基于动态加工特征的复杂零件轮廓自适应精加工方法技术

本发明专利技术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。本发明专利技术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。型引导与数据驱动的自适应数控工艺设计方法。型引导与数据驱动的自适应数控工艺设计方法。

【技术实现步骤摘要】
基于动态加工特征的复杂零件轮廓自适应精加工方法


[0001]本专利技术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。

技术介绍

[0002]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。
[0003]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：
[0004](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。

技术实现思路

[0005]专利技术目的：针对以上问题，本专利技术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。
[0006]本专利技术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：
[0007](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；
[0008](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；
[0009](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；
[0010]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
[0011][0012]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；
[0013]在给定工艺情境下，SMR
i
在[z
s
,z
e
]之间具有相同的切削层，并且刀具在每一切削层对SMR
i
进行无干涉连续加工，i＝1,
…
,n，n为子加工区域的数量。
[0014]进一步的，所述步骤(a)具体包括：
[0015]1.1在轮廓精加工工艺情境下，对轮廓精加工工艺数据进行表征；
[0016]1.2根据1.1中表征的轮廓精加工工艺数据，采用深度神经网络分类器模型对给定轮廓精加工工艺情境下切削层隐式判定规则进行学习，获得轮廓精加工切削层决策模型。
[0017]进一步的，所述步骤1.1中在轮廓精加工工艺情境下，对轮廓精加工工艺数据进行表征，具体如下：
[0018]在轮廓精加工工艺情境下，根据刀具T与待加工几何决策轮廓精加工操作的切削层，将轮廓面的精加工描述为：
[0019]给定一个在z
e
深处，侧面加工余量为a
e
，壁高为h的侧面，z
s
＝z
e
+h，当采用刀具T时，需要n个切削层；z
s
是动态特征顶面所对应的高度，z
e
是动态特征底面所对应的高度；
[0020]对于结构化工艺数据中任意一个轮廓精加工样本，表示为轮廓精加工工艺情境x
i
与切削层n
i
之间的一个映射，记作
[0021]x
i
＝{D,L,FL,z
s
,z
e
,a
e
}
→
x_label
i
＝n
i
[0022]其中，D为刀具的直径，L为刀具的长度，FL为刀具的刃长，x_label
i
为第i个预定义切削层。
[0023]进一步的，所述步骤1.2中采用深度神经网络分类器模型对给定轮廓精加工工艺情境下切削层隐式判定规则进行学习，具体如下：
[0024]采用一个四层深度神经网络分类器模型对给定轮廓精加工工艺情境下切削层隐式判定规则进行学习，获得轮廓精加工切削层决策模型；
[0025]模型的输入层为与轮廓精加工切削层计算相关的工艺情境参数X＝{x
i
}；隐藏层为2个具有20个节点的全连接层；
[0026]模型的输出层为x
i
映射到预定义切削层X_labels＝{n
j
}中每个元素n
j
的概率p
ij
，表示x
i
需要n
j
个切削层进行轮廓精加工的可能性。
[0027]进一步的，所述子加工区域切削层自适应调整，具体如下：
[0028]根据映射模式f得到子加工区域SMR
i
的切削层n
i
，表达式为
[0029][0030]其中，a
p
为切深，h为动态特征顶面和底面的高度差值，为每一层的有效切深，a
max
为刀具允许的最大切深，[]为取整运算；通过对SMR
i
的每个切削层的进行自适应调整，使得n
i
保持不变；
[0031]给定2个具有几何依赖关系的子加工区域SMR
i
与SMR
j
，其中，SMR
i
为目标子加工区域，SMR
j
为需要被合并的子加工区域，SMR
j
依赖于SMR
i
，SMR
i
与SMR
j
的轮廓精加工分别需要n
i
与n
j
个切削层，n本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于动态加工特征的复杂零件轮廓自适应精加工方法，其特征在于：该方法包括以下步骤：(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；在给定工艺情境下，SMR
i
在[z
s
,z
e
]之间具有相同的切削层，并且刀具在每一切削层对SMR
i
进行无干涉连续加工，i＝1,
…
,n，n为子加工区域的数量。2.根据权利要求1所述的基于动态加工特征的复杂零件轮廓自适应精加工方法，其特征在于：所述步骤(a)具体包括：1.1在轮廓精加工工艺情境下，对轮廓精加工工艺数据进行表征；1.2根据1.1中表征的轮廓精加工工艺数据，采用深度神经网络分类器模型对给定轮廓精加工工艺情境下切削层隐式判定规则进行学习，获得轮廓精加工切削层决策模型。3.根据权利要求2所述的基于动态加工特征的复杂零件轮廓自适应精加工方法，其特征在于：所述步骤1.1中在轮廓精加工工艺情境下，对轮廓精加工工艺数据进行表征，具体如下：在轮廓精加工工艺情境下，根据刀具T与待加工几何决策轮廓精加工操作的切削层，将轮廓面的精加工描述为：给定一个在z
e
深处，侧面加工余量为a
e
，壁高为h的侧面，z
s
＝z
e
+h，当采用刀具T时，需要n个切削层；z
s
是动态特征顶面所对应的高度，z
e
是动态特征底面所对应的高度；对于结构化工艺数据中任意一个轮廓精加工样本，表示为轮廓精加工工艺情境x
i
与切削层n
i
之间的一个映射，记作x
i
＝{D,L,FL,z
s
,z
e
,a
e
}
→
x_label
i
＝n
i
其中，D为刀具的直径，L为刀具的长度，FL为刀具的刃长，x_label
i
为第i个预定义切削层。4.根据权利要求2所述的基于动态加工特征的复杂零件轮廓自适应精加工方法，其特征在于：所述步骤1.2中采用深度神经网络分类器模型对给定轮廓精加工工艺情境下切削层隐式判定规则进行学习，具体如下：采用一个四层深度神经网络分类器模型对给定轮廓精加工工艺情境下切削层隐式判定规则进行学习，获得轮廓精加工切削层决策模型；
模型的输入层为与轮廓精加工切削层计算相关的工艺情境参数X＝{x
i
}；隐藏层为2个具有20个节点的全连接层；模型的输出层为x
i
映射到预定义切削层X_labels＝{n
j
}中每个元素n
j
的概率p
ij
，表示x
i
需要n
j
个切削层进行轮廓精加工的可能性。5.根据权利要求1所述的基于动态加工特征的复杂零件轮廓自适应精加工方法，其特征在于：所述子加工区域切削层自适应调整，具体如下：根据映射模式f得到子加工区域SMR
i
的切削层n
i
，表达式为其中，a
p
为切深，h为动态特征顶面和底面的高度差值，a
ip
为每一层的有效切深，a
max
为刀具允许的最大切深，[]为取整运算；通过对SMR
i
的每个切削层的a
ip
进行自适应调整，使得n
i
保持不变；给定2个具有几何依赖关系的子加工区域SMR
i
与SMR
j
，其中，SMR
i
为目标子加工区域，SMR
j
为需要被合并的子加工区域，SMR
j
依赖于SMR
i
，SMR
i
与SMR
j
的轮廓精加工分别需要n
i
与n
j
个切削层，n
i
≤n
j
；如果SMR
i
与SMR
j
合并，则SMR
j
在之间的轮廓面与SMR
i
具有相同的切削层，分别为SMR
j
的顶面高度、SMR
i
的底面高度；为SMR
j
的底面高度；而SMR
j
在之间的轮廓面的切削层为n
j
‑
n
i
个，需要满足如下等式：其中，轮廓面每一切削层的切深由调整为调整为为SMR
j
的切削层每一层的有效切深，为SMR
i
的切削层每一层的有效切深；轮廓面每一切削层的切深由调整为为为调整过后的子加工区域SMR
j
的切削层每一层的有效切深；h
j
为SMR
j
的顶面与底面的高度差值；根据SMR
i
与SMR
j
之间的空间几何位置关系，子加工区域切削层的自适应调整分为如下2种情况：1)当n
i
＝n
j
时，如果则的切深由减小为减小为至少需要1个切削层，SMR
j
至少需要n
j
+1个切削层，SMR
i
不与SM...

【专利技术属性】
技术研发人员：黄瑞，杨昌尧，崔成，费铭涛，蒋俊锋，陈正鸣，
申请(专利权)人：河海大学，
类型：发明
国别省市：