融合工艺-质量语法知识的复杂零件关键工序识别方法

作     者：冯少广 黄瑞 黄波 朱书艺 施盈帆 

作者机构：河海大学常州市图形图像与骨科植入物数字化技术重点实验室 中国科学院深圳先进技术研究院 

出 版 物：《计算机集成制造系统》 (Computer Integrated Manufacturing Systems)

年 卷 期：2024年

核心收录：

学科分类：080202[工学-机械电子工程] 08[工学] 081203[工学-计算机应用技术] 0802[工学-机械工程] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(52075148 52105518) 

主　　题：关键工序识别 贝叶斯学习 质量-工艺知识与或图 语法解析 

摘      要：随着计算机辅助设计(Computer Aided Design， CAD)/计算机辅助制造(Computer Aided Manufacturing， CAM)/计算机辅助质量检验(Computer Aided Quality Inspection， CAQI)为代表的先进制造技术在产品制造过程中的广泛应用，企业积累了大量的工艺数据（包括与之关联的质量数据），如何有效利用这些工艺数据实现待制零件工艺方案中关键工序的识别成为保证零件加工质量的一个关键问题。但是，已有的关键工序识别方法主要依赖工艺设计人员，未能有效学习已有工艺数据中零件的工艺方案与加工质量之间的关联关系。文中提出一种融合工艺-质量语法知识的复杂零件关键工序识别方法。首先，构建基于加工特征的多层次结构化工艺模型，实现工艺数据中零件三维几何与工艺方案、质量检测数据之间的有效关联。其次，根据结构化工艺数据，采用统计学习方法，构建工步-质量对预测模型，从而计算零件工艺方案中不同时刻的工步-质量对的置信度，并且建立具有复合性的质量-工艺知识与或图模型(Quality-Process knowledge And-Or graph， Q-PK-AOG)。最后，给定待制零件的工艺方案，以Q-PK-AOG为引导，根据不同时刻工步-质量对的置信度，基于语法解析实现待制零件工艺方案中工步质量的预测，从而实现零件工艺方案关键工序的识别。以三轴数控铣削加工零件为研究对象，开发了一个基于CATIA的原型系统，通过实验验证所提方法的有效性。