[发明专利]一种针对带有大量凸台凹槽模具自动特征识别方法和装置

说明书

本发明提供一种针对带有大量凸台凹槽模具自动特征识别方法和装置，其中该方法包括：S1导入模具的STEP文件模型；S2根据模型构建属性邻接图；S3将模型分解为多个元特征，构建元特征特征矩阵；S4将元特征特征矩阵与特征库特征矩阵相匹配；若匹配成功则完成特征识别，获取相匹配的特征矩阵对应的特征信息；而若出现无法匹配特征矩阵，则根据案例分析将未识别特征添加到特征库，完成特征库的拓展，再进行特征的匹配识别。本发明有助于提高特征识别的准确性和效率。

技术领域

本发明涉及模具特征识别技术领域，特别是一种针对带有大量凸台凹槽模具自动特征识别方法和装置。

背景技术

随着现代工业和产品的创新设计快速发展，模具形状复杂多变，这要求企业能够快速响应市场需求，积极缩短产品开发和生产周期。制造特征识别作为CAD/CAPP/CAM集成技术中研究的重要技术之一。从.STEP文件模型中准确提取所需的制造特征是CAPP系统的基础，针对特征数量多、特征几何复杂性、匹配精度是目前国内外学者研究的热点。汤志鸿等建立了一种基于同侧面的特征识别算法，提出应用属性邻接图构建、有效邻面识别、关联面完整识别等方法，逐级识别各级关联面以构建两侧同侧面，通过同侧面单元匹配实现了基础特征构造和特征邻接图构建。旷素等提出从STEP文件中提取加工对象信息，重组底层基础几何特征数据框架，提出基于关联面积的改进特征识别方法。张禹等提出了一种基于STEP和改进神经网络的STEP-NC制造特征识别方法，对STEP AP203中性文件进行几何拓扑信息提取后，基于边的凹凸性判断构建了零件最小子图，通过将获得的零件模型最小子图信息数据输入到改进的BP神经网络，实现了对STEP-NC制造特征识别。目前针对零件特征识别问题已取得较大进展，但对于带有大量凸台、凹槽等复合特征的复杂模具模型，识别方法仍存在准确率不高且计算量较大的问题。

发明内容

针对上述提出的复杂构建模型，本发明旨在提供一种针对带有大量凸台凹槽模具自动特征识别方法和装置，构建属性邻接图，将复杂工件模型分解成多个元特征并计算特征矩阵，将特征矩阵与特征库相匹配进行模型特征准确识别。

本发明的目的采用以下技术方案来实现：

第一方面，本发明提出一种针对带有大量凸台凹槽模具自动特征识别方法，包括：

S1导入模具的STEP文件模型；

S2根据模型构建属性邻接图；

S3将模型分解为多个元特征，构建元特征特征矩阵；

S4将元特征特征矩阵与特征库特征矩阵相匹配；若匹配成功则完成特征识别，获取相匹配的特征矩阵对应的特征信息；而若出现无法匹配特征矩阵，则根据案例分析将未识别特征添加到特征库，完成特征库的拓展，再进行特征的匹配识别。

一种实施方式中，步骤S2中，构建属性邻接图，具体包括：

对模具结构进行特征分析，对模具的特征面进行编号，并计算相邻面之间的凹凸性，根据特征面之间的关系，以及相邻面之间的凹凸性特征构建属性邻接图。

一种实施方式中，其中，属性邻接图中的节点表示零件模型的特征面，节点之间的弧连接表示面与面相连的关系，弧上的数字表示相邻面的凹凸性，其中0代表相邻面的凹属性，1代表相邻面的凸属性。

一种实施方式中，步骤S3中，将模型分解为多个元特征，具体包括：

将零件模型分解为复合特征和元特征，并对复合特征进一步基于边界关系和凹凸关系分解得到对应的元特征；其中元特征为构成模型的基本几何形状，其中基本几何形状包括盲孔、凸台、键槽、通孔、方槽、椭圆方槽等；其中元特征包含组成对应几何形状的特征面。

一种实施方式中，步骤S3中，构建元特征特征矩阵，包括：