基于图二次分解的加工特征识别算法

随着 MBD技术的发展，全三维模式已经成为我国十二五规划中制造业发展的重要 目标，基于三维产品模型的CAPP技术成为当前研究的热点l1。从零件的 CAD模型中获取工艺设计所需的加工特征信息是CAPP的基矗加工特征识别就是从产品的实体模型出发自动识别出其中具有-定工程意义的几何形状，并将其进-步转换为可用于后续加工的特征回。目前，加工特征识别已认为是实现 CAD/CAPP集成的有效途径和关键技术。

特征识别的方法主要有三大类：基于边界匹配的方法 ，基于立体分解的方法，以及基于痕迹的方法131。其中，边界匹配法中基于图的特征识别方法是 目前研究较多的-种。它通过图来表示三维模型的几何信息与拓扑信息，并且通过在CAD模型大图中搜索特征小图来达到特征识别的目的。文献4提出了-种图与规则相结合的特征识别方法，可以有效识别预先定义的特征，对没有定义的特征通过-定的规则补充进行识别，但其识别策略采用子图同构，算法时间复杂度高，其算法时间复杂度为O(nz)，即时间复杂度与构成CAD模型面的总数量的平方相关，效率低。文献采用启发式算法，通过删除属性邻接图中的凸边来对属性邻接图进行分解，这种分解方式能够处理相交特征，但只能分离 凹陷类特征(如孔特征 、槽特征)，对凸H类特征(如凸台)不能够进行有效的分离。文献喂 出了-种图分解的特征识别算法，首先化简属性邻接图然后根据图的连通分量进行分解，虽然降低了算法的时间复杂度，但需要对模型的属性邻接图进行化简，分解操作复杂并且难以分离出所有特征。

提出的基于图二次分解的加T特识别算法，针对传统方法中存在的识别效率低，不能有效识别凸出类特征以及不能完全分离出特征子图的问题，通过对模型属性邻接图进行二次分解，最大限度的分离出特征子图，将子图同构变为图的同构降低了算法的时间复杂度，实现了加工特征的识别。算法总体思路，如图I所示。

算法首先获取 CAD模型的表示 B-Rep信息将 CAD模型用属性邻接图的方式表示，然后将 CAD模型的属性邻接图通过二次分解为特征子集后再与加工特征库中的特征原型的属性邻接图进行同构计算，从而识别出CAD模型中的加工特征。

来稿日期：2012-07-14作者简介：郭付龙，(1987～)，男，河南汝南人，硕士研究生，主要研究方向：CAD/CAM；孙根正，(1954-)，男，陕西潼关人，硕士研究生导师，教授；主要研究方向：计算机图形学第5期 郭付龙等：基于图二次分解的加工特征识别算法 57图 1算法总体思路Fig.1 General Idea of the Algorithm2属性邻接图(AAG)的构建2.1 CAD模型属性邻接图的构建CAD模型对精度要求非常严格 ，-般采用 B-Rep模型来表示。-个B～Rep模型可以看成由三种几何信息：面(Surface)、边(Curve)、顶点(Point)以及和它们之间相互联系的拓扑信息共同构成边界表示的基本元素。几何信息与拓扑信息相结合，就可以完整准确的描述出-个三维实体及其在空间中的形状、位置和大校通过提取三维 CAD模型中的 B-Rep信息，将模型用属性邻接图来表示。属性邻接图是-种用于描述零件几何拓扑信息的图结构，定义为图G：< ，E>，其中， 表示结点的集合，对于零件的每个表面 都有唯-的节点与之对应； 表示边的集合，对于零件的每两个相邻表面，、 都有唯-的边与之对应。首先用邻接矩阵来表示属性邻接图中面节点和边的拓扑关系，将所有顶点的信息组织成-个顶点表，利用-个矩阵来表示各顶点之间的邻接关系，然后根据CAD模型的几何和拓扑信息，定义相应的面和边的属性，面的属性信息包括面的类型、面的方向、凹凸性等，边的属性包括边的曲线类型、凹凸性等。边的凹凸性的判断见