[发明专利]基于动态加工特征的复杂零件轮廓自适应精加工方法

说明书

本发明公开了一种基于动态加工特征的复杂零件轮廓自适应精加工方法，首先对基于动态特征的多层次结构化工艺数据，采用深度学习方法提取隐含于工艺数据中的不同工艺情境与切削层之间的映射模式。其次根据提取的映射模式预测子加工区域的切削层，并通过子加工区域切削层的自适应调整，判定子加工区域之间的可合并性。最后对具有相同切削层的不同子加工区域采用遗传算法计算优化的加工路径，从而构建子加工区域之间能够反映工艺设计意图的工艺情境合并关系，实现动态特征的识别。本发明能够有效构建子加工区域之间在不同工艺情境下的优化合并关系，提高数控加工效率，从而支持模型引导与数据驱动的自适应数控工艺设计方法。

技术领域

本发明属于制造业中的基于特征的数控工艺设计、工艺数据的挖掘与重用领域，尤其涉及一种基于动态加工特征的复杂零件轮廓自适应精加工方法。

背景技术

近年来，如何分析、挖掘与重用工艺数据中包含的工艺知识在零件的快速制造过程中正变得愈发重要，尤其对于航空、航天等领域的单件、小批量复杂零件。传统的工艺知识重用主要采用基于静态特征的工艺数据表征与复用方法。但是，由于静态特征一旦定义，在零件动态加工过程中其关联的加工区域保持不变，难以反映设计人员根据不同的工艺情境(包括加工几何、加工资源、加工阶段)对不同加工区域进行动态组合优化加工，因而不支持工艺设计意图引导的工艺知识重用。

针对静态特征在工艺知识重用方面的不足，动态特征被提出对工艺数据进行多层次结构化表征，以有效反映与捕获设计人员在不同工艺情境下的工艺设计意图。此外，已有工艺知识主要通过已制单个零件采用相似性评价方法直接被重用，未能从工艺数据中挖掘潜在规律，因而仍停留在个性化实例重用阶段，难以有效泛化。为了实现数据驱动与基于动态特征的自适应数控工艺设计，还需要解决如下几个关键问题：

(1)如何从工艺数据中学习与挖掘隐含的工艺知识，将其应用于不同工艺情境下的工艺参数决策(如切削层、切深、进给率等)；(2)如何根据不同工艺情境识别动态特征，以对不同加工区域进行组合优化加工，提高数控加工效率。

发明内容

发明目的：针对以上问题，本发明提出一种基于动态加工特征的复杂零件轮廓自适应精加工方法，该方法首先采用深度学习对基于动态特征的多层次结构化工艺数据进行学习与挖掘，提取工艺数据中隐含的不同工艺情境与切削层之间的映射模式f。然后，根据f预测子加工区域的切削层，对具有几何依赖关系的子加工区域的切削层进行自适应调整，并且根据切削层判定子加工区域之间的可合并性。最后，对具有相同切削层的不同子加工区域采用遗传算法计算优化的加工路径，从而构建子加工区域之间的工艺情境合并关系，实现动态特征的识别。

本发明解决其技术问题所采用的技术方案是：一种基于动态加工特征的复杂零件轮廓自适应精加工方法，包括以下步骤：

(a)从结构化工艺数据库中提取出轮廓精加工工艺数据，并且对其进行表征与深度学习，获得轮廓精加工切削层决策模型，提取工艺数据中不同工艺情境与切削层之间的映射模式f；

(b)根据所述决策模型预测子加工区域的切削层，进行子加工区域切削层自适应调整、子加工区域之间同切削层判定与路径优化；

(c)计算具有相同切削层的不同子加工区域之间的工艺情境合并关系，实现动态特征的识别，并且构建驱动几何；

所述动态特征定义为给定工艺情境下刀具可连续切削的共性加工区域DF，表示为

其中，z_s、z_e分别为动态特征的顶面与底面，DG为动态特征的驱动几何，SMR_i为具有几何依赖关系的子加工区域，g()为驱动几何构建函数；