技术摘要：
本发明提供一种基于特征矩阵的毛坯模型复杂特征分层识别方法，首先使用阈值分割法识别和剔除大型复杂构件毛坯模型伪特征及其数据，进行毛坯模型优化。然后构建该优化毛坯模型的属性邻接图，采用分层识别方法对构件的优化毛坯模型相交特征进行分层处理，得到单一特征并  全部
背景技术：
大型舱体类零件是大型商用飞机、战斗机、运载火箭等航空航天飞行器的关键零 部件，以级间段舱为例，作为火箭箭身的连接部件，对整体动力学特性、飞行阻力和飞行速 度有重要影响。该类零件作用的重要性与特殊性使其通常为完整的一体化构件。随着对飞 行器服役性能要求的逐步提升，该类大型复杂构件零件结构设计特征具有凸台、腔槽等众 多复杂内部相交特征，且愈加复杂化，其毛坯模型表面还具有随机分布的成形误差，这些都 给其内部特征的准确识别带来极大挑战。 基于特征的舱体类毛坯零件加工工艺规划对保证该类大型复杂特征零件的制造 精度与质量至关重要。而特征识别是实现三维计算机辅助工艺规划(CAPP)  及计算机辅助 制造(CAM)的关键技术。该类零件加工特征数量多、特征尺寸大、特征间差异显著、特征几何 复杂性高，导致其特征识别难度大识别效率和准确率有待提升。因此，复杂零部件特征识别 成为国内外众多研究学者与机构的研究热点。 围绕设计特征识别的问题，国内外学者开展了大量研究。零件特征识别的方法主 要有基于图、基于规则和基于痕迹三类方法，在实际运用中，学者们将这些方法进行优化组 合，提出了多种方法融合的零件特征识别方法等。MAREFAT等在基于图的方法上采用添加虚 链的方法识别相交特征，沈梅等提出以模型中的凹凸特征作为中间特征进行特征识别的方 法。而Woo提出交互体积和的特征识别方法来分解特征树结构。Zubair对特征树结构中的对 称特征进行了深入研究，提出分割交互体积和的方法来识别相交特征。刘长青等提出对复 杂的加工特征定义的方法，实现复杂特征的数控加工。张聪聪等提出运用于飞机结构件CAD 模型缺陷结构的识别方法，推进了特征识别在航天领域的发展。 上述众多学者的不断深入研究，推动了复杂特征定义和添加约束面等特征识别方 法，初步实现CAD模型中的设计特征和加工特征的识别，较好地推动了特征识别技术在工程 上的针对性应用，但由于此类方法对简单相交特征的识别采用个性化特征定义的方法，限 制了其对于复杂特征识别的推广应用。 近年来，较多学者还致力于从STEP获取零件信息以实现特征识别的方法。  Zhang 等从STEP文件获取特征的几何数据和加工特征面边界的相关信息。在此研究基础上， Sridharan根据特征边界表达规则提出对轮廓特征和端面特征的识别方法。而Zubair等用 表面边界规则来识别零件中的孔特征，挖掘了STEP格式在特征识别领域的优势。王军等利 用STEP文件对设计特征记录信息准确的优势，融合基于图和基于痕迹的方法识别相交特 征。张禹等提出将提取特征STEP文件的几何拓扑信息输入到改进的BP神经网络中进行智能 化识别特征，使得特征识别的通用性得到进一步提高。 这些研究以STEP-NC系统和神经网络等热门理论为基础，在实现设计模型特征的 准确识别上取得了较多成果，推动了设计特征自动识别方法的发展，但不适于毛坯模型或 5 CN 111582053 A 说　明　书 2/9 页 工件几何模型等非设计模型特征的识别。 综上所述，学者们在零件特征识别领域已取得较多的研究进展，已有方法依据零 件几何模型边界信息和边界规则对平面结构类特征进行识别，提高了对零件设计模型的几 何及拓扑数据的搜索、提取和存储水平，在单一特征识别上可实现较高准确度，在少类型简 单特征组合的识别方面也取得探索成果，在设计模型复杂相交特征识别方面也有较多进 展。区别于设计模型，毛坯模型是由扫描后重建等手段获得，缺少设计特征树信息，难以通 过获取特征树的几何拓扑信息进行直接识别。因此，现有方法难以实现对于毛坯模型或工 件模型，尤其是带大量凸台和口框组合的大型舱体类构件毛坯模型或工件模型复杂腔槽特 征的高效准确识别。
技术实现要素：
本发明要解决的技术问题是，针对现有方法难以实现对于毛坯模型或工件模型， 尤其是带大量凸台和口框组合的大型舱体类构件毛坯模型或工件模型复杂腔槽特征的高 效准确识别的技术问题，提供一种基于特征矩阵的毛坯模型复杂特征分层识别方法，以实 现复杂相交特征的高精度快速识别。 为解决上述技术问题，本发明采用如下技术方案： 一种基于特征矩阵的毛坯模型复杂特征分层识别方法，其特征在于包括如下步 骤： S1：首先获取零件毛坯模型上所有面的几何拓扑数据，输出面的像素信息，所述像 素信息包括显示轮廓的特征和毛成形缺陷所造成的伪特征；然后通过全局二值化处理方法 生成灰度化信息；提取并删除伪特征位于轮廓表面的几何拓扑信息，依次优化模型各个面 的数据，最终得到优化的零件毛坯模型； S2：然后以优化的零件毛坯模型为对象建立属性邻接图，实现模型中关联面之间 空间位置关系的详细描述；通过相交的边与相邻面的法向矢量计算关联面的凹凸性，依据 所有关联面的凹凸性提取特征，提取特征包含不可再分的单一特征、复杂组合特征； S3：应用特征分层算法对所提取特征进行分层，直至将所有提取特征转换为单一 特征的组合；依次计算所有提取的单一特征和分层得到的单一特征的特征矩阵；构建通用 特征矩阵库，将计算得到的特征矩阵与特征矩阵库通过特征矩阵元素比对进行匹配；当特 征矩阵匹配成功，则输出识别出的特征属性及其几何拓扑数据，当出现无法匹配成功的特 征矩阵，对通用特征矩阵库进行扩充，再进行特征的匹配，直至输出识别出的特征属性及其 几何拓扑数据。 上述技术方案中，步骤S1中采用适用于表面随机成形误差与缺陷的阈值分割法， 基于所获取数据输出这些面的像素信息，对像素信息进行双边滤波预处理，然后通过全局 二值化处理方法生成灰度化信息；其中，最优分割阈值采用迭代方法计算得到，得到的最优 阈值用以分割像素信息，使得分割后的图像能区分显示轮廓和伪特征；提取并删除伪特征 位于轮廓表面的几何拓扑信息，依次优化模型各个面的数据，最终得到优化的零件毛坯模 型。 上述技术方案中，步骤S1中采用面向伪特征识别的阈值分割法进行轮廓表面伪特 征提取，具体包括如下步骤： 6 CN 111582053 A 说　明　书 3/9 页 S11、输入毛坯模型SR，对毛坯模型进行遍历搜索，提取面s和面的几何拓扑数据 {s1,s2…sn}； S12、输入第i个面，计算该面的像素值g＝{g1,g2…gm}； S13、采用双边滤波方法对各面的几何拓扑数据si进行平滑处理并保护图像边缘， 通过计算确定空间域值； S14、采用全局阈值分割方法对面si的阈值进行迭代计算，根据图像直方图确定初 始阈值x0，设定终止参数ε，对像素进行逐一判断，分别计算高于初始阈值的平均像素m1和低 于初始阈值的平均像素m2； S15、计算当前图像阈值x＝(gmin gmax)/2，该值用以进行初始阈值的调整优化； S16、判断当前图像阈值x与初始阈值x0的位置差值，若差值小于ε，则输出第i个面 的二值图像，判断并识别该面上伪特征，剔除该面上伪特征的几何信息特征数据，优化该模 型的数据；若差值大于ε，则将当前图像阈值x赋给初始阈值x0，并执行步骤d； S17、判断所有的面是否均被处理，若存在未被处理的面，则继续执行步骤d，若所 有面均已处理，则输出所有的面及其优化后的数据信息，模型优化完成。 上述技术方案中，步骤S2中由模型所包含的面单元之间的位置与邻接关系，建立 零件的属性邻接图；通过步骤S1优化的零件毛坯模型查询所有的边、面的  tag信息，进而得 到每条边相关联的两个邻面，计算得到每条边的方向矢量及其邻面的法向矢量，通过矢量 计算得出面的空间几何关系，判断边和邻面组成空间位置的凹凸性，进而完成特征的提取。 上述技术方案中，步骤S2中无论模型上的面为何种类型，两个面之间的空间位置 关系均由两个面的夹角θ判定，由公共边的方向矢量Vn和面F1法向矢量  V1叉乘得到Ve(Ve＝ V1×Vn)，通过Ve和面F2的法向矢量V2计算夹角θ  (θ＝arccos((Ve×V2)/(||Ve||×||V2||))； 当0<θ<π，判定两相邻面的公共边为凸边类型；当π<θ<2π，判定两相邻面的公共边为凹边类 型。 上述技术方案中，步骤S2中通过面的曲率将构成模型的面分为曲面和平面两类， 再结合相交边的曲率进一步判定面的组合类型； 对于平面-平面相交型，直接根据模型面的几何数据计算平面F1和F2的法向矢量 V1、V2和公共边方向矢量Vn，之后判定相交面的凹凸性； 当相交面中同时存在平面与曲面且相交线为直线时，计算曲面F2在相交线处切平 面Ft的法向矢量V2和公共边方向矢量Vn，再判定相交面的凹凸性； 当相交线为曲线，过相交线上任意一点p做曲面F2的切平面Ft，计算点p  处平行于 切平面Ft的方向矢量Vn和点p处垂直于切平面Ft的法向矢量V2，再判定相交面的凹凸性； 对于相交面均为曲面时，曲面F1、F2相交处各自的切平面Ft1和Ft1并计算各自切平 面的法向矢量V1、V2和公共边方向矢量Vn，最后判定相交面的凹凸性。 上述技术方案中，步骤S3中采用基于环的特征分层方法，首先通过凹凸性判断提 取模型上的所有特征，然后通过特征遍历收集复杂特征的环信息，分析环信息得到满足条 件的环并作为特征分层的依据。 上述技术方案中，步骤S3中对所提取特征进行分层的依据为：设定特征的一个环 关联多个面，一个面又关联多组邻面；判断某一环所包含每一个面的公共边是否满足只存 在凹结构或只存在凸结构，满足该条件的环即为分层环；据此判断出所有的分层环，对整个 7 CN 111582053 A 说　明　书 4/9 页 模型进行分层处理，将所有复杂特征转换为单一特征；对于模型中的孤岛类特征，与其它特 征之间没有复杂相交关系，无需分层处理即可直接识别。 上述技术方案中，步骤S3中，基于面的关系的特征矩阵构建方法，通过设计矩阵元 素及其数值对于面的描述规则，构建不同特征的特征矩阵，组成特征矩阵库：对于由n个面 构成的复杂特征，构建特征矩阵Ai×j，其中，i与j表示面  Fi与Fj的序号，第i行、第j列对应的 值ai×j表示面Fi与Fj所组成的结构属性；以矩阵元素值的不同的位wi及其取值描述面的类型 和面之间的关系；通过整个毛坯模型上面及面的关系的遍历，查询模型的几何拓扑数据，计 算并建立整个模型的特征矩阵。 上述技术方案中，步骤S3中特征矩阵匹配过程为：把单一特征的特征矩阵与特征 库的特征矩阵进行匹配，以实现单一特征的识别： 当特征子矩阵与矩阵匹配特征库中的弧形型腔类特征对应时，则匹配识别出该单 一特征的特征子矩阵是弧形型腔类特征； 当特征子矩阵与矩阵匹配特征库中的方形型腔类特征对应时，则匹配识别出该单 一特征的特征子矩阵是方形型腔类特征； 当特征子矩阵与矩阵匹配特征库中的圆柱凸台类特征对应时，则匹配识别出该单 一特征的特征子矩阵是圆柱凸台类特征。 相对于现有技术，本发明的有益效果如下： 大型舱体类构件是大飞机、火箭等航空航天飞行器型号的重要部件，具有众多复 杂内部相交特征，给其内部特征的准确识别带来极大挑战，毛坯模型内部特征的有效识别 是实现加工余量确定、切削参数优化及刀具路径规划的重要基础。但是现有技术中的各种 方法则对于复杂构件的识别无法保证准确性和识别效率。 本发明提出了一种基于特征矩阵的大型复杂构件毛坯模型相交特征分层识别方 法，实现基于毛坯模型拓扑信息的多层次复杂相交特征识别。首先使用阈值分割法识别和 剔除大型复杂构件毛坯模型伪特征及其数据，进行毛坯模型优化。然后构建该优化毛坯模 型的属性邻接图，采用分层识别方法对构件的优化毛坯模型相交特征进行分层处理，得到 单一特征并计算其特征矩阵。将多类型单一特征均转换为特征矩阵，建立特征匹配库。最后 将特征矩阵与特征库进行匹配，以进行模型相交特征准确识别。对具有舱体零件多种特征 的毛坯模型进行实例验证，通过准确识别多类型特征分别验证了该算法的可行性和有效 性。一般的特征识别研究对象为设计特征模型，其模型具有完整的几何拓扑数据，为特征的 识别和提取提供很大的优势，而本技术以毛坯件为研究对象，对加工生产规划更具有实际 意义。毛坯件不具备完整的几何拓扑数据，本技术建立了毛坯件到加工模型的映射关系，通 过三维扫描手段获取毛坯件三维模型，采用全局阈值分割方法识别并剔除毛坯件三维模型 中伪特征的几何拓扑数据信息，以避免缺陷对加工特征识别率的影响。 附图说明 图1为根据本发明实施的识别方法流程框图。 图2为本发明方法所涉及的材料成形工艺造成的伪特征实物图和示意图对照。 图3为本发明所涉及的伪特征识别的阈值分割法流程框图。 图4为本发明毛坯优化模型的邻接图构建过程示意图。 8 CN 111582053 A 说　明　书 5/9 页 图5为本发明相交面的凹凸性计算原理示意图。 图6为本发明的复杂特征分层原理图。 图7为本发明的几何模型特征矩阵示例。