[发明专利]基于特征矩阵的毛坯模型复杂特征分层识别方法

说明书

本发明提供一种基于特征矩阵的毛坯模型复杂特征分层识别方法，首先使用阈值分割法识别和剔除大型复杂构件毛坯模型伪特征及其数据，进行毛坯模型优化。然后构建该优化毛坯模型的属性邻接图，采用分层识别方法对构件的优化毛坯模型相交特征进行分层处理，得到单一特征并计算其特征矩阵。将多类型单一特征均转换为特征矩阵，建立特征匹配库。最后将特征矩阵与特征库进行匹配，以进行模型相交特征准确识别。对具有舱体零件多种特征的毛坯模型进行实例验证，通过准确识别多类型特征分别验证了该算法的可行性和有效性。实现基于毛坯模型拓扑信息的大型舱体类构件多层次复杂相交特征识别。

技术领域

本发明属于数字设计与制造技术领域，具体涉及大型复杂毛坯模型识别方法。

背景技术

大型舱体类零件是大型商用飞机、战斗机、运载火箭等航空航天飞行器的关键零部件，以级间段舱为例，作为火箭箭身的连接部件，对整体动力学特性、飞行阻力和飞行速度有重要影响。该类零件作用的重要性与特殊性使其通常为完整的一体化构件。随着对飞行器服役性能要求的逐步提升，该类大型复杂构件零件结构设计特征具有凸台、腔槽等众多复杂内部相交特征，且愈加复杂化，其毛坯模型表面还具有随机分布的成形误差，这些都给其内部特征的准确识别带来极大挑战。

基于特征的舱体类毛坯零件加工工艺规划对保证该类大型复杂特征零件的制造精度与质量至关重要。而特征识别是实现三维计算机辅助工艺规划(CAPP) 及计算机辅助制造(CAM)的关键技术。该类零件加工特征数量多、特征尺寸大、特征间差异显著、特征几何复杂性高，导致其特征识别难度大识别效率和准确率有待提升。因此，复杂零部件特征识别成为国内外众多研究学者与机构的研究热点。

围绕设计特征识别的问题，国内外学者开展了大量研究。零件特征识别的方法主要有基于图、基于规则和基于痕迹三类方法，在实际运用中，学者们将这些方法进行优化组合，提出了多种方法融合的零件特征识别方法等。MAREFAT等在基于图的方法上采用添加虚链的方法识别相交特征，沈梅等提出以模型中的凹凸特征作为中间特征进行特征识别的方法。而Woo提出交互体积和的特征识别方法来分解特征树结构。Zubair对特征树结构中的对称特征进行了深入研究，提出分割交互体积和的方法来识别相交特征。刘长青等提出对复杂的加工特征定义的方法，实现复杂特征的数控加工。张聪聪等提出运用于飞机结构件CAD模型缺陷结构的识别方法，推进了特征识别在航天领域的发展。

上述众多学者的不断深入研究，推动了复杂特征定义和添加约束面等特征识别方法，初步实现CAD模型中的设计特征和加工特征的识别，较好地推动了特征识别技术在工程上的针对性应用，但由于此类方法对简单相交特征的识别采用个性化特征定义的方法，限制了其对于复杂特征识别的推广应用。

近年来，较多学者还致力于从STEP获取零件信息以实现特征识别的方法。 Zhang等从STEP文件获取特征的几何数据和加工特征面边界的相关信息。在此研究基础上，Sridharan根据特征边界表达规则提出对轮廓特征和端面特征的识别方法。而Zubair等用表面边界规则来识别零件中的孔特征，挖掘了STEP格式在特征识别领域的优势。王军等利用STEP文件对设计特征记录信息准确的优势，融合基于图和基于痕迹的方法识别相交特征。张禹等提出将提取特征STEP文件的几何拓扑信息输入到改进的BP神经网络中进行智能化识别特征，使得特征识别的通用性得到进一步提高。

这些研究以STEP-NC系统和神经网络等热门理论为基础，在实现设计模型特征的准确识别上取得了较多成果，推动了设计特征自动识别方法的发展，但不适于毛坯模型或工件几何模型等非设计模型特征的识别。