航空发动机机匣加工特征的混合式分割识别算法

张宇航 孙玉文 徐金亭

1.大连理工大学机械工程学院,大连,1160242.大连理工大学汽车工程学院,大连,116024

0 引言

航空发动机机匣是先进航空发动机的关键核心部件,其内部承载着发动机涡轮叶片等关键部件,外部连接着各种复杂的航空发动机附件系统,机匣周向分布着岛屿、凸台、筋肋、腔槽等复杂特征,特征间的相对关系复杂,数控编程难度大。数控编程过程中需人工设置大量参数和创建大量辅助几何,导致数控编程工艺人员存在大量重复工作,效率低[1]。特征识别可以快速提取特征的几何参数信息,从而将设计信息转化为制造工艺信息。自1970年以来一直有学者致力于特征识别的研究[2],主要是基于图的特征识别方法和基于深度学习的特征识别方法。

基于图的特征识别方法目前研究最多,JOSHI等[3]首次提出属性邻接图(attribute adjacency graph, AAG)的概念,通过去除所有被凸边包围的节点,将AAG分解为子图,通过图匹配算法,实现孤立特征的识别。谢飞等[4]提出了加权属性邻接图,利用改进的子图同构算法和特征判定规则实现简单相交特征的识别。SUNIL等[5]提出对图进行二次分解的识别方法,从而分离出特征子图。张生芳等[6]通过获取模型栅格高度点云数据,结合高度中值对特征矩阵进行二值化,实现了角盒类零件型腔特征的识别,通过对底面和壁面的关联属性进行剪枝,从而加快图匹配算法。子图匹配算法和图匹配算法都存在识别速度慢且需要大量的特征库的问题。刘晓军等[7]基于主加工面,通过分析特征的特点,实现了板腔类零件加工特征的识别。鲁泳等[8]通过在属性邻接图中增加多种属性,依赖刀轴方向和面的类型选择种子面,然后基于种子面进行扩展,实现飞机结构件加工特征的识别。基于种子面建立特征分解算法存在对部分相交特征考虑不全的问题。GAO等[9]提出了建立虚连接的生成算法,并根据特征痕迹得到最小条件子图,通过预定义特征和启发式规则实现特征识别,解决了相交特征导致的图拓扑关系消失的问题,但是存在多余的虚连接。付鹏等[10]提出了基于边环属性邻接图的特征识别方法,通过多环判定和混合环判定,建立基面链表,以边环为基础进行属性邻接图的分解,通过判断基面的相对位置判定相交特征凹凸性。

以上方法能够对简单相交特征进行识别,但对于复杂相交特征识别还存在一定的问题。近些年来有许多学者通过深度学习对加工特征进行识别。ZHANG等[11]通过将零件分解为体素,通过分水岭算法实现相交特征分割,建立了三维卷积神经网络实现特征识别。SHI等[12]在获得零件的六个方向的视图后,通过目标检测算法得到单个方向上的特征的边界框,然后对六个方向上的边界框进行合并得到最终的特征识别结果。ZHANG等[13]对零件每一个面进行采点,获取面的位置坐标和法向量作为输入参数,通过实例分割、语义分割、底面识别三个模块实现相交特征的识别。受样本数量、特征分割方法和输入参数完整性的限制,基于神经网络的方法对实际模型的应用存在一定的问题。

航空发动机机匣零件上存在大量的相交特征和曲面特征,导致传统的方法无法对其进行有效识别。本文提出了一种融合启发式与规则的混合式特征分割算法实现对机匣零件的加工特征的识别。

1 属性邻接图的构建

实体模型常用的表示方法为边界表示法(boundary representation, B-rep),这种表示方法在Parasolid内核中将实体由下层到上层划分为点、边、翼、环、面、壳、体七层拓扑实体。JOSHI等[3]首次在此基础上提出属性邻接图的概念,根据边界表示,模型中面作为图中的节点V,面之间的相交边作为节点间的连接的边E,形成一张无向图。为了进行特征识别,还需要将面和边的几何特性和连接关系作为节点V和边E的属性信息P,属性邻接图表示为G={V,E,P}。

在零件的属性邻接图中,边的凹凸性是实现特征识别的关键信息之一,边的凹凸性的判断方法[14]如图1所示,对于两个相交面F1和F2,在交边E上选择一点P的切平面作截面,获得两面的夹角α,当α>180°时边E为凸边,当α<180°时边E为凹边,当α=180°时E为过渡边。边凹凸性的具体计算为:获得面F1和面F2在交线点上的法线方向N1和N2,以及点P在边E上的切线方向Ne,Ne在面F1上满足右手螺旋定则,通过计算N2×Ne与N1之间的夹角α1,当α1取值为(0°,90°)时,边E为凸边,当α1取值为(90°,180°)时,边E为凹边,当α1=90°时,边E为过渡边。对于曲面构成的过渡边,建立交边上P点的法平面,获得与曲面的交线。通过判断交线在点P处的凹凸性,若存在一条交线在点P处为凹,则判断为凹过渡边,否则为凸过渡边。

(a)凸边 (b)凹边

2 特征识别流程

2.1 过渡特征的识别

由于过渡特征能够减小应力集中,同时可以使零件外形更加美观,因此在发动机机匣零件中存在大量的过渡特征,但是大量的过渡特征会增加特征的拓扑层次,使特征识别变得异常困难。对过渡特征进行识别和抑制可以简化特征识别算法并提高特征识别的准确率。机匣零件中使用的过渡特征多为圆角和倒角特征。

圆角特征识别方法为:首先提取存在两条以上过渡边的曲面,判断面在U/V方向上的曲率半径是否变化以及曲率半径是否超过圆角阈值,从而实现U向圆角和V向圆角的判断。若查找存在平行边且边所在的凹凸角大小相同、凹凸角的取值范围在(180°,270°)的平面,即可通过判断倒角大小是否满足阈值条件来识别对称倒角。过渡特征识别完成后,将圆角的过渡边和倒角凹凸角相同的平行边连接的面相互之间建立连接,从而移除过渡面,得到简化属性邻接图(simplified attribute adjacency graph, SAAG)。过渡特征识别结果如图2所示。

图2 过渡特征识别结果

2.2 孔特征识别

发动机机匣零件中存在大量的孔特征和内型面特征。由于孔特征结构中的孔面较为特殊,因此容易建立孔特征的识别算法[15-16],且孔特征识别后不易对其他特征识别产生影响。通过面的类型可以提前识别出所有的孔特征和内型面特征。识别方法为:首先找到面的类型为圆柱面和圆锥面的凹特征面,然后判断特征面的回转角度是否大于180°,将回转角度大于180°的面作为孔特征面,然后将与孔特征凹连接且连接边的类型为曲线的特征面作为孔特征底面。所有孔特征识别结束后,标记特征面,同时将不存在底面的孔特征识别为通孔,将存在底面的孔识别为盲孔。通过将底面作为连接条件,判断一个孔特征的孔面是否与另一孔特征的底面相连,若两个孔特征的特征面之间存在连接关系且孔面轴线相同,则将两个孔合并,同时将特征类型改为阶梯孔特征。对于孔面直径大于一定值的孔特征,将特征类型设定为内型面特征。孔特征识别结果如图3所示。

(a)内型面特征

2.3 可加工性分析

对于存在种子面的加工特征,特征的种子面通常为主要的加工面,需要满足可加工性条件,即特征面可以通过刀具垂直加工,因此将面的可加工性作为种子面选择的依据之一,从而得到正确的特征种子面。面的可加工性的判断方法为:通过在面上五点采样,对面上采样点沿法线方向作射线判断是否会和其他面产生干涉,对于不存在可加工点的面,在特征分解后不将其作为种子面。判断面上一点是否会与其他面产生干涉的方法为:通过沿面一点,沿着法线方向作射线,判断是否会和其他面产生交点,将首个交点位置的距离与加工安全距离进行对比从而得到面的可加工性。面的可加工性在特征种子面的选取中具有非常关键的作用,特征种子面选择的正确性直接影响特征识别结果以及特征合并的效果,面的可加工性如图4所示,红色的面定义为不可加工面。

图4 面的可加工性

2.4 可见性分析

若完整的属性邻接图包含的节点数量过多,会导致特征识别算法的时间复杂度太大,为了提高特征识别算法的效率,常用的方法是通过凸分解[17]获得最小属性邻接图(minimum attributed adjacency graph, MAAG)。凸分解通过断开属性邻接图中的凸边,将其分解为多个子图。但是相交特征的存在会导致两个特征共用一个相同的面,使得凸分解得到的子图存在多个相交特征,为了分离相交特征,需要判断特征面互相之间是否可以共同构成一个特征。凹特征的特征面通常互相之间相对可见,因此引入可见性作为凹特征添加特征面的条件。可见性的判断方法为:通过五点采样判断面之间的可见性,对于不为凹连接的面,计算面上点到另一面上点的方向与当前点在面上的法线方向的夹角θ,θ小于90°则判断为可见,两个面互相之间都满足可见性条件时两个面判断为可见,如图5所示,面F1与F2、F3、F4、F5都不可见。

图5 面之间的可见性分析

2.5 特征分割算法

首先对已经去除过渡特征的SAAG进行凸分解,得到最小属性邻接图MAAG。然后从最小属性邻接图选择凹连接数量最多的可加工面作为相交特征识别初始面Fs,将与初始面Fs相连的面作为特征分解的起始面,所有的起始面构成起始面集(initial face set, IFS),IFS={Fs1,Fs2,…,Fsn}。接着根据起始面集合中面的类型和相互之间凹凸连接关系,从起始面集中选取一组面作为扩散的起始面。最后根据凸扩散和凹扩散的不同约束条件添加特征面,从而得到独立的凸特征和凹特征。特征分解的整体流程如图6所示。

图6 启发式特征分解流程图

凸特征分解是首先从IFS中查找曲率半径不超过预设值的凸面,或者互相之间为凸连接关系的面,构成凸特征面集合(convex feature face set, CVFS),将与其相连的凹面作为凸特征底面。然后通过凸边扩散的启发式搜索条件在MAAG中搜索特征面。凸边扩散的启发式搜索条件为:特征面满足与CVFS中的一个或多个面凸连接,并且与至少一个底面凹连接且不与任意底面凸连接。扩散结束后,将该特征面集作为凸特征的起始面集。接着查找特征顶面,特征顶面为可加工面,并且满足与特征面只为凸连接,以及不与底面凸连接。确定特征顶面后,添加满足条件的特征面和特征底面。若未找到凸特征顶面,则判断CVFS是否存在凸角连接,凸角定义为存在三个面之间互相凸连接,当都不满足时,不将其识别为凸特征,构成凸角的特征如图7所示,面F1、F2、F3构成凸角。最后选择可加工的特征面作为种子面,将与特征面凸连接数量最多、面的面积最大作为凸特征种子面选择的条件,得到凸特征的种子面。

图7 特征中凸角

凹特征分解是首先从IFS中提取出互相为凹连接且相互可见的面,构成凹特征面集(concave feature face set, CCFS)。然后通过凹边扩散的启发式搜索条件在MAAG中搜索特征面,凹边扩散的启发式搜索条件为:将与特征面凹连接的面添加到临时面集(temporary face set, TFS)中,判断其与CCFS中的面是否满足可见性条件,并且计算面之间中心点的距离,然后判断TFS中的面是否互相可见,不可见面之间优先选择不为凸特征的面、未定义的面以及到CCFG距离最近的面。扩散结束后,选择可加工的特征面作为种子面,将与特征面凹连接数量最多、面的面积最大作为凹特征种子面选择的条件,得到凹特征的种子面。添加与种子面凹连接且与其他特征面存在连接的面。部分特征(如通道)可能不存在种子面。

起始面集IFS中可能还会存在不与其他面连接的面,首先提取出其中一个未识别的面为扩散起始面,通过将IFS中与其可见的凹特征面添加到一个凹特征面集CCFS中,然后在MAAG中根据之前凹边扩散的启发式搜索条件进行扩散,扩散结束后选择种子面,从而得到孤立的凹特征。重复以上步骤,直到得到所有的孤立特征。

2.6 特征合并

由于相交特征的存在,会导致部分特征被分解为多个特征的问题。因此将种子面作为驱动条件对特征进行合并。对于凸特征,首先判断种子面是否相同,然后检测特征面之间是否存在连接,存在连接关系则将两个凸特征合并。对于存在种子面的凹特征,判断两个凹特征的种子面是否可以合并为一个面,并且特征面之间相互可见,并且种子面之间的最近距离满足阈值条件,则将两个凹特征合并。对于不存在种子面的凹特征,判断两个特征的特征面是否存在连接,存在则将两个特征合并。对于图8所示的零件,通过特征合并可以将四个独立的特征合并为一个特征,从而保证特征识别结果的准确性。

图8 特征合并实例

3 特征识别算法

通过特征分割和特征合并得到了独立的特征,虽然图同构算法可以对独立特征进行识别,但是由于实际零件特征面多变,因此需要大量的特征库,图同构算法的识别速度较慢,并且存在特征拓扑结构相同而导致特征识别的准确率下降的问题。由于在特征分割后,已经根据特征的拓扑信息和几何信息确定了特征的种子面,故通过对相同特征面进行合并,以种子面作为参考提取出特征的拓扑和几何参数,可以更快速地对特征进行识别。由机匣零件提取的特征参数信息如表1所示。

表1 特征参数定义

特征分割后将特征分为凸特征和凹特征两大类,在特征参数的基础上,对不同特征的拓扑结构和种子面几何尺寸进行判断,通过建立特征识别规则,将凸特征识别为凸台和筋板,凹特征识别为型腔(普通型腔和开口型腔)、台阶(通台阶和盲台阶)、凹槽、通道(普通通道和开口通道)。特征识别规则如下:

(1)判断是凹特征还是凸特征,凸特征转步骤(2),凹特征转步骤(3);

(2)判断凸特征起始面集是否都成为或都不成为凹特征面,是则判断为凸台特征,否则判断为筋板特征。

(3)判断凹特征是否存在种子面,不存在则转步骤(4),存在则转步骤(5);

(4)判断特征面是否成环,成环则为通道特征,不成环则为开口通道特征;

(5)判断特征面构成链的数量,数量为1转步骤(6),数量为2转步骤(7),大于2转步骤(8);

(6)判断特征面是否成环,成环则判断为型腔特征,不成环则转步骤(9);

(7)判断特征面是否都和种子面相连,不是则转步骤(10),否则转步骤(11);

(8)对特征面构成链的数量大于2的统一判断为开口型腔特征;

(9)判断特征面数量,数量大于2则判断为开口型腔,等于1则判断为通台阶特征,否则转步骤(12);

(10)判断特征面是否存在连接环,存在则判断为开口型腔特征,否则判断为开口通道特征;

(11)判断种子面面积除以最长边的平方是否大于阈值,大于则判断为筋板特征,否则判断为凹槽特征;

(12)判断种子面非内环凸边数量,大于2则判断为通台阶特征,否则判断为盲台阶特征。

4 实例验证

将当前提出的方法通过VS2015在Siemens NX11上进行实现,并对航空发动机机匣零件进行识别验证,通过航空结构件验证该算法的扩展性,零件模型如图9所示。对测试机匣B进行测试,部分特征识别结果如图10所示,该零件识别的特征包括凸台、筋板、凹槽、台阶、型腔、开口型腔和内型面等,其中部分特征的特征参数如表2所示,特征参数顺序与表1特征参数定义中的特征序号相对应。

表2 特征参数与识别结果

(a)航空结构件

(a)凸台 (b)型腔

对不同的零件进行测试,得到特征识别的零件信息和识别准确度如表3所示。该算法可以将相交特征有效分离,并且准确识别特征类型,在保证机匣零件特征识别准确性的同时可以对结构件中相同的特征进行有效识别。算法识别准确率达到98.83%,但是模型建模过程中存在部分缺陷面,导致识别结果中存在以缺陷面为种子面而产生的多余特征。特征识别耗时如表4所示,测试显卡为RTX3050Ti,CPU为AMD Ryzen 7 5800H。单个面的平均耗时为5.57 ms。该算法能够实现发动机机匣等复杂零件的加工特征快速识别,识别耗时主要花费在零件拓扑信息获取和特征合并过程中,随着特征数量的增加,特征合并花费时间的占比增大。

表3 测试零件信息及特征识别结果

表4 特征识别各阶段耗时

5 结论

本文提出了一种新的启发式特征分割方法用于实现航空发动机机匣中曲面特征和复杂相交特征的识别。测试结果表明,识别准确率达到98.83%,解决了传统算法难以对相交特征和曲面特征识别的问题,能够实现快速准确识别机匣零件的加工特征。

本文提出的特征参数主要面向航空发动机机匣零件上的加工特征,但是特征识别结果依赖于提取的特征参数,因此如何根据特征提取出更多有效的特征参数将会是下一步研究重点。