基于空间数据挖掘的复杂型面制造质量特征获取方法研究

加工质量信息的获取、表达、传递和利用是数字化制造的重要内容。本项目对离散数据环境下复杂型面制造质量特征的提取方法以及智能化采样方案中的关键问题进行研究。用空间数据挖掘方法对多尺度下复杂型面的制造质量空间数据的拓扑信息进行描述；提出基于空间数据挖掘的多尺度复杂型面空间特征的辨识方法，实现复杂型面的高效智能辨识；提出基于云模型的检测公差项目制造质量特征知识表达及获取方法，实现定性的知识表示和定量的基础数据之间的相互转换；研究基于曲面制造质量检测空间数据场模型和多维约束优化的离散数据环境下复杂型面智能采样策略，从而高效、准确地获得被测型面的信息。以项目的理论研究成果为核心内容，构建复杂型面制造质量空间信息集成系统，在数字化制造领域能够为复杂型面最优成型进行定性与定量的修正决策提供技术支撑，这对于提升我国航天、航空以及交通等领域的制造水平、推动制造业高端装备的发展具有重要意义。

加工质量信息的获取、表达、传递和利用是数字化制造的重要内容。本项目对离散数据环境下复杂型面制造质量特征的提取方法以及智能化采样方案中的关键问题进行研究。.从点、边、三角面片、型面和体五个层次尺度对STL格式数据所包含的拓扑信息进行提取和重建。基于多核处理器，结合并行Hash表结构和连通图遍历访问算法，提出了多核环境下三角网格拓扑重建方法和一种基于并行无向图结构的离散数据曲面重构方法。通过对并发访问处理方法进行优化，有效提高了计算效率。.以三角网格基本拓扑关系和三角形折叠操作为基础，构造了离散曲面连续多细节层次(LOD)模型，实现了离散数据环境下多尺度网格模型间具有拓扑保持性的平滑过渡。利用STL格式数据在高斯映射图像中所体现出的统计规律，将快速聚类法和Gauss-Newton法相结合，对多种曲面进行了识别与分类，并确定其特征参数。.成组型面是零件几何特征设计中的重要内容之一。基于特征检索理论与方法，利用STL格式数据子集的曲面局部微分特性，构建了欧氏距离-曲率表达矩阵及矩阵间的差异性度量方法，实现了数据子集有效的聚类归集。通过构造一种基于局部曲率约束的迭代最近点(ICP)数据匹配算法，对聚类归集后的数据子集进行了参数判定。.系统地研究了云理论应用于制造质量空间关联规则挖掘的理论和方法。在检测数据的非完备性及其误差随机性的基础上，通过构建基于云模型和黄金分割率的属性空间软划分方法，实现了定性的知识表示和定量的基础数据之间的转换；在经典Apriori算法基础上，提出基于云理论的一种制造质量空间关联规则提取方法，并通过试件实验证明了该方法的可行性和有效性。.针对离散数据环境下空间型面数据的构成特点，通过构建考虑局部曲率和表面结构参数的空间型面云模型，提出了基于多维约束云模型相似性评价的空间型面采样布局策略。采用该方法对零件表面模型进行模拟采样点分布，验证了该方法在离散数据环境下对提高采样点布局效率的有效性。.以项目的理论研究成果为核心内容，构建了型面制造质量空间信息集成系统的功能框架，开发了部分软件功能。本项目的理论研究在数字化制造领域能够为复杂型面最优成型进行定性与定量的修正决策提供技术支撑，这对于提升我国航天、航空以及交通等领域的制造水平、推动制造业高端装备的发展具有重要意义。