制造特征体(如模型9、10)最先加工。
针对步骤S303提到的半空间相交方法，将其应用于不同类型的复杂特征，典型的是各种复杂的凹陷特征(包括台阶、凹槽等交互特征)，其制造特征体的创建算法，具体流程阐述如下：
类型1：一般凹陷特征制造特征体创建。针对图6所示的一般凹陷特征，对其加工面标号为MFi，凹陷的邻接面标记为AFj，通过共同的入射边缘构造凹陷特征的最大连通集，即通过延伸加工面和邻接面，获得半空间体Hi和Hj。图6中，实线边框表示加工面的延伸面，其正向均为远离材料侧，虚线边框表示邻接面的延伸面，其正向均指向材料侧，这样可保证两个半空间体相交为封闭空间。半空间体用面的集合来表示，形式为Hi＝{MFi|i＝1,2,3,4,5}，Hi＝{AFj|j＝1,2,3,4}。两个半空间体的相交部分即为特征的布尔交运算，表示为
Figure BDA0001768809790000191
即为制造特征体。
类型2：带凸台的凹陷特征制造特征体创建。针对图7所示凹陷特征，其凸台高度低于凹陷深度，称为带低凸台的凹陷特征，运用类型1所述的半空间相交法，可快速获得制造特征体。而针对图8所示的凹陷特征，其凸台高度高于凹陷深度，称为带高凸台的凹陷特征，运用类型1所述的半空间相交法，获得制造特征体，但其无法完全包围加工面MFi(i＝6,7,8,9,10)，所创建的制造特征体为不完全的。现提出一种改进的半空间相交法，对于高于邻接面的加工面MF6，将其定义为凹陷特征的邻接面AF7，而将邻接面AF3、AF4定义为凹陷特征的加工面MF1、MF2。延伸加工面和邻接面，获得半空间体Hi＝{MFi|i＝1,2,…,11}和Hi＝{AFj|j＝1,2,…,7}，同时得到制造特征体
Figure BDA0001768809790000192
如图9所示。
根据提到的工序模型的逆向生成流程，将后一道工序的工序模型WPMi+1和制造特征体MFVi+1进行布尔加运算，即可得到前一道工序的工序模型WPMi，即
Figure BDA0001768809790000193
据此，可从零件设计模型开始，逆向依次生成工序模型，直至毛坯模型创建完成，之后添加工艺设计信息，即可获得工序MBD模型。
最终，将每道工序的制造特征体和工序模型在同一模型视图中集体表达，即可形成整个加工过程的工艺模型。本发明的最终应用示例是在以NX为载体，C++和NXopen开发语言开发的三维CAPP系统中实现。
如图10所述，本发明实施例提供的基于MBD的汽车典型机加工零件三维工艺设计平台包括：
MBD相关标准的编制模块1，根据MBD设计模型创建的需要，进行MBD相关标准的编制；
MBD设计模型创建模块2，根据所编制的MBD标准集合，确定零部件工艺设计的全部工艺信息，包括尺寸、尺寸公差、形位公差与基准、表面粗糙度、技术要求、工艺信息及属性注释，并在CAD软件的三维标注模块中对工艺设计的全部信息进行定义与标注，完成MBD设计模型的创建；
属性自定义与特征分类模块3，根据典型零件的设计模型，对其特征进行属性自定义与特征分类；所述自定义特征根据特征的加工面属性邻接图MFAG进行分类，分类特征包括单独加工面、台阶、孔、凹槽和凸台等；接着完成XML文件格式的加工特征信息库的创建，特征信息库中包含各类自定义特征面和边的属性，其中面的属性主要包括面的类型、法向向量、面的内外环信息等；边的属性包括边的类型、法向向量、边的凹凸性等；
特征识别与信息提取模块4，根据零件设计模型的STEP格式文件，获取零件的属性邻接图AAG，删除所有的过渡特征、毛坯面以及与毛坯面相邻接的边，将零件的属性邻接图简化为特征的加工面属性邻接图MFAG。将MFAG与加工特征信息库进行特征匹配，若匹配成功，则识别出相应的特征；若匹配不成功，则对MFAG进行属性分解，对相应的面进行合并或者分解割，获得多个特征子图，再将特征子图与加工特征信息库进行特征匹配，匹配成功，识别出相应的特征。对识别出的特征，提取各个特征加工面的产品制造信息，产品制造信息包括基本工艺设计信息，工艺辅助信息，并以XML文件格式输出保存至后台；
加工元创建模块5，依据加工决策规则内容，提取加工特征信息库中的特征信息，与特征加工规则库进行信息映射，进行加工元的创建；加工元包括特征或特征面的全部加工信息；全部加工信息包括加工元名称、加工特征类型、加工部位、加工方法、加工精度、加工刀具、加工机床、加工时间、工装夹具、切削量、加工余量、主轴转速、切削速度信息；
加工工序生成模块6，对所创建的加工元，依据基于多属性重要性加权的模糊c-均值的加工元聚类算法，根据不同加工属性对聚类结果的影响程度，对加工方法、加工精度、加工刀具、加工机床、工装夹具属性进行不同权重赋值，并确定聚类数量c，迭代停止阈值ε，迭代次数T，将加工属性相近的加工元聚类，合并生成加工工序；
零件最佳工序排序列获得模块7，利用遗传算法，对所生成的工序进行最优化排序，获得零件最佳的工序排序列表；
工艺模型创建模块8，对每道工序所要加工的特征，根据一种逆向生成思想，利用半空间相交或参数化建模方法，从MBD设计模型开始，创建第N道工序(假设总共N道工序)的制造特征体，而第N道工序的工序MBD模型为MBD设计模型与该道工序的工艺信息的集合；制造特征体与设计模型进行布尔加运算，生成第N-1道工序的工序模型；创建其他各道工序的制造特征体及工序模型，直至创建最后的毛坯模型，工艺模型创建完成。
下面结合具体实施例对本发明作进一步描述。
以某汽车后桥差速器壳为例，在基于Visual Studio 2012和NX 10.0平台，利用C++和NXopen开发语言开发的集成化三维CAPP系统中，阐述其三维工艺设计的过程。
根据步骤S101所编制的MBD标准集合，确定零部件工艺设计的全部工艺设计信息，包括尺寸、尺寸公差、形位公差与基准、表面粗糙度、技术要求、工艺信息及属性注释。接着将零件设计模型导入到NX软件，并在NX软件的三维标注模块(Product ManufacturingInformation，PMI模块)中对工艺设计的全部信息进行定义与标注，完成MBD设计模型的创建。
接着，启动三维工艺设计系统，对零件的加工特征进行特征识别。识别出孔、单独加工面、凹槽、台阶等特征及相关参数(数量、加工精度和特征尺寸等)，并将特征性信息以XML格式保存备用，形成加工特征信息库。
然后，依据加工决策规则，提取加工特征信息库中的特征信息，与特征加工规则库进行信息映射，完成加工元的创建。其中加工元包括特征或特征面的全部加工信息，主要包括加工元名称、加工特征类型、加工方法、加工精度、加工刀具、加工机床、加工时间、工装夹具、切削量、加工余量、主轴转速、切削速度等。
接着依据一种多属性重要性加权的模糊c-均值(WAFCM)加工元聚类算法，根据不同加工属性对聚类结果的影响程度，对加工属性进行属性加权，得到修正后的WAFCM算法，确定最终聚类生成的工序。WAFCM算法求解时，确定算法的输入变量，主要包括加工元数据集X(全体加工元)、加工属性矢量P(加工方法、精度、刀具、机床、工装、特征、切削量、主轴转速、切削速度和加工余量组成的矢量矩阵)、聚类数量c(取15)、加权指数m(取2)、迭代阈值ε(取e-4)、最大迭代次数T1(取800)。根据属性计算式wj计算确定各加工属性权重分别为加工方法(取10.43％)、精度(取12.36％)、刀具(取16.21％)、机床(取18.57％)、工装(取11.84％)、特征(取11.01％)、切削量(取5.24％)、主轴转速(取5.573％)、切削速度(取6.18％)和加工余量(取2.59％)。最终根据WAFCM算法的迭代步骤，确定各加工元的聚类结果，获得加工工序。
利用一种改进的遗传算法，基于“物竞天择，适者生存”的原理，对加工工序进行优化排序。工序排序设置的是遗传算法的初始种群数量M(取50)、交叉概率Pc(取0.4)、变异概率Pm(取0.05)和迭代次数T2(取500)。
工艺生成。生成的工艺信息以工艺信息树的形式展现，包括每道工序的工艺MBD模型、工序模型、制造特征体、加工条件和工步信息等。最终，形成了由毛坯向设计模型逐步演变的差速器壳三维工艺流程，最终生成工艺信息树及工艺MBD模型，制造特征体上标注的是本道工序的加工参数，工序MBD模型上标注的是工艺设计信息。最终，一种可读性更强的三维工艺文件即工艺MBD模型创建完成，并将工艺信息树的信息内容以XML文件格式保存备用，工艺MBD模型以JT文件格式保存为三维工艺文件。至此，三维工艺设计流程结束。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于MBD的汽车典型机加工零件三维工艺设计方法，其特征在于，所述基于MBD的汽车典型机加工零件三维工艺设计方法包括：
以三维CAD软件为载体，以MBD设计模型为唯一数据输入，以三维工艺MBD模型为数据输出；依次进行MBD相关标准的建立、MBD设计模型的创建、特征分类与特征信息库的创建、特征识别与信息提取、加工元的生成、加工元聚类生成工序、工序排序、制造特征体、工序模型的创建；生成集合工序模型与制造特征体的工艺MBD模型，实现工艺设计流程的可视化；
具体包括：
步骤一，根据MBD设计模型创建的需要，进行MBD相关标准的编制；
步骤二，根据所编制的MBD标准集合，确定零部件工艺设计的全部工艺信息，包括尺寸、尺寸公差、形位公差与基准、表面粗糙度、技术要求、工艺信息及属性注释，并在CAD软件的三维标注模块中对工艺设计的全部信息进行定义与标注，完成MBD设计模型的创建；
步骤三，根据典型零件的设计模型，对其特征进行属性自定义与特征分类；所述自定义特征根据特征的加工面属性邻接图MFAG进行分类，分类特征包括单独加工面、台阶、孔、凹槽和凸台；接着完成XML文件格式的加工特征信息库的创建，特征信息库中包含各类自定义特征面和边的属性，其中面的属性主要包括面的类型、法向向量和面的内外环信息；边的属性包括边的类型、法向向量和边的凹凸性；
步骤四，根据零件设计模型的STEP格式文件，获取零件的属性邻接图AAG，删除所有的过渡特征、毛坯面以及与毛坯面相邻接的边，将零件的属性邻接图简化为特征的加工面属性邻接图MFAG；将MFAG与加工特征信息库进行特征匹配，若匹配成功，则识别出相应的特征；若匹配不成功，则对MFAG进行属性分解，对相应的面进行合并或者分割，获得多个特征子图，再将特征子图与加工特征信息库进行特征匹配，匹配成功，识别出相应的特征；对识别出的特征，提取各个特征加工面的产品制造信息，产品制造信息包括基本工艺设计信息，工艺辅助信息，并以XML文件格式输出保存至后台；
步骤五，依据加工决策规则内容，提取加工特征信息库中的特征信息，与特征加工规则库进行信息映射，进行加工元的创建；加工元包括特征或特征面的全部加工信息；全部加工信息包括加工元名称、加工特征类型、加工部位、加工方法、加工精度、加工刀具、加工机床、加工时间、工装夹具、切削量、加工余量、主轴转速和切削速度信息；
步骤六，对所述步骤五所创建的加工元，依据基于多属性重要性加权的模糊c-均值的加工元聚类算法，根据不同加工属性对聚类结果的影响程度，对加工方法、加工精度、加工刀具、加工机床、工装夹具属性进行不同权重赋值，并确定聚类数量c，迭代停止阈值ε，迭代次数T，将加工属性相近的加工元聚类，合并生成加工工序；
步骤七，利用遗传算法，对步骤六所生成的工序进行最优化排序，获得零件最佳的工序排序列表；
步骤八，对每道工序所要加工的特征，根据逆向生成思想，利用半空间相交或参数化建模方法，从MBD设计模型开始，创建第N道工序的制造特征体，而第N道工序的工序MBD模型即为MBD设计模型与该道工序的工艺信息的集合，所以该制造特征体与设计模型进行布尔加运算，即可生成第N-1道工序的工序模型，在此基础上，创建其余各道工序的制造特征体及工序模型，直至创建最后的毛坯模型，则工艺模型创建完成。
2.如权利要求1所述的基于MBD的汽车典型机加工零件三维工艺设计方法，其特征在于，步骤一中，MBD标准包括：
(1)MBD三维模型的定义与创建标准，包括零部件MBD模型基本定义及数据集完备性要求，MBD模型的三维建模和装配要求，生成三维工程图的技术要求；
(2)MBD三维标注标准，包括MBD模型数据集在三维环境中的表达，具体包括：MBD模型视图角度的选择，尺寸、尺寸公差与配合注法，形位公差、基准与表面粗糙度注法，剖视图绘制规范，MBD装配模型中零部件序号编排方法，零部件明细表绘制规范；
(3)MBD工艺与工装表达标准，包括机械加工零件的金属切削工艺及其符号、参数表达规范，定位装夹方式及其符号表达规范。
3.如权利要求1所述的基于MBD的汽车典型机加工零件三维工艺设计方法，其特征在于，步骤六中，具体包括：
首先，创建基于多属性重要性加权的模糊c-均值WAFCM加工元聚类的数学模型；基于特征信息规则库和特征加工规则库生成的n个加工元，定义为待聚类分析的n个样本数据集X＝{x1,x2,...,xn}；典型模糊c-均值聚类分析是按照X中的n个加工元所对应的加工属性的相似性，将x1,x2,...xn划分为c个模糊子集，定义模糊子集为特征对应的工序集合V＝{v1,v2,···,vc}，为模糊聚类的簇心；
接着，根据步骤五所述的加工元的加工属性分类，定义数据集X中的每个样本包含p个加工属性，记P＝{P1,P2,...,Pn}为n个加工元的属性矢量；则WAFCM加工元聚类算法，第k个样本点记作xk＝(x1k,x2k,···,xpk),k∈{1,2,···,n}；加工元簇心记为vi＝(vi1,vi2,···,vip),i∈{1,2,···,c}；计算每一个聚类样本的不同加工属性所定义的信息对整体聚类的影响程度，对每一个加工属性赋权值W，若加工属性对样本聚类起到积极作用越大，则赋予的权重越大；
然后，定义模糊隶属度矩阵U＝[uijk]∈R，i＝1,2,···,c；j＝1,2,···,p；k＝1,2,···,n，并建立表示加工元样本数据点与工序聚类簇心之间加权相似度的目标函数；在模糊c-均值聚类的基础上对加工属性进行属性加权，得到修正后的WAFCM算法的目标函数Jm：
Figure FDA0002264769650000031
式中uijk表示聚类加工元样本点xk在加工属性j上隶属于第vi个工序的隶属程度，反映样本点与簇心的相似程度，若接近1，表示属于此簇心的程度高，若接近0，表示属于此簇心的程度低；m代表加权指数，m∈(1，+∞)，取m＝2；
接着，根据聚类准则，在目标函数约束条件下，寻求最佳(U,V,W)，使得Jm(U,V,W)最小；分别求Jm(U,V,W)对U、V、W的偏微分，运用拉格朗日(Lagrange)乘数法，并根据约束条件求得使Jm(U,V,W)最小的uijk、vij、wj值，如式
Figure FDA0002264769650000041
Figure FDA0002264769650000042
Figure FDA0002264769650000043
最后，对WAFCM聚类算法进行求解；
1)，确定算法的输入变量，包括加工元数据集X、属性矢量P、聚类数量c、加权指数m、迭代阈值ε、最大迭代次数T，设置迭代计数器t＝0；
2)，标准化数据集X，初始化隶属度矩阵U(0)，满足限制条件
Figure FDA0002264769650000044
uijk∈[0,1]，并设置初始属性加权赋值矩阵W(0)，令各项初值均为wj＝1/p，p为加工元属性数量；
3)，根据公式uijk、vij、wj不断更新隶属度矩阵U(t)＝[uijk]t，原型矩阵V(t)＝[vij]t，属性权重矩阵W(t)＝[wj]t；
4)，当t＝T或||Jt-Jt-1||≤ε时，累加计算加工元样本基于每个加权属性的隶属度，得到加工元样本的隶属度用于工序分簇，计算式如式
Figure FDA0002264769650000045
所示；根据隶属度，确定各个加工元所属的工序；否则，重复步骤3)。
4.如权利要求1所述的基于MBD的汽车典型机加工零件三维工艺设计方法，其特征在于，步骤七中，将步骤六所聚类生成工序的加工方法、加工精度、加工刀具、加工机床、工装夹具的加工属性定义为基因的表现型，并对其进行基因编码，得到一个具有潜在解的初始种群；然后逐代进化产生最优的种群个体；在每一代中，先对种群个体进行重组，然后根据以加工时间最短为优化目标的适应度函数，评价种群各个体，选择适应度高的个体，按照某一概率进行交叉、变异操作，产生新一代的种群，末代种群的最优个体经过解码为近似最优解，为工序顺序；
具体包括：
编码：将步骤六所聚类生成工序的加工方法、加工精度、加工刀具、加工机床、工装夹具的加工属性定义为基因的表现型，利用二进制编码方法进行基因编码；
获取初始种群：采用随机方法产生一系列初始码链，得到一个存在潜在解的初始种群；
染色体重组：利用加工规则和加工属性约束，在初始染色体进行迭代计算前以及每一次的交叉、变异后，对种群的染色体进行重组；
以加工时间最短为优化目标进行适应度函数计算，以评价种群个体；
交叉：采用单点交叉，在种群中选择适应度高的个体，以交叉概率选择一个断点，对断点后的染色体进行单点交叉以形成新的染色体；
变异：在种群中选择适应度高的个体，以变异概率选取若干个体，再从选中的若干个体中随机选取基因位，改变为等位基因；
迭代计算：每迭代一次产生新一代的种群，当到达预先设定的迭代次数或收敛于最优解时，计算终止；末代种群的最优个体经过解码即为近似最优解，即为工序的最优顺序。
5.如权利要求1所述的基于MBD的汽车典型机加工零件三维工艺设计方法，其特征在于，步骤八中，制造特征体是每道工序所要切除的体积的集合，对于制造特征体的创建，根据加工特征分类的交互式和非交互式特征的属性特点及生成方式，选取半空间相交方法或参数化建模方法获取制造特征体；
能直接将加工特征的加工面属性邻接图MFAG与加工特征信息库匹配，识别的特征为非交互特征，直接用参数化建模方法创建制造特征体；
对加工面属性邻接图NMFAG做进一步属性分解，对相应的面进行合并或者分割，生成特征子图，与加工特征信息库匹配，能识别出的特征为交互特征，所述交互特征不直接与任何的特征模式匹配，选用半空间相交方法生成制造特征体；
制造特征体与工序模型的几何关系包括：对于具有n道工序的加工零件，在其工序模型逆向生成中，几何建模意义上，第j道工序的工序模型WPMj为第j+1道工序的工序模型WPMj+1与制造特征体的布尔加运算，即
Figure FDA0002264769650000061
式中：Σ表示类型的集合，不表示求和运算符；1≤j≤n，1≤k≤m；
Figure FDA0002264769650000066
表示第j+1道工序的第k个制造特征体，m为制造特征体的数目；
Figure FDA0002264769650000062
表示布尔加运算符；
半空间相交法：通过面的延伸相交来形成一种半包围的空间状态，对于某个加工特征，获得其加工面集MFi及邻接面集AFj，并将面集延伸相交，分别获得半空间体H{MFi}和H{AFj}；制造特征体为两个半空间体的布尔交运算，
Figure FDA0002264769650000063
所述工艺模型是制造特征体和工序模型的集合表达，工艺MBD模型表达为：
Figure FDA0002264769650000064
式中：PIM表示机加工零件的工艺MBD模型；WPMi表示第i道工序的工序模型；
Figure FDA0002264769650000065
表示第i道工序的第k个制造特征体，m为制造特征体的数目；PIi表示第i道工序所对应的工序MBD模型中所属的工艺信息。
6.一种实现权利要求1所述方法的基于MBD的汽车典型机加工零件三维工艺设计平台，其特征在于，所述基于MBD的汽车典型机加工零件三维工艺设计平台包括：
MBD相关标准的编制模块，根据MBD设计模型创建的需要，进行MBD相关标准的编制；
MBD设计模型创建模块，根据所编制的MBD标准集合，确定零部件工艺设计的全部工艺信息，包括尺寸、尺寸公差、形位公差与基准、表面粗糙度、技术要求、工艺信息及属性注释，并在CAD软件的三维标注模块中对工艺设计的全部信息进行定义与标注，完成MBD设计模型的创建；
属性自定义与特征分类模块，根据典型零件的设计模型，对其特征进行属性自定义与特征分类；所述自定义特征根据特征的加工面属性邻接图MFAG进行分类，分类特征包括单独加工面、台阶、孔、凹槽和凸台；接着完成XML文件格式的加工特征信息库的创建，特征信息库中包含各类自定义特征面和边的属性，其中面的属性主要包括面的类型、法向向量和面的内外环信息；边的属性包括边的类型、法向向量和边的凹凸性；
特征识别与信息提取模块，根据零件设计模型的STEP格式文件，获取零件的属性邻接图AAG，删除所有的过渡特征、毛坯面以及与毛坯面相邻接的边，将零件的属性邻接图简化为特征的加工面属性邻接图MFAG，将MFAG与加工特征信息库进行特征匹配，若匹配成功，则识别出相应的特征；若匹配不成功，则对MFAG进行属性分解，对相应的面进行合并或者分割，获得多个特征子图，再将特征子图与加工特征信息库进行特征匹配，匹配成功，识别出相应的特征，对识别出的特征，提取各个特征加工面的产品制造信息，产品制造信息包括基本工艺设计信息，工艺辅助信息，并以XML文件格式输出保存至后台；
加工元创建模块，依据加工决策规则内容，提取加工特征信息库中的特征信息，与特征加工规则库进行信息映射，进行加工元的创建；加工元包括特征或特征面的全部加工信息；全部加工信息包括加工元名称、加工特征类型、加工部位、加工方法、加工精度、加工刀具、加工机床、加工时间、工装夹具、切削量、加工余量、主轴转速和切削速度信息；
加工工序生成模块，对所创建的加工元，依据基于多属性重要性加权的模糊c-均值的加工元聚类算法，根据不同加工属性对聚类结果的影响程度，对加工方法、加工精度、加工刀具、加工机床、工装夹具属性进行不同权重赋值，并确定聚类数量c，迭代停止阈值ε，迭代次数T，将加工属性相近的加工元聚类，合并生成加工工序；
零件最佳工序排序列获得模块，利用遗传算法，对所生成的工序进行最优化排序，获得零件最佳的工序排序列表；
工艺模型创建模块，对每道工序所要加工的特征，根据逆向生成思想，利用半空间相交或参数化建模方法，从MBD设计模型开始，创建第N道工序的制造特征体，而第N道工序的工序MBD模型为MBD设计模型与该道工序的工艺信息的集合；制造特征体与设计模型进行布尔加运算，生成第N-1道工序的工序模型；创建其他各道工序的制造特征体及工序模型，直至创建最后的毛坯模型，则工艺模型创建完成。
7.一种终端，其特征在于，所述终端搭载有实现权利要求1～5任意一项所述基于MBD的汽车典型机加工零件三维工艺设计方法的控制器。
8.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-5任意一项所述的基于MBD的汽车典型机加工零件三维工艺设计方法。
CN201810939985.2A 2018-08-17 2018-08-17 基于mbd的汽车典型机加工零件三维工艺设计方法及平台 Active CN109117560B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201810939985.2A CN109117560B (zh) 2018-08-17 2018-08-17 基于mbd的汽车典型机加工零件三维工艺设计方法及平台
PCT/CN2019/078102 WO2020034632A1 (zh) 2018-08-17 2019-03-14 基于mbd的汽车典型机加工零件三维工艺设计方法及平台
US16/758,033 US11113431B2 (en) 2018-08-17 2019-03-14 MBD-based three-dimensional process designing method and platform for typical automobile machined part

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810939985.2A CN109117560B (zh) 2018-08-17 2018-08-17 基于mbd的汽车典型机加工零件三维工艺设计方法及平台

Publications (2)

Publication Number Publication Date
CN109117560A CN109117560A (zh) 2019-01-01
CN109117560B true CN109117560B (zh) 2020-03-31

Family

ID=64852404

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810939985.2A Active CN109117560B (zh) 2018-08-17 2018-08-17 基于mbd的汽车典型机加工零件三维工艺设计方法及平台

Country Status (3)

Country Link
US (1) US11113431B2 (zh)
CN (1) CN109117560B (zh)
WO (1) WO2020034632A1 (zh)

Families Citing this family (45)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109117560B (zh) * 2018-08-17 2020-03-31 武汉理工大学 基于mbd的汽车典型机加工零件三维工艺设计方法及平台
CN109773593B (zh) * 2019-01-25 2021-01-22 重庆理工大学 一种基于余量约束条件下的磨削方法
US11107209B2 (en) * 2019-04-12 2021-08-31 The Boeing Company Automated inspection using artificial intelligence
CN110110407A (zh) * 2019-04-24 2019-08-09 上海交通大学 一种基于三维模型的工艺信息标注及报表生成方法
CN110298626A (zh) * 2019-06-10 2019-10-01 西安西电电气研究院有限责任公司 开关设备制造业务处理方法及装置
DE102019209772A1 (de) * 2019-07-03 2021-01-07 Siemens Aktiengesellschaft Anpassung eines Herstellungsprozesses von Bauteilen einer Bauteilgruppe
CN110555915B (zh) * 2019-08-08 2022-12-27 北京卫星制造厂有限公司 一种三维模型的标注系统及方法
CN110795797B (zh) * 2019-09-26 2021-06-18 北京航空航天大学 一种mbd模型加工特征识别及信息提取方法
CN110795835A (zh) * 2019-10-16 2020-02-14 江苏科技大学 一种基于自动同步建模的三维工序模型逆向生成方法
CN110990907B (zh) * 2019-11-06 2024-03-01 江苏科技大学 基于特征-资源知识的船用柴油机关重件可制造性三级优化方法
CN111583396B (zh) * 2020-05-08 2023-09-12 金航数码科技有限责任公司 一种基于成组技术的工艺模型分类编码生成方法
CN111737820B (zh) * 2020-06-19 2023-09-26 合肥工业大学 基于creo软件的铸造三维零件模型特征编辑系统及其方法
CN111985056A (zh) * 2020-07-07 2020-11-24 北京机电工程研究所 一种可实现快速工艺规划的机加件设计方法
CN111922563B (zh) * 2020-07-19 2021-09-28 武汉理工大学 一种基于mbd的焊接工艺规划方法及装置
CN114077860A (zh) * 2020-08-18 2022-02-22 鸿富锦精密电子(天津)有限公司 零件装配前分类处理方法、系统、电子设备及存储介质
CN112199813B (zh) * 2020-08-18 2023-07-11 华电电力科学研究院有限公司 面向工艺系统控制优化问题建模方法与遗传算法求解方法
CN112131626B (zh) * 2020-09-16 2023-03-24 中国工程物理研究院计算机应用研究所 一种面向UnrealEngine引擎的CAD模型几何特征交互方法
CN112149611B (zh) * 2020-10-10 2022-07-19 山东科技大学 一种Creo模型特征识别及相似度评价方法、存储介质
CN112487717B (zh) * 2020-11-27 2024-03-29 江苏科技大学 一种船用柴油机关键件的可制造性智能评价方法
CN112733451B (zh) * 2021-01-12 2022-05-10 北京航空航天大学 一种mbd模型的关键检验特性识别及其提取方法
CN113177312A (zh) * 2021-04-26 2021-07-27 杭州新迪数字工程系统有限公司 基于mbd面向可制造的cad设计方法
CN113157260B (zh) * 2021-04-28 2022-11-22 西安电子科技大学 一种面向cmm的零件质量检测程序自动生成方法
CN113313322B (zh) * 2021-06-17 2022-03-15 广东工业大学 Moea/d挤压工艺参数多目标优化方法及装置
CN113408053B (zh) * 2021-06-18 2023-12-26 成都普什汽车模具有限公司 汽车模具智能设计方法
CN113626945A (zh) * 2021-07-07 2021-11-09 机械工业第九设计研究院有限公司 一种基于选型的基于catia的汽车工厂辊床快速三维设计方法
CN113486414B (zh) * 2021-07-31 2022-10-28 中电建十一局工程有限公司 一种用于过流面平置钢岔管通过三维建模获取精确制作工艺图的方法
CN113806906B (zh) * 2021-08-03 2024-03-29 郑州大学 金刚石滚轮三维可视化工艺设计系统及其设计方法
CN113688476B (zh) * 2021-08-20 2024-03-12 上海大学 一种基于ug nx二次开发的钣金零件面差面自动识别方法
CN113592038B (zh) * 2021-08-30 2022-04-05 南京林业大学 一种实木定制柜门零件族划分的方法及系统
CN113988637B (zh) * 2021-10-29 2024-01-23 武汉品致汽车技术有限公司 一种汽车工艺辅助开发方法
CN114065432B (zh) * 2021-11-21 2022-09-20 西北工业大学 一种基于工艺流程的制造成本估算方法
CN114219959A (zh) * 2021-11-27 2022-03-22 西北工业大学 一种回转类零件特征识别方法
US11574084B1 (en) * 2022-01-31 2023-02-07 Protolabs, Inc. Methods and systems for geometric analysis of a part for manufacture
CN114548610B (zh) * 2022-04-27 2022-07-08 季华实验室 发动机盖外板冲压工艺的自动排布方法及装置
CN114996820B (zh) * 2022-06-29 2023-01-10 北京建工集团有限责任公司 基于三维模型的支护板结构自动设计方法与系统
CN115318532A (zh) * 2022-07-29 2022-11-11 深圳模德宝科技有限公司 基于制图软件的零件自动涂色赋属性的引用和实现方法
CN115062362B (zh) * 2022-08-11 2022-11-08 杭州片段网络科技有限公司 基于FreeCAD内核的纸盒刀版开发方法、装置及相关设备
CN115422613B (zh) * 2022-09-20 2023-04-07 国能(惠州)热电有限责任公司 一种三维数字化智能设计方法及系统
CN115577279B (zh) * 2022-11-11 2023-03-10 季华实验室 冲孔聚类方法及装置、冲压件的冲压工序设计和加工方法
CN115951893B (zh) * 2022-12-02 2024-02-23 深圳微迅信息科技有限公司 一种半导体加工脚本获取方法、系统、设备及存储介质
CN116402329B (zh) * 2023-04-12 2023-10-03 江苏新合益机械有限公司 一种活塞杆生产车间的智能管理方法及系统
CN116975561B (zh) * 2023-07-19 2024-04-05 快速直接(深圳)精密制造有限公司 一种基于step格式的车床工艺识别方法
CN116611272B (zh) * 2023-07-20 2023-11-03 山东豪迈机械科技股份有限公司 轮胎模具零件制造方法、系统、电子设备以及存储介质
CN117522350B (zh) * 2024-01-04 2024-04-26 深圳市毅霖建设集团有限公司 一种绿色建筑设计装饰工程智能管理方法及系统
CN117555305B (zh) * 2024-01-11 2024-03-29 吉林大学 一种基于nsgaii的多目标可变子批柔性车间作业调度方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7313504B2 (en) * 2001-10-15 2007-12-25 Solidworks Corporation Model management technology using grouping of features
CN103413004A (zh) * 2013-08-21 2013-11-27 上海交通大学 用于航天产品的三维装配工艺生成方法及系统
US9886529B2 (en) * 2014-08-28 2018-02-06 Hcl Technologies Limited Methods and systems for feature recognition
CN104408240A (zh) * 2014-11-11 2015-03-11 沈阳黎明航空发动机(集团)有限责任公司 基于模型的定义的数据转化与提取方法
CN105354353B (zh) * 2015-09-28 2018-12-14 武汉开目信息技术有限责任公司 一种基于mbd模型的加工特征识别和建模方法
CN105242538B (zh) * 2015-10-12 2017-09-12 南京航空航天大学 基于图层的零件多加工工序mbd模型及实现方法
CN107392998A (zh) * 2017-07-17 2017-11-24 上海湃睿信息科技有限公司 一种基于三维模型的工艺设计方法及系统
CN107895062A (zh) * 2017-10-13 2018-04-10 中北大学 基于同步建模技术的整体结构零件mbd制造模型的实现方法
CN108108581A (zh) * 2018-02-08 2018-06-01 西南石油大学 一种基于mbd的工装设计制造集成系统及方法
CN109117560B (zh) * 2018-08-17 2020-03-31 武汉理工大学 基于mbd的汽车典型机加工零件三维工艺设计方法及平台

Also Published As

Publication number Publication date
US11113431B2 (en) 2021-09-07
CN109117560A (zh) 2019-01-01
WO2020034632A1 (zh) 2020-02-20
US20210165920A1 (en) 2021-06-03

Similar Documents

Publication Publication Date Title
CN109117560B (zh) 基于mbd的汽车典型机加工零件三维工艺设计方法及平台
CN108573020B (zh) 融合装配信息的三维装配模型检索方法
US11947491B2 (en) Apparatus and methods for geometric searching
CN112001047B (zh) 一种基于pmi信息的雷达关键零部件工艺设计方法
CN111914480B (zh) 一种基于点云语义分割的加工特征智能识别方法
CN110795835A (zh) 一种基于自动同步建模的三维工序模型逆向生成方法
Dommaraju et al. Identifying topological prototypes using deep point cloud autoencoder networks
CN116822985A (zh) 智能工艺决策方法
CN112733451B (zh) 一种mbd模型的关键检验特性识别及其提取方法
Jeba Singh* et al. Feature-based design for process planning of machining processes with optimization using genetic algorithms
CN110990907B (zh) 基于特征-资源知识的船用柴油机关重件可制造性三级优化方法
CN116798028A (zh) 三维零件的尺寸自动标注方法
US20170017741A1 (en) Computational modelling for engineering analysis
CN114882496B (zh) 基于深度图像的三维部件相似度计算方法
Chan et al. Volume decomposition of CAD models for rapid prototyping technology
CN115169122A (zh) 一种基于图和最小不相交特征体积抑制的多阶段制造特征识别方法
CN116842740B (zh) 基于物元模型的加工特征智能识别方法
CN117972813B (zh) 一种面向机加工零件的智能工艺方法、系统、设备及介质
CN116028571B (zh) 一种基于薄壁零件知识图谱构建方法和系统
CN111582053A (zh) 基于特征矩阵的毛坯模型复杂特征分层识别方法
Vinh et al. Incremental spatial clustering in data mining using genetic algorithm and R-tree
CN115841598A (zh) 用于三维机加工艺设计的三维模型多加工特征识别方法
Zehtaban A framework for similarity recognition of CAD models in respect to PLM optimization
CN117972813A (zh) 一种面向机加工零件的智能工艺方法、系统、设备及介质
Maziero et al. A method for the automatic identification of contacts in assemblies of cylindrical parts

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant