基于特征分離的飛機結構件特征識別技術研究?

劉振宇 曹珍珍 楊青平 茅 健 張立強

（1.上海工程技術大學機械與汽車工程學院 上海 201600）（2.成都永峰科技有限公司技術中心 成都 610000）

1 引言

與一般的機械零件相比，飛機結構件具有更為復雜的拓撲結構及更高的加工精度要求，包含了大量的復雜型腔和薄壁結構，而在傳統的數控加工工藝編程中，需依賴編程人員手動提取加工區域的幾何信息，造成工作量大、效率低下等問題。特征識別技術是從飛機結構件的實體結構出發，融合特征語義，識別出具有一定工程意義的幾何形狀［1］。特征識別技術是數字化制造過程中從三維CAD 模型檢測制造信息的關鍵步驟，是實現CAD/CAPP/CAM 集成的重要途經，對于提高飛機結構件的數控加工效率有重要意義［2］。

特征識別常見的方法可分為三類：基于邊界匹配的方法、基于體分解的方法以及基于學習的方法。第一類為基于邊界匹配的識別方法，其本質是按照預先設置的特征定義對三維CAD 模型進行邊界搜索及匹配，其內容主要包括基于圖［3-4］、基于痕跡［5］、基于規則［6～7］以及多種方法融合的識別方法［8］；第二類為基于體分解［9～10］的識別方法，與邊界匹配方法相比考慮進了三維模型的體積模式，能夠實現任意相交特征的識別量［11］；第三類為基于學習的識別方法，將三維模型轉換為特定的數據格式，通過機器學習的方式進行特征識別，常見的有基于體素的方法［12］、基于多視圖［13］的方法以及基于點云分割［14］的方法。

第一、二類方法通常用于識別B-Rep模型中的加工特征，能夠識別對象進行簡單快速的表達，其不足是難以處理丟失拓撲特征的stl 等格式，并且存在可擴展性低、識別范圍窄、計算量大、缺乏對輸入三維CAD 模型中的噪聲的容忍度等缺點。與第一、二類方法相比，第三類方法提升了可識別特征的范圍以及識別速度，并增加了對噪聲模型的容忍度。然而，特征識別的關鍵是從單元級的幾何特征中分辨出與工藝設計和制造過程相關的特征［15］，三維CAD 模型為加工特征與輔助特征的集合，基于學習的識別方法難以對兩者進行區分，降低了在實際生產過程中的實用性。

CATIA 是在汽車與航天領域應用廣泛的CAD/CAM 軟件［16］，CAA（Component Application Architecture）是基于CATIA 平臺的二次開發工具，本文基于CAA 二次開發技術，提取CAD 模型的所有面節點，并抑制其中的過渡面節點，對所余節點進行加工特征與輔助特征的分離，降低特征識別的語義歧義，提高識別的準確率；將分離結果的點云數據輸入至DGCNN 深度學習網絡，進行加工特征的分類與分割。

2 過渡特征識別與抑制

在進行飛機結構件的工藝設計時，為了減小機械加工時產生的應力，同時兼顧美觀與工藝要求，常在尖邊或尖點處用光滑的曲面代替，這類光滑曲面稱為過渡特征。過渡特征的存在增加了結構件特征拓撲關系的復雜度，由于過渡特征是一種僅改變結構件邊界細節的特征，為了降低特征識別的難度，提高識別的準確率，采用識別并抑制過渡特征的方式，以恢復結構件原本的拓撲結構。過渡特征的抑制并非改變結構件的真實模型，而是對結構件的特征鄰接圖進行間接抑制來代替對模型的直接抑制。特征鄰接圖是指以結構件的面為節點，以邊為連接弧構建出的表示邊界模式的圖，如圖1。

圖1 結構件特征鄰接圖

基于特征鄰接圖的過渡特征識別與抑制CAA實現步驟如下：

1）獲取當前模型的機械特征，機械特征包含多種拓撲類別CATCell，獲取其中所有的CATFace 拓撲單元，存入容器std：：vectorF_ALL中。

2）獲取拓撲單元CATFace 對應的的幾何單元CATSurface，CATSurface 代表產品的幾何面，通過CATSurface 能夠得到準確描述面單元的幾何信息。獲取所有CATSurface 的Tag 值，Tag 值為CAA賦予模型幾何單元不重復的整數值，CATSurface與Tag 值為一一映射關系，構建特征鄰接矩陣M_ALL。

3）獲取CATSurface 的指針pSur，利用CATSurfaceTools 接 口 中的GetConstantRadiusInfo 函數，對pSur指向的幾何特征面進行過渡面判定，得到過渡面節點Tag.x=｛Tag.x1，Tag.x2，…，Tag.xn｝。

4）定位所有的Tag.x 節點，刪除矩陣M 中Tag.x對應的行與列，判斷刪除過渡節點后aij值的變動形況，得到更新后的鄰接矩陣M_INIT，由M_INIT 映射出的幾何體即為恢復了原本拓撲結構的飛機結構件模型。剔除容器F_ALL 中的Tag.x 節點，得到std：：vectorF_INIT容器。

3 輔助特征面的剝離

飛機結構件具有結構類型復雜、拓撲不固定的特性，通過對過渡特征的抑制，在保持結構件主要特征的基礎上簡化了結構件模型，為了進一步減小無關特征面在識別過程造成的語義歧義影響，將剔除過渡面后的加工特征面分為兩類：加工特征面與輔助特征面。

其中加工特征面決定了結構件的內部拓撲結構，輔助特征面決定了結構件的外部輪廓特性。在制定工藝決策時，加工特征面主要影響結構件加工的刀具類型、刀路規劃等因素，通常是精加工或半精加工時的加工對象；而輔助特征面則是毛坯開粗、裝夾等工序中的主要工作對象，在特征識別過程中需要將輔助特征面剝離出來，判斷邊的凹凸性是進行輔助特征面剝離的關鍵步驟。

3.1 邊的凹凸性判別

設結構件實體模型的兩個鄰接面F1、F2，F1與F2的相交邊e以及夾角Θ，當0<Θ<180°時，稱e為凹邊；當180°<Θ<360°時，e為凸邊。邊的凹凸性由兩相交面的外法線單位向量、交線切線的單位向量以及交線所在環的屬性確定。

鄰接邊凹凸性的判斷公式如下：

式中，n1、n2分別為面F1、F2外法線向量，t 為兩面交線的切線向量且切線方向與n1應嚴格滿足右手定則。當m>0時，鄰接邊為凸邊；當m=0時，鄰接邊為相切邊；當m<0時，鄰接邊為凹邊。

3.2 加工特征與輔助特征的定義

當面的外環環邊均由凸邊構成，且環邊不屬于其他面的內環，稱該面為輔助特征面，其余為加工特征面。加工特征決定了飛機結構件的拓撲復雜程度，輔助特征在組成加工特征的各個面的延展方向上加以限制，構成了飛機結構件的輪廓界限。加工特征識別的本質是對構成拓撲結構面單元的語義組合的識別，輔助特征并非影響拓撲結構的主要因素，因此將加工特征與輔助特征進行分離并對加工特征進行研究，減少了特征識別過程中的語義歧義，降低了識別難度。

在容器F_INIT 中除去非特征面，剩余面稱為特征面，存入容器F_P 中。重置M_INIT 中的元素屬性，存為矩陣M_P，在矩陣M_P 中，Tag.1～Tag.m為CATSurface特征面節點的標簽值，m 為特征面的個數。aij表示Tag.i節點與Tag.j節點的鄰接關系，aij取值0，1或2，當aij=0時，兩節點不相鄰；當aij=1時，兩節點為凸邊連接；當aij=2 時，兩節點為凹邊連接。其中，i，j∈［1，2，…，m］。當矩陣M_P 中某行或某列的值不包括1 時，則由該行或者該列特征面節點組成的加工特征稱為單一特征，否則稱為相交特征，相交特征由多個單一特征復合而成。

4 加工特征分離

4.1 特征面點云離散

借助離散器CATCellTessellator，將F_M 容器中的特征面離散為點云，其操作步驟如下。

設置步長step、弦高seg 及向量夾角Angle，獲取離散器CATCellTessellator的指針對象*p；獲取特征面容器F_M=｛f1，f2，…，fn｝，遍歷容器內元素并依次載入離散器，即p->AddFace（fi），i∈［1，n］。每載入一個特征面，運行一次離散器，即p->Run（）；運行之后即得到特征面的離散結果，共包括八類離散類型，即p->GetFace（Para1，Para2，…，Para8）。獲取關于離散點CATTessPointIter 的結果，并根據該類的成員函數GetNbPoint（）及GetPointXyz（）分別得到點云的數量及三維坐標值；將得到的數據保存為XML文件，XML又稱可擴展標記語言，可對結構化的文檔信息進行高效處理，是互聯網中進行信息表示和交換的事實標準［16］。

4.2 基于DBSCAN算法的特征分離

DBSCAN 算法是一種基于點云密度的無監督聚類算法，鄰域半徑Eps 及密度閾值MmPts 為DBSCAN 算法中的兩個重要參數。假設以某點為圓心，以Eps 值為半徑作鄰域，當鄰域內的點數大于等于MmPts 值時，稱該點為核心點；當鄰域內的點數小于MmPts 值，且該點位于核心點的鄰域內時，稱為該點為邊界點；當鄰域內不存在點時，稱該點為噪聲點。如圖2，設Eps＝r，MmPts＝4，則a、c 點為核心點，b點為邊界點，d點為噪聲點。

圖2 DBSCAN聚類示意圖

DBSCAN 算法優點在于可在具有噪聲的空間點云數據中得到任意形狀的點云簇，本文采用DBSCAN算法對拓撲結構不固定的飛機結構件點云數據進行聚類，分離出單一特征與相交特征，其中，相交特征由多個單一特征組合而成。

5 算例驗證

本文開發平臺為VS2008 與CATIA V5 R21，采用C++編程語言，借助CAA 二次開發工具，實現對過渡特征的識別和抑制、加工特征與輔助特征的分離以及離散點云計算工作，并基于DBSCAN算法對加工特征中的單一特征與相交特征進行分離，實現算法驗證及界面開發。如圖3 所示，其中點過渡面6個、邊過渡面23個。

圖3 點過渡面（左）與邊過渡面（右）

對獲得的過渡特征進行抑制，并獲取抑制后模型特征面的點云數據，step值設置為1，共得到8703組點云坐標，輸出至XML文檔。在CAA中，對點云數據的可視化需要通過構建B-Rep模型的3D臨時顯示曲面來實現，或配置對應版本的PCL進行可視化操作，過程較為復雜。本文通過提取XML 文件中的點云數據，選擇Matlab實現點云數據的可視化操作及DBSCAN 算法的實現，分離結果如圖4 所示。

圖4 單一特征與相交特征

DGCNN 是一種具有旋轉魯棒性的點云深度學習網絡，可對離散后的點云模型進行分類與分割。首先，通過spatial transform 塊將輸入的點云數據進行標準化，提高了點云數據的旋轉魯棒性，再通過DGCNN 模型架構對標準化的點云數據進行處理，模型架構包括分類模型及分割模型。利用DGCNN網絡對相交特征點云進行分類與分割，其中單一特征包括四個：方形通孔、圓形通孔、封閉槽和開口槽，而相交特征則由多個孔、槽特征相交而成，分割結果如圖5所示。

圖5 相交特征分割結果

6 結語

在CAD/CAPP/CAM 集成系統中，CAD 系統輸出產品的實體模型或設計特征，CAPP 系統則需要以產品的加工特征為輸入單元，而飛機結構件具有拓撲結構復雜且不固定的特點，使得系統之間的工藝信息交流與轉換變得困難。本文結合CAA 二次開發技術，定義了飛機結構件的加工特征與輔助特征，并對兩者進行剝離；針對加工特征，采用DBSCAN 算法將其分離為單一特征與相交特征，并將分離的點云數據帶入DGCNN 網絡進行分類分割；最后，通過開發CATIA 插件進行驗證，結果表明了該方法的有效性。