阅读说明：本技术 一种基于智能化技术的复杂曲面数字化闭环精密加工方法 (A kind of complex-curved Digitized Closed Loop precision machining method based on intellectualized technology ) 是由 郭渊 杜敏 任国栋 陈炜 朱英霞 于 2019-07-29 设计创作，主要内容包括：本发明公开了一种基于智能化技术的复杂曲面数字化闭环精密加工方法,该方法具体为：构建复杂曲面零件加工知识事例库,将待加工曲面零件在事例库中进行匹配,获得相似度A；当A＞0.95时,直接利用检索获得事例提供的加工知识对曲面零件进行数控加工,原位测量后,通过与理想的数字化模型比较获取加工误差,并进行误差补偿；当0.95≥A≥0.80时,利用检索获得事例提供的仿真知识修正曲面零件可能存在的缺陷,然后再进行加工。本发明以智能化方式实现复杂曲面数字化闭环集成制造,从而提高了加工效率和准确性。(The invention discloses a kind of complex-curved Digitized Closed Loop precision machining method based on intellectualized technology, this method specifically: building complex curved surface parts process knowledge case searching, and curved surface part to be processed is matched in case searching, obtain similarity A；As A > 0.95, the processing knowledge that example provides directly is obtained using retrieval, numerical control processing is carried out to curved surface part, after in situ measurement, by the acquisition mismachining tolerance compared with ideal digital model, and carry out error compensation；As 0.95 >=A >=0.80, the Simulation knowledge that example provides is obtained using retrieval and corrects curved surface part defect that may be present, is then processed again.The present invention realizes complex-curved Digitized Closed Loop Integrated manufacture in a manner of intelligent, to improve processing efficiency and accuracy.)

一种基于智能化技术的复杂曲面数字化闭环精密加工方法

技术领域

本发明涉及到数字化、闭环精密加工、知识工程(KBE)以及本体等技术领域，具体涉及一种基于智能化技术的复杂曲面数字化闭环精密加工方法。

背景技术

近几年来，随着高精尖技术的飞速发展，对制造精度和效率提出了更高的要求，而传统依靠独立环节或局部集成的进步来提高制造精度和效率的方法已经不能满足新的技术需要，时代发展迫切要求将设计、加工、测量三个环节进行一体化闭环集成制造。

但是，如何将设计、加工、测量三个领域有机集成起来形成闭环回路，目前尚缺乏切实可行的理论和技术，对该问题的进一步研究将涉及到集成型知识表达模型建立，多学科跨领域知识信息融合以及智能化数据处理等诸多问题，具体为：

(1)从集成的策略和方法研究来看，目前这方面的研究还很薄弱。要实现这三个领域的集成，通过硬件的接合集成不易实现，一方面硬件通过接口技术集成不易融合知识元素，并且以智能化为未来发展必然趋势的背景下，也无法及时吸收人工智能技术的最新成果。

(2)从集成实现技术的研究来看，目前的集成技术研究主要是针对CAX集成的基于特征的技术，而基于知识的集成技术研究比较缺乏。基于特征的技术在信息表达能力上较弱，表达结果不精确。

(3)传统的数据处理方法过多依赖专家的参与人工决策，已经远远不能适应快速、时效、动态、海量的数据决策与处理。

发明内容

为了解决现有技术中存在的问题，本发明提供了一种基于智能化技术的复杂曲面数字化闭环精密加工方法，实现设计、加工、测量三个领域的闭环集成制造。

一种基于智能化技术的复杂曲面数字化闭环精密加工方法，构建复杂曲面零件加工知识事例库，将待加工曲面零件在事例库中进行匹配，获得相似度A；当A＞0.95时，直接对曲面零件进行数控加工，原位测量后，通过与理想的数字化模型比较获取加工误差，并进行误差补偿；当0.95≥A≥0.80时，修正曲面零件可能存在的缺陷。

进一步，所述事例库以集成型知识表达元模型为基础进行构建，所述集成型知识表达元模型包括曲面零件特征描述，智能化仿真模块所需的属性特征和参数设置，曲面零件的制造信息、曲面重构优化算法。

进一步，所述相似度采用基于概念叶的IC相似度算法，所述概念叶是由公共节点衍生的所有概念。

进一步，所述数控加工时直接从事例库获取零件制造信息。

进一步，所述修正曲面零件时直接从事例库获取CAD建议模型。

进一步，所述修正曲面零件时所用的数据选择以及数据分析算法，所述数字化模型通过曲面重构优化算法获得，所述数据选择以及数据分析算法、曲面重构优化算法通过数据处理决策控制子模块进行选择。

更进一步，所述数据处理决策控制子模块为基于规则推理所构建的知识库。

本发明的有益效果为：

1、本发明首先将本体和KBE(Knowledge Based Engineering，知识工程)技术相结合建立集成型知识表达元模型，该模型能表达领域的隐含性知识、模糊性知识等，在知识表达方式上有所突破，建立了具有更强大知识、信息表达能力的实现技术；并以此元模型为基础构建三个领域集成型事例库和精确语义理解型推理机，利用特征提取技术将三个领域的软硬件要素映射为知识的元素或是参数，通过设计、加工、测量三个领域一体化集成来实现闭环制造，在集成的策略和方法上进行了突破。

2、本发明以基于规则的知识推理技术实现数据的智能化处理与决策控制，以智能化方式实现复杂曲面数字化闭环集成制造，从而提高了加工效率和准确性。

3、本发明采用模块化研究策略，以便于加工系统的调试、维护和扩展升级。加工系统总体包括知识集成模块、仿真模块和原位测量-补偿加工模块，另外，在知识集成模块中还包含数据处理决策控制子模块，用于仿真数据和原位测量数据处理的控制决策，且这三个模块具有可以方便扩展、及时吸收新的技术成果而不断增强加工系统的功能。

附图说明

图1为基于GHSOM的多层次多粒度构建事例库流程图；

图2为基于IC的语义理解型推理机结构示意图；

图3为知识集成模块在加工系统中的控制关系示意图；

图4为仿真模块的工作机理图；

图5为原位测量-补偿加工模块工作机理图；

图6为NC代码生成流程图；

图7为加工总流程图。

具体实施方式

下面将结合附图对本发明的具体技术方案作进一步的说明，需要说明的是，本发明的保护范围并不限于此。

如图7所示，一种基于智能化技术的复杂曲面数字化闭环精密加工方法，包括以下步骤：

步骤一：知识集成模块的构建

首先建立集成型知识表达元模型，以此元模型为基础利用GHSOM技术构建复杂曲面零件加工知识事例库，同时构建基于规则推理的数据处理决策控制子模块，数据处理决策控制子模块为规则知识库。将待加工曲面零件在事例库中进行匹配得到相似度较高的事例集，通过基于IC的语义理解型推理机计算待加工曲面零件与事例集中各事例的相似度，相似度最高的即为最佳事例。

(1)建立基于本体语义的集成型知识表达元模型，该元模型连通设计、加工、测量三个领域而成为知识集成的细胞，基于本体语义的集成型知识表达元模型包括三部分：

第一部分是曲面零件特征描述，零件特征包括设计要求或规则，即集成型知识事例的问题描述；

第二部分是智能化仿真模块所需的属性特征(格式、材料等)、参数设置(尺寸数据、非几何特征等)；

第三部分包括曲面零件的制造信息(刀具轨迹、加工策略、加工误差补偿等)、曲面重构优化算法(B样条或T样条算法)。

(2)事例库的构建采用基于GHSOM(Growing Hierarchical Self-OrganizingMap，生长型分层自组织映射)的多层次多粒度知识建库策略

当已有的事例经过特征提取及数据转换后，作为GHSOM的输入空间向量构建多层次多粒度的事例库，如图1所示，具体步骤为：

1)GHSOM初始化并建立第0层(虚拟层)，将第0层权重初始化为输入空间向量对应权重的平均值，计算第0层权重向量与输入单元权重向量的算术平均误差m，其中输入单元属于输入空间向量；

其中：n_I为所有输入空间向量的数目，ω₀为第0层的权重，x_j为输入单元权重；

2)建立GHSOM的第1层

首先建立一个2×2维结构的SOM(Self-Organizing Map，自组织映射)系统，并进行神经网络训练；计算该层上每一个神经元的权重向量与输入单元权重向量的误差M'，寻找误差最大的神经元，并且将该神经元和相邻神经元进行比较，相似度最小的定义为不相似神经元。在该神经元与不相似神经元之间添加新的神经元，每加入一个新的神经元，就需要重新计算该层上每一个神经元的权重向量与输入单元权重向量的算术平均误差M，不断重复上述过程直到该层的M降低到阈值λ，训练即可结束。

其中：ω_i为第i层的权重，为第i层神经元的数目。

3)续层的建立

对第1层的每一个神经元进行映射，建立续层，续层按照2)的过程进行神经网络训练，直到续层(设为第i层)的算术平均误差m_i小于某一阈值γ，停止训练。

4)训练结束后，即完成事例库的构建；在训练过程中，可以通过改变λ和γ的大小，控制GHSOM各层的分类粒度。

(3)构建基于IC的语义理解型推理机

如图2所示，将待加工曲面零件的描述通过特征提取技术后形成特征概念，将这些特征概念在事例库中进行检索并匹配相似事例，获得相似事例集，然后通过IC相似度计算选定最佳事例。

IC相似度算法具体如下：

假设在通过特征提取后，待加工曲面零件描述语句可能形成n个特征概念，将这些特征概念组成一个n元特征概念集B'＝[B₁',B₂'…B_i'…B_n']，再将特征概念集B'与事例库中的概念进行匹配后，生成另一个概念集：B＝[B₁,B₂…B_i…B_n]，概念集B'和B的整体相似度用Sim_IC(B',B)来表示。要想计算B'和B的整体相似度，必须先计算这两组概念集中每一个概念对(B_i',B_i)的相似度，用Sim_IC(B_i',B_i)来表示；通过计算每一个概念对的标准值以获得整体相似度。两个不同内容的概念相似度的大小实际是指这两个概念所含有信息重合度的高低。假设：B_i-是概念对(B_i',B_i)在GHSOM最底层的公共节点，由节点B_i-衍生而来的所有概念统称为公共节点B_i-的概念叶L(B_i-)；通过使用概念叶的定义来更加丰富的表达每一个概念对的含义和信息内容，进而更加明确的区分概念对存在的区别。目前，根据已有理论知识，IC相似度算法是通过统计特征概念在事例库中出现频率的高低来计算的，特征概念B的IC相似度值通过下式来计算：

IC＝log^-1P(B) (4)

其中：P(B)表示特征概念B在事例库中出现的频率；

当利用叶来计算IC相似度时,有：

IC(B_i-)＝log^-1 P(L(B_i-)) (6)

则有Sim_IC(B_i',B_i)的计算如下式所示：

标准化相似度：

比较待加工曲面零件与各个事例相似度的大小，选定相似度最大的为最佳事例。

如图3所示，设定相似度阈值A，若A＞0.95时，事例库连接并控制原位测量-补偿加工模块；若0.95≥A≥0.80时,事例库连接并控制仿真模块，该阶段的工作完成后再进入原位测量-补偿加工模块。

(4)构建数据处理决策控制子模块

数据处理决策控制子模块包括选择恰当的数据挖掘算法(DMA)、数据拟合算法(DFA)以及选择数据样本(Ad)，所述算法会通过不断吸收新成果而完成更新，数据处理决策控制的具体内容包括：

if：A＞0.95 then：DMA＝GA+SVM

DFA＝T

Ad＝Ad₁＝NO.0001

Ad₂＝NO.0003

Ad₃＝NO.0005

……

其中：GA为遗传算法，SVM为支持向量机，T为T样条算法；Ad采用等间距取样。

if：0.95≥A≥0.80 then：DMA＝GA

DFA＝B

Ad＝Ad₁＝NO.0001

Ad₂＝NO.0003

Ad₃＝NO.0005

……

其中：B为B样条算法。

数据处理决策控制子模块应用于：1)智能化仿真模块选择数据以及数据分析算法，2)原位测量-补偿加工模块选择曲面重构优化算法。

步骤二：智能化仿真模块的构建

当相似度不是很高时(0.95≥A≥0.80)，需要通过智能化仿真模块预测曲面零件可能的缺陷予以修正：将事例库中的CAD(Computer Aided Design，计算机辅助设计)建议模型通过数据转换进行CAE(Computer Aided Engineering，计算机辅助工程)数据仿真，通过数据处理决策控制子模块提供数据挖掘算法(DMA)、数据拟合算法(DFA)以及数据样本的选择对仿真数据进行分析并形成数字化模型，并与待加工曲面零件的零件模型进行相似度计算，判断是否存在可能产生的缺陷。若相似度A＞0.95且预测无缺陷产生时，则进入原位测量-补偿加工模块，否则修改数字化模型的参数(例如公式(6)中的参数A、B、C、x₀、y₀、z₀以及曲面材料等)后反馈驱动CAD建议模型进行校正，继续执行数据转换、仿真及分析。仿真模块工作机理如图4所示。

假设数字化模型为：

步骤三：构建原位测量-补偿加工模块

原位测量-补偿加工模块工作机理如图5所示，由事例库直接调用曲面零件制造信息形成NC代码进行数控加工，然后通过原位测量方法及操作程序驱动测量仪进行精密测量，并对获取的测量数据进行分析、拟合加工曲面，与数字化模型相比较获得加工误差，评价加工质量。假设评定值为α，当加工误差>α时，通过补偿加工进一步减小误差，直到加工误差<α时，完成复杂曲面的数控加工。该模块的误差评价指标可以随着制造精密程度的提高不断拓展，算法可以通过不断吸收最新成果而丰富更新，从而制造精度不断提高。具体构建过程为：

(1)将从事例库直接获取的零件模型或是完成智能化仿真模块工作后得到的零件模型(校正后的CAD建议模型)通过数据转换获得点云数据，然后通过数据处理决策控制子模块根据待加工曲面零件相似度选择曲面重构优化算法(B样条或T样条算法)进行曲面重构，得到理想的数字化模型(理想曲面)。

(2)直接使用曲面零件匹配事例的刀具轨迹、加工策略、加工误差补偿等完成NC编程，进行数控加工并进行原位测量。

(3)原位测量误差分析

1)根据已有实际加工检测点，采用空间曲面数据拟合算法为最小二乘法来描述确定性复杂曲面P，并将确定性复杂曲面P定义为回归模型，具体算法如下：

确定性复杂曲面P的标准表达式为：

其中：x₀、y₀、z₀、A、B、C为未知参数；

写成一般式为：

x²+ay²+bz²+cx+dy+ez+f＝0 (11)

其中：

通过最小二乘法拟合样本数据(已有实际测点)，对六个未知数进行估算。

设每个样本点为(x_i,y_i,z_i)，则每个样本点的误差可以表示为：

e_i(a,b,c,d,e,f)＝x_i ²+ay_i ²+bz_i ²+cx_i+dy_i+ez_i+f (12)

则每个样本点的误差平方和为：

令对a、b、c、d、e、f的一阶偏导数均为0，则有：

且令

将上述平均值带入偏导函数简化可得以下形式：

写成矩阵形式为：

两边分别左乘系数矩阵的逆矩阵，求解a、b、c、d、e、f的估计值。

然后通过以下各式：

求解x₀、y₀、z₀、A、B、C的参数值。

2)通过比较加工曲面和理想曲面，计算所有取样测点的加工误差，计算公式如下：

其中：(x,y,z)表示加工曲面上的测点坐标，(x₁,y₁,z₁)表示理想曲面上离测点最近点的坐标；

3)将误差进行分解：加工误差包括系统误差和随机误差，采用空间统计分析方法中的Moran,sI(莫兰指数统计法)进行误差分解，当莫兰指数I趋近于0时，表示系统误差与随机误差独立分布。用ε_i表示实际加工检测位置点i到理想加工曲面法向的偏差，表示z个检测点处ε的平均值。莫兰指数的表达式为：

其中：S₀为所有空间权重的集合，ω_ij表示在曲面实际加工检测点i处，另一个实际加工检测点j对i空间作用的权重系数。

加工检测点的统计量可表示为：

E(I)＝-1/(z-1) (17)

Var(I)＝E(I²)-E(I)² (18)

其中：E(I)表示莫兰指数均值，Var(I)表示莫兰指数方差。

确定性复杂曲面模型P(x,y,z)＝Q(x,y,z)+d_s(x,y,z)，Q表示理想复杂曲面，d_s表示数控加工过程中的系统误差，且 表示z个检测点处e的平均值。

实际加工曲面M(x,y,z)＝P(x,y,z)+d_μ(x,y,z)，d_μ表示随机误差，且

通过迭代求取对加工曲面P的回归模型进行分析，采用单侧检验，取显著性水平为0.01，加工误差的标准正态分布的临界值T_0.01为2.33,如果T＜T_0.01，加工误差服从空间独立性分布,则可以看成随机误差；如果T＞T_0.01，需要重新建立加工曲面模型进行检验统计，直到取样点法向偏差服从空间独立分布，把误差分解为系统误差和随机误差为止。

(4)误差补偿(当加工误差>α时)

1)接触式测头预行程补偿：接触式测头在进行原位检测时，探针需要产生一定程度的形变才能够使接触信号触发。因此当触发信号反馈到数控机床的测头时，测头已经产生了一定的位移差。另外，触发信号反馈停止命令给数控机床时，数控机床停止运动的这一过程测头会产生一定的位移差。从原位检测开始到停止，将测头的位移差称为预行程误差。

将被加工曲面的实际加工检测点在其法向量上映射到标准球上，对标准球上的不同法向量进行检测，实现对测头预行程误差的标定。标准球包含三维空间内的各种不同法向量,通过比较标准球上实际加工检测点法向量方向的坐标值与理想坐标值，即可得到该法向量方向的预行程误差，从而得到加工曲面实际加工检测点的预行程误差，实现测头的预行程误差补偿。

2)接触式测头半径误差补偿：在线原位测量对加工曲面进行检测时，测头球中心的坐标值为原位测量仪检测的坐标值，偏离球头与曲面接触点约一个球半径的距离，因此需要对测头半径进行误差补偿。测头进行原位检测时沿着加工区面实际加工检测点的法向量方向进行运动，因此测头半径误差补偿也沿着检测点的法向量方向进行补偿。补偿公式为其中P是测头球中心点，R为测球半径，为检测点i的法向量方向。

(5)基于误差补偿生成NC代码

1)加工误差模型生成：当获得系统误差后，将刀具偏移一个距离d_s至补偿位置，通过补偿点生成加工误差模型。补偿点的计算公式为：

其中：A(x,y,z)为加工误差补偿点，为加工误差方向。

2)刀具路径规划：复杂曲面加工的基本要求是安全、高效、可行，同时加工点的信息要随曲面变化而变化。曲面加工时可以采用截面法，令一组平行平面与加工曲面相交，获得一组相交曲线，即为将刀具加工路径。并将相交曲线离散为密集的点，以便NC编程时数据的读入。

3)刀位点的偏置：对于规则的表面如平面等，刀具中心点恰好和加工点相差一个刀具球半径的距离，实际上的刀具坐标就是加工点坐标加上半径值。对于进行复杂曲面的加工来说，情况会变得复杂一些，但基本原理相同。刀具进行加工时，假设加工接触点为自由曲面上的A点，但实际运行时，走刀是根据刀具半径来走的，因此代码中需要提供的坐标应为刀具中心B点。

刀具偏置公式为：

其中：B(x,y,z)为刀具中心点，i(x,y,z)为实际加工检测点，r刀具半径；单位法矢量。

4)NC代码的生成

如图6所示，首先写入文件头，然后读取偏置后的刀位点，并将刀位点X、Y、Z数据写入NC代码中，通过编写加工指令控制加工方式，直至刀位轨迹读取完毕后结束NC代码的编写。

以上所述为本发明较佳实施例，仅用于说明本发明的设计思想和特点，其目的在于使本领域内的技术人员能够根据本发明的内容并据以实施，本发明的保护范围不限于上述实施例。所以凡在本发明技术思想下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。