[发明专利]基于历史数据的复杂结构件加工特征智能定义与分类方法

权利要求书

1.一种基于历史数据的复杂结构件加工特征智能定义与分类方法，其特征是通过历史数据对复杂结构件加工特征进行定义与分类，首先，针对同一类加工特征，根据加工特征的历史数据，按照加工特征拓扑结构和加工工艺的相似性，对加工特征进行定义与分类，然后，在分类基础上以加工特征的关键几何参数作为特征向量，使用K均值聚类算法对分类结果进行聚类分析，以区分不同几何参数对应的加工特征，并以历史数据中的加工方法和加工参数为参考对聚类结果进行评估，以提取更多共性加工工艺知识，实现工艺知识的高效重用，提高复杂结构件数控编程效率；加工特征拓扑结构的相似性以几何相似性矩阵衡量，通过全息属性面边图表达加工特征的拓扑结构，并且通过分层结构的形式描述加工特征，并由此创建几何相似性矩阵计算加工特征间的相似度，几何相似性矩阵中包含了一个加工特征中每个面自身的属性以及所有相邻面间的拓扑关系信息；按照加工特征拓扑结构的相似性对加工特征进行定义与分类时，由于不同加工特征的层数或面个数不同，因此几何相似性矩阵的长度便不同，首先应对不同长度的几何相似性矩阵使用补虚节点的方式使其长度一致，然后将几何相似性矩阵展开成特征向量形式，通过计算向量间的余弦值作为向量间的距离度量，以该余弦值作为两个加工特征形状的相似性，若余弦值大于预设的阈值，则将两个特征合并为同一类。

2.根据权利要求1所述的方法，其特征在于提取加工特征的关键几何参数构建特征向量，关键几何参数指一个加工特征中的关键几何面的类型，几何尺寸包括转角半径，整体特征的尺寸包括加工特征的关键几何面的面积、整体深度。

3.根据权利要求1所述的方法，其特征在于K均值聚类算法需事先根据结构件加工特征的加工方法和加工参数分布定义K值大小，并随机选取K个样本作为初始均值，通过计算每个样本与各均值间的二范数值作为向量间的距离度量，每个样本与距离K个样本中最近的一个聚为一类；当所有样本完成一轮聚类后，重新计算当前每个类的均值，按照新的均值重新对每个样本分类，重复该过程直到当前划分结果与上一轮聚类的结果相同，完成聚类过程。

4.根据权利要求1所述的方法，其特征在于评价聚类结果的方法以历史数据中的加工方法和加工参数为参考，对每一簇中的样本进行分析，根据每个样本事先标记的加工方法和加工参数，计算采用同一加工方法和加工参数最多的一种加工特征所占的比例，设置比例最低阈值，若有的簇中该比例不能达到这个阈值，则需要对聚类算法重新训练并划分结果，直到满足要求。