基于层次的特征识别方法及产品特征语义网络的构建方法技术

本发明专利技术公开了一种基于层次的特征识别方法,其特征在于,包括以下步骤:（1）对产品特征进行层次性分类；（2）对构成特体实体的特征实面进行序列化；（3）形成用于识别特征基本类型的特征面邻接矩阵。以该特征识别方法为基础，结合特征操作算子，本发明专利技术还提出了一种产品特征语义网络的构建方法，其特征在于，包括以下步骤：（a）确定产品特征的层次关系；（b）构造产品的特征面邻接矩阵和特征面方向矩阵，对产品特征进行层次性识别；（c）设定特征操作算子，对产品的各个特征之间的语义连接关系进行表达；（d）输出产品特征语义网络。本发明专利技术实现了对特征的层次性识别，加强了特征技术在CAPP中的应用。

【技术实现步骤摘要】

本专利技术涉及CAD中的特征技术，具体地说，是涉及一种。
技术介绍
在过去的几十年里，计算机在辅助设计和加工制造中的应用得到了极大的扩展，尤其是在自动化、智能化的研究有很多。基于人工神经网络的特征识别技术便是其中之一，它所具有的学习和反馈能力，使它可以容许输入误差，并识别特征库中没有定义的特征类型；同时，神经网络只需要通过数学计算而不需要进行推理即可获得特征识别的结果，因此它具有更高的识别效率，在分类和特征识别领域具有极大的优势，但是，这一切都必须以合适的输入、恰当的神经网络结构及训练方法为基础。B-rep和CSG是最常用到的两种·实体模型表不方法，但是底层的零件彳目息却不能直接运用在设计之后的应用之中。特征技术包括特征的设计和特征识别，目前主要被用来将底层信息转化为高层信息，这些高层信息可以很容易地在加工、工艺计划等应用中使用。特征技术的使用在特征识别上已经获得部分成果，提出的主要方法包括基于规则的、基于图的、基于神经网络的，由于神经网络具有学习和反馈的能力，因此可以克服其他方法在识别时所遇到的阻碍。Prabhakar和Henderson提出了一个五层神经网络,它是第一个被用来进行特征识别的神经网络，但是在识别如盲孔及非标准类型特征等一些相关特征上会遇到困难，难以准确识别。Chen和Lee专利技术了一种2D特征识别的神经网络系统。特征设计可以大体上分为两种类型加工特征分解和合成设计。自从19世纪80年代中叶，已经提出了多种基于特征的设计系统。Shah和Rogers提出了一种专家系统，来支持用户对框架特征的定义。总体来说，目前已经出现的特征识别技术在实际应用中的效果并不明显，需要进一步改进。
技术实现思路
本专利技术的目的在于提供一种基于层次的特征识别方法，以产品特征分类为基础，对产品特征进行准确识别，为产品特征语义网络的构建奠定基础。为了实现上述目的，本专利技术采用的技术方案如下基于层次的特征识别方法，包括以下步骤(I)对产品特征进行层次性分类；(2)对构成特体实体的特征实面进行序列化；(3)形成用于识别特征基本类型的特征面邻接矩阵。进一步地，所述步骤(I)中的产品特征为产品的内延特征。再进一步地，所述步骤(2)的具体方法如下(2a).构造权重函数ff = S*10_T+v*0· I其中，S为关联的特征实面数量，T为关联的特征虚面数量，V代表面类型值；(2b).采用深度搜索方法，依次确定序列中的各个元素。上述步骤(2b)具体为首先选中权重最小的面，从此面出发，优先选择与此面连接并且权重最小的面作为序列的下一个元素，否则选择具有较小相交角度的面作为序列的下一个元素，直到所有的特征实面都加入到序列中为止。另外，为了更细化地识别产品特征，本专利技术还通过构造特征面方向矩阵对产品特征进行识别。以上述特征识别方法为基础，本专利技术还提出了一种产品特征语义网络的构建方法，包括以下步骤(a)确定广品特征的层次关系；(b)构造产品的特征面邻接矩阵和特征面方向矩阵，对产品特征进行层次性识别；(C)设定特征操作算子，对产品的各个特征之间的语义连接关系进行表达；(d)输出产品特征语义网络。进一步地，所述特征操作算子包括拉伸算子根据选定的草图轮廓线或曲面沿某一方向延展而得到的实体特征；旋转算子将轮廓沿指定旋转特征线旋转所经过部分的实体；扫描算子扫描给定的轨迹而生成的特征；圆角算子在两个相交面之间建立圆弧形的几何特征；倒角算子以一个小斜面来代替两个相交平面的公共边的几何特征；抽壳算子在零件实体的内部保持一定厚度，在实体表面以外增加一定厚度并将零件实体上的某一表面移除，使零件实体中空化，从而形成薄壁形状的零件；孔算子在实体中以一定的直径或旋转角度建立的圆形挖槽。与现有技术相比，本专利技术的有益效果在于(I)本专利技术以STEP-AP224规则为基础，对产品特征进行料层次型分类，并将产品的内延特征分成两层，采用特征实面和特征虚面进行分层识别，从而有效地保证了特征识别的准确率和效率；(2)本专利技术提出了特征操作算子，对产品特征的语义连接关系进行描述，为构建产品特征语义网络模型提供了实现基础；(3)本专利技术结合特征识别、特征关系以及特征操作算子来提出了产品特征语义网络的构建方法，使产品特征关系更加明了、更加直观，从而加强了特征技术在CAD中的应用。附图说明图1为本专利技术-实施例中产品的结构示意图。图2为图1中移出的特征实体示意图。图3为图1的特征拓扑结构。图4为本专利技术-实施例的层次性特征识别结构示意图。图5为本专利技术-实施例的零件特征示意图。图6为图5的零件特征连接关系网络图。 图7为本专利技术-实施例的产品特征语义网络图。上述附图中，附图标记对应的名称如下1-第一实面，2-第二实面，3-第三实面，4-第四实面，5-第一虚面，6_第二虚面，7-第一特征，8-第二特征，9-第三特征，10-第四特征，11-第五特征。具体实施例方式下面结合附图与实施例对本专利技术作进一步说明，本专利技术的实施方式包括但不限于下列实施例。实施例在STEP_AP224(基于框架特征的处理计划的机械产品定义)中，加工特征被定义为一种生成特征，这种生成特征识别出为了获得最终的几何需要从初始块中移除材料的体积。该STEP-AP224定义了 16种加工特征，例如洞、狭槽等等。在该内延特征中，第一层包含了五种基本特征类型，其详细的分类层次如表1:本文档来自技高网...

【技术保护点】
基于层次的特征识别方法，其特征在于，包括以下步骤：(1)对产品特征进行层次性分类；(2)对构成特体实体的特征实面进行序列化；(3)形成用于识别特征基本类型的特征面邻接矩阵。

【技术特征摘要】
1.基于层次的特征识别方法，其特征在于，包括以下步骤 (1)对产品特征进行层次性分类； (2)对构成特体实体的特征实面进行序列化； (3)形成用于识别特征基本类型的特征面邻接矩阵。2.根据权利要求1所述的基于层次的特征识别方法，其特征在于，所述步骤(I)中的产品特征为广品的内延特征。3.根据权利要求2所述的基于层次的特征识别方法，其特征在于，所述步骤(2)的具体方法如下 (2a).构造权重函数ff = S*10-T+v*0.1 其中，S为关联的特征实面数量，T为关联的特征虚面数量，V代表面类型值； (2b).采用深度搜索方法，依次确定序列中的各个元素。4.根据权利要求3所述的基于层次的特征识别方法，其特征在于，所述步骤(2b)具体为 首先选中权重最小的面，从此面出发，优先选择与此面连接并且权重最小的面作为序列的下ー个元素，否则选择具有较小相交角度的面作为序列的下ー个元素，直到所有的特征实面都加入到序列中为止。5.根据权利要求1或4所述的基于层次的特征识别方法...

【专利技术属性】
技术研发人员：郝泳涛，楼狄明，王力生，
申请(专利权)人：同济大学，
类型：发明
国别省市：