数字化设计方法在冲压工艺和模具中的应用

1.特征建模和参数化设计技术

特征建模是几何造型技术的延伸，它是从工程的角度，对形体的各个组成部分及其特征进行定义，使所描述的形体信息更具工程意义。目前，特征建模的实现主要采用交互特征定义、基于特征设计、自动特征识别三种途径。交互特征定义是最简单的特征建模方法，需要预先定义零件的几何模型，然后由设计者交互选取某一形状特征所包含的拓扑实体（面、边等）。该方法需要设计者输入大量的信息，自动化程度较低。基于特征设计是由设计者根据事先定义好的特征库，调用其中的特征，建立产品特征模型的造型方法，产品设计过程即为特征库中特征的实例化过程。由于设计者直接面向特征进行零件的造型，因此操作方便并能较好地表达设计意图。用这种方法建立的特征模型，具有丰富的工程语义信息，为后续过程的信息共享和集成提供了方便。自动特征识别的基本思想是通过将几何模型中的数据与一些预先定义好的样板特征（General Feature）进行匹配，标识出零件特征，建立特征模型。在采用这种建模方法构建的系统中，设计人员首先通过传统实体建模构造出零件的几何模型，然后通过一个针对特定领域的特征自动识别系统从几何模型中将所需的特征识别出来。

三种建模方法各有优势。交互特征定义灵活，能处理已存在的几何实体，但设计者的工作量比较大，智能化程度较低。自动特征识别方法的自动化程度较高，但其识别复杂特征的稳定性还有待提高。基于特征设计的方法对于已经存在大量预定义特征的领域，自动化程度较高。特征模型常采用具有一定工程语义的特征作为基本构造单元来建立产品的信息模型，强调的是产品整体的信息表达，使以往被分离的几何拓扑信息和加工信息有机地结合在一起。

参数化设计技术（Parametric Design）在“约束”概念的基础上引入CAD技术，又称“尺寸驱动”，实际上就是对零件上各种特征施加各种约束形式。传统的CAD技术都是用固定的尺寸值定义几何元素，输入的每一几何元素都有确定的位置，要修改设计内容，必须删除原有的几何元素，而设计过程的主要特点就是反复修改，这给设计过程带来了许多不必要的麻烦，影响了设计效率。在参数化设计技术中，各特征的几何形状与尺寸大小用变量的方式来表示，它可以是常数，也可以是代数式。如果需要修改零件形状时，只要编辑一下尺寸的数值即可实现形状上的改变，不必重新造型。因此，参数化设计技术为初始设计、产品模型的修改、系列零件族的生成、多种方案的比较等提供了强大的便捷手段。

参数化设计通常是指软件设计者为设计及修改模型提供一个软件环境，工程技术人员在这个环境下所生成的任意二维和三维模型可以被参数化。修改图中的任一尺寸，均可实现尺寸驱动，引起相关模型的改变。同时，还需要一些常用的几何图形约束，供设计者在设计时使用。参数化设计的主要技术特点是：①基于特征：将形状特征的所有尺寸保存为可调的参数，设计时通过驱动指定参数来生成特征实体，并以此为基础构造更为复杂的几何形体；②全尺寸约束：设计时必须以完整的参数约束为出发点，不能少约束一个尺寸（即不能欠约束），也不能过定义一个尺寸（即不能过约束），对于几何约束，它是将几何关系和尺寸联合起来考虑，通过尺寸的约束来实现几何关系的约束；③尺寸驱动设计修改：通过编辑尺寸数值来驱动几何形状的改变；④全数据相关：参数的修改将导致其他相关模块中的相应尺寸的全盘更新。全约束的参数化设计技术彻底克服了自由建模方式的无约束状态，几何形状均以参数形式得以控制。

2.智能化设计技术

智能化设计的关键技术包括知识的表达、推理和繁衍等。

（1）知识的表达 工程领域的知识通常以多种形式存在，主要有工程人员的经验、手册、计算公式、工艺卡、产品图样、电子计算表格等。知识表达是指知识符号化并传递给计算机的过程，它包含两层含义：①采用给定的知识结构，按一定的形式组织知识；②解释所表达的知识。因此，相同知识可以根据不同的语义环境有不同的表示形式，产生不同的效果。人工智能问题的求解以知识表达为基础，如何将已获得的知识以计算机系统内部代码的形式加以合理描述、存储、有效利用是知识表达要解决的问题。(www.xing528.com)

目前在人工智能领域中知识表达的方法种类繁多，主要方法有一阶谓词逻辑、语义网络、产生式规则、框架与剧本、事例、面向对象等，其优缺点见表5-8。单独采用一种知识表达方式具有明显的局限性，很难表达复杂、深层次的工程领域知识，几种表示方法结合起来运用则可以取长补短，提高知识表达的能力和效率。

表5-8 知识的各种表达方法

（2）知识的推理 根据知识表达的方法不同，知识的推理方法主要分为基于规则的推理（Rule Based Reasoning，RBR）、基于事例的推理（Case Based Reasoning，CBR）和基于模型的推理（Model Based Reasoning，MBR）。RBR是基于产生式规则进行问题求解，CBR通过修改相似问题的解决方案来求解新问题，MBR采用结构化的深度领域知识求解问题，按照结构—功能—行为的方式描述问题。针对不同应用领域和工程目的智能设计系统，应根据知识推理方法的特点来决定它们的使用，特别是在对带有丰富工程信息的产品模型进行推理时，必须保证推理策略的有效性和完备性。

（3）知识的繁衍 领域知识的含量是衡量智能设计系统解决问题能力的主要指标之一。除了从书本、手册、图样和专家处获取知识外，从海量、复杂和抽象的数据中发现蕴含的知识也是知识获取的重要途径。知识繁衍是指从大量数据中发现新知识、总结新规律、建立数学模型的过程。知识繁衍与数据库知识发现（Knowledge Discovery in Database，KDD）和数据挖掘（Data Mining，DM）的研究紧密结合，是解决CAD/CAE双向集成的主要途径之一。在金属塑性加工领域，有限元分析技术在工艺设计和模具设计中获得了广泛应用，产生了大量结构性差、数据之间内在规律性不强的分析结果，因此，知识繁衍技术的应用主要是从这些数据中挖掘出其中隐含的规律，从而对有限元分析结果提供深层次的解释。

KDD是从数据集中识别出有效的、新颖的、潜在的可理解模式的处理过程。其目标是将数据库中隐含的模式以容易被人理解的形式表现出来，从而帮助人们更好地了解数据库中包含的信息。因此，KDD不同于其他知识获取技术的一个显著特点是，发现的知识必须是领域专家可以理解的。DM技术是KDD的核心部分，是采用机器学习、统计学等多种方法进行知识学习的阶段。