发明名称 基于特征的复杂零件数控加工制造方法
摘要 一种基于特征的复杂零件数控加工制造方法,它基于本体与面向对象的方法表达特征,进而基于特征表达整个制造过程中零件的几何与工艺信息,以特征作为制造知识和经验的载体,实现从设计-加工-检测等制造阶段信息的有效集成以及闭环控制,以自动特征识别为基础,基于特征进行自动工艺决策、自动数控编程、后置处理、加工过程控制、在线检测、工艺优化及工时预测。基于特征的制造方法实现了加工过程中信息链的有效贯通,使制造过程能够自动化及智能化,减少了制造过程对人的经验的依赖性,同时便于制造过程的生产管理,提高了制造效率,降低了生产成本。
申请公布号 CN103235556B 申请公布日期 2015.08.19
申请号 CN201310103134.1 申请日期 2013.03.27
申请人 南京航空航天大学 发明人 李迎光;刘长青;王伟;刘旭;李海;郝小忠;李强;高鑫
分类号 G05B19/4097(2006.01)I 主分类号 G05B19/4097(2006.01)I
代理机构 南京天华专利代理有限责任公司 32218 代理人 瞿网兰
主权项 一种基于特征的复杂零件数控加工制造方法,其特征是首先读入待加工零件的三维数字模型,其次,进行自动特征识别,从读入的三维数字模型中提取待加工零件的几何信息与工艺信息,三维数字模型中不包含的信息通过与数模配套的相关工艺文件获取,并将所提取的几何与工艺信息进行特征化标记,所有特征都按照特征类别与序号进行唯一标识,即特征标识=特征类别+序号,以此标识作为不同应用间特征关联的工具;若在制造过程中特征被分解,则特征标识=分解标识+特征类别+序号+分解子序号,从而实现以特征作为制造知识和经验的载体,实现信息的有效集成;第三,为了在整个制造过程中保持特征的有效性以及特征衍变的连贯性,采用面向对象以及基于本体的方法表示特征即定义特征的本体以及各应用领域特征的类,采用全息属性面边图的方法进行特征识别;最后,经过工艺优化自动生成复杂零件的数控加工程序,驱动数控加工设备完成整个加工过程;在进行自动特征识别完成后再基于特征构建加工工艺优化模型、基于特征进行自动工艺决策、基于特征进行自动数控编程、基于特征进行后置处理、基于特征进行加工过程控制、基于特征进行在线检测、基于特征构建已加工零件的工时样本库和构建特征几何信息与工艺信息向机床性能参数的映射模型;(1)所述的基于特征构建加工工艺优化模型时应包含特征的几何信息、刀具的信息、机床信息和工件的材料信息,优化模型的约束为切削力和振动,优化模型的优化目标为加工效率、加工质量和加工成本,优化的项目为切深、切宽和进给速度,建立基于特征的切削参数库;面向应用领域构建基于特征的切削试验试件三维模型,包含典型特征及其典型组合,作为验证加工工艺的标准样件;(2)所述的基于特征进行自动工艺决策是为自动工艺决策提供完整的信息支撑,基于特征表达工艺规则及工艺方案,进而基于特征进行自动工艺决策,基于特征表达自动工艺决策的结果;(3)所述的基于特征进行自动数控编程是指将自动工艺决策的结果也作为自动编程的依据,进而基于特征自动生成加工刀轨,基于特征表达自动编程的结果;(4)所述的基于特征进行后置处理是以自动编程的结果为依据,考虑数控系统的动态特性,进行基于特征的后置处理,基于特征表达后置处理的结果,形成数控加工程序;(5)所述的基于特征进行加工过程控制是为表达加工过程中出现的问题的处理策略,包括基于特征进行加工过程的状态监测,加工过程中进行智能自适应调整,基于特征记录加工过程中的数据,供工艺优化使用;(6)所述的基于特征进行在线检测是指基于特征的几何信息和工艺信息形成检测点生成规范,基于特征的几何信息优化在线检测时测头姿态矢量以及检测轨迹,基于特征形成检测分析结果,作为优化加工工艺的依据;(7)所述的基于特征构建已加工零件的工时样本库中包含与工时相关的特征的几何信息以及零件工时,以特征几何信息与工艺信息作为输入,构建神经网络,在没有零件数控程序的前提下预测待加工零件的工时,作为零件加工对外报价以及生产计划安排的依据;在基于特征的数控程序中加入特征的几何信息与工艺信息,结合数控机床的动态特性以及切削过程中的切削力,精确预测每一个工序的数控加工工时,作为机床调度的依据;(9)所述的构建特征几何信息与工艺信息向机床性能参数的映射模型是基于特征分析满足加工零件所需机床的性能参数,提供面向应用的机床相关参数设计参考。
地址 210016 江苏省南京市白下区御道街29号