[发明专利]基于ANN的特征制造行为序列构建方法

说明书

技术领域

本发明涉及一种特征制造行为序列构建技术，尤指一种基于ANN(artificial neural network)的特征制造行为序列构建方法。

背景技术

产品模型数据是指为在覆盖产品整个生命周期中的应用而全面定义的产品所有数据元素的集合，它包括为进行设计、分析、制造、测试、检验和产品支持而全面定义的零部件或构件所需的几何、拓扑、公差、关系、属性和性能等数据，另外，还可能包含一些和处理有关的数据。产品模型对于下达生产任务、直接质量控制、测试和进行产品支持功能可以提供全面的信息。

早期多采用CAD构建产品模型，但是，随着特征识别技术的发展，已经逐步由CAD产品模型转化为基于特征的产品模型，当前已提出了许多特征识别方法，其中有基于规则、基于图，还有基于几何解释、体积分解等方法，这些方法都是通过与特征库中已经定义的特征类型进行比较来识别特征。

然，现实中存在着多种多样的复杂特征，特征库中不可能包含所有的特征类型，也不可能为特征库中所有的特征类型添加约束信息，利用上述方法不能识别特征库中没有定义的特征类型，有限的特征覆盖域并不具有学习能力，而且识别效率也低。

因此，如何提出一种具有学习和反馈能力的特征制造行为序列构建方法，便成为目前业界急待克服的课题。

发明内容

鉴于上述现有技术的缺点，本发明目的在于提供一种具有学习和反馈能力的基于ANN的特征制造行为序列构建方法。

本发明的另一目的在于提供一种具有高识别效率的基于ANN的特征制造行为序列构建方法。

为达到上述目的，本发明所提供的基于ANN的特征制造行为序列构建方法包括：1)使用预先训练好的BP神经网络来识别以B-rep模型表示的产品，以识别该产品的所有特征，每一个特征对应一个特征加工方法；2)依据加工序列约束规则，建立针对所述所有特征的加工序列约束矩阵，并依据预存的工序样例库，对该产品的所有特征加工方法进行排序处理，以得到初始加工序列；3)利用约束匹配算法，逆向推理所得到的初始加工序列是否符合所建立的加工序列约束矩阵，若是，确定初始加工序列为特征制造行为序列，并结束该构建方法，若否，进至下一个步骤；以及4)对该产品的所有特征加工方法重新进行排序，并返回至上一步骤。

上述步骤1)进一步包括：基于顶点拓扑关系图的面积分矩阵训练BP神经网络，并据以识别以B-rep模型表示的产品。

此外，该加工序列约束矩阵是以如下公式表示：

C＝{f_ij}，其中，f_ij表示特征加工方法i与特征加工方法j的约束因子，i表示优先的特征加工方法，j表示i后面的特征加工方法，当两个特征加工方法有明确的先后顺序，则f_ij＝1；当两个特征加工方法没有明确的先后顺序，则f_ij＝f_ji＝1；当两个或更多个特征加工方法同时完成后，才进行下一个特征加工方法，此时，如果有n个特征加工合并，则所有的f_ij＝1/n；当两个或更多个特征加工方法中的任何一个完成后，就可以进行下一个特征加工方法，此时，如果有n个特征加工方法平行，则所有的f_ij＝1。而加工序列约束规则为加工序列约束矩阵中的元素体现纵向所列的特征加工方法对横向所列的特征加工方法的约束关系，具有以下的特点：特点(1)：当一个特征加工方法的横向和纵向全为零，则表示此特征加工方法为自由的，即可以插入到制造行为序列的任一位置；特点(2)：当一个特征加工方法的横向有非零值，而纵向全为零，则表示该特征加工方法可以为第一个工步，但不包括特点(1)中所述的自由的特征加工方法；特点(3)：当一个特征加工方法的横向全为零，而纵向有非零值，则表示该特征加工方法可以作为最后一个工步，但不包括特点(1)中所述的自由的特征加工方法；以及特点(4)：当一个特征加工方法的横向存在非零值和纵向均存在非零值，则表示该特征加工方法处于加工序列的中间位置。

上述步骤3)进一步包括：

3-1)针对该产品的所有特征加工方法中，按所述特点(1)找出自由的特征加工方法，在以下每个步骤中，如是检查到是自由的特征加工方法，将初始加工序列链后退一步后，再按照以下步骤3-2)至步骤3-7)进行，否则，直接按照以下步骤3-2)至步骤3-7)进行；

3-2)从初始加工序列逆向一步一步匹配，首先检查最后一个工步是否满足特点(3)，若否，则进至步骤4)，若是，则进至步骤3-3)；