面向細長面特征的自動數控編程方法研究＊

柳大坤 方喜峰② 王 楠 張勝文② 王 沾 徐精英

（①江蘇科技大學機械工程學院，江蘇 鎮江 212100；②江蘇省先進制造技術重點實驗室，江蘇 淮安 223003）

細長面是一種特殊的平面特征，廣泛存在于模具、柴油機機架與箱體類零件中，其長寬比值通常大于5[1]。目前，細長面的編程的方法主要分為手工編程和CAM（computer aided manufacturing）軟件自動編程兩種。手工編程因編程易出錯、計算偏差大和編程強度高等原因已逐漸被企業所摒棄[2]。商業CAM 軟件自動編程的方法雖然能夠完美解決手工編程存在的這些問題，但現有的商業CAM 軟件的平面刀軌規劃算法并不能完全合理地規劃細長面特征的刀軌路徑，所生成的刀軌不僅有多余的非切削移動，而且切削刀路也并非最優，導致切削質量和效率得不到保證，如圖1a 所示。對于部分企業Z軸傳動系統誤差較大的龍門銑床，大量非切削移動以及頻繁抬刀容易在切削表面產生接刀痕跡、影響表面質量的同時大大降低零件加工效率[3]。事實上，細長面理想刀軌精銑特征時可一刀成形[4]，如圖1b 所示。理想的細長面刀軌形狀相似于細長面幾何特征中軸線，相較于CAM 軟件直接生成的刀路，理想刀路僅一次抬刀，幾乎不含非切削移動，因而加工質量和效率更好。

圖1 細長面特征示意圖

建立細長面理想刀路的方法有兩種，第一種是編程人員在加工面內構建類似中軸線的參考線作為CAM 銑削的刀具軌跡，但這種方式工作量大，且刀軌質量難以保證。第二種方式是通過特征提取方法提取出細長面中軸線作為刀具的參考軌跡，但目前在CAD/CAM 環境中還未實現。

近些年來，數字圖像處理技術因易于從圖像中提取出物體的形狀、拓撲特性與關系結構等幾何要義被視為一種重要的特征提取方法并被廣泛應用于工業領域[5]。Elber G 等[6]應用圖像中軸變換提出了一種面向型腔特征的刀軌路徑生成方法，支持自由形狀輪廓型腔的刀軌自動生成。Chen Z C 等[7]提出一種基于圖像中軸變換的型腔銑削刀具選擇及其數控刀軌路徑的優化方法，有效提高了型腔粗加工時的加工效率和材料去除率。徐昌鴻等[8]基于圖像中軸變換算法提出一種加工特征相似評價方法。該方法將二維槽腔特征圖像中軸線與刀具的幾何屬性和切削屬性相關聯并以此作為特征相似性的評價因子，為后續的相似特征的工藝重用提供了理論依據。Huang R 等[9]利用型腔中軸來確定加工區域刀具的可移動范圍，用于實現相似特征刀具的重用。

為了優化細長面刀路、改善CAM 平面銑削策略的不足和減少NC 代碼中的冗余信息，本文保留了CAM 編程優點的同時結合數字圖像處理中軸變換在特征提取與處理方面的優勢，提出了一種適用于零件細長面特征的自動數控編程方法。

1 細長面特征自動數控編程系統結構

圖2 所示為向細長面特征的自動數控編程方法流程，主要包括零件MBD 模型預處理、刀具參考軌跡提取與優化和NC 代碼生成3 個模塊。

圖2 面向細長面特征的自動數控編程方法流程

（1）零件MBD 模型預處理。該模塊主要包括導入模型、特征識別、數控工藝信息獲取和加工特征抽取。

（2）刀具參考軌跡提取與優化。該模塊主要包括圖像特征信息獲取與處理、細長面特征圖像中軸線提取、中軸輪廓線像素點集排序以及中軸輪廓線分段擬合。

（3）NC 代碼生成。該模塊主要包括擬合曲線投影、加工參數與參考路徑設定、刀軌生成與幾何仿真以及后處理。

2 零件MBD 模型預處理

MBD（model based definition）是一種通過信息標注的方式進行三維實體模型產品定義的方法，以實現CAD/CAM 的高度集成[10]。在CAM 環境中，MBD 模型中包含了數控編程所需的工藝信息，需要對導入的模型進行預處理以提取特征的幾何信息和工藝信息。首先，通過特征識別算法[11]識別、定位到細長面特征，用識別結果調用預先編寫好的API 用于獲取零件的幾何特征信息；其次，獲取零件MBD 模型中PMI（product message information）所標注的數控工藝信息作為CAM 操作加工參數數據源；最后，將待加工的零件細長面特征抽取成片狀面特征，如圖3 所示。該步驟旨在保證刀具參考軌跡提取與優化模塊中生成的特征圖像不含其他無關的特征信息。

圖3 抽取面前后特征對比

3 刀具參考軌跡提取與優化

3.1 圖像特征信息獲取與處理

3.1.1 圖像二值化處理與區域填充

細長面特征圖像是本方法中傳遞加工特征幾何信息的重要載體，是開展工作的基礎。

在導出細長面特征圖像之前，應調整細長面法線方向與顯示器屏幕法線共向，從而保證導出圖像特征與原特征的一致性[4]。擺正特征面視圖方向后，調整視圖的大小并導出細長面特征圖像。通常，細長面特征越復雜，導出的圖像尺寸應越大，圖像所包含的特征像素點應越多。

3.1.2 圖像二值化處理與區域填充

中軸變換是在二值圖像上進行的，CAD（computer aided design）環境下生成的是真彩色特征圖像，并不能直接被使用，需要轉換為二值圖像（由像素值為0,1 的像素點構成），如圖4a 所示。此外，由于細長面特征中常常含有孔、槽和凸臺等子特征（圖3a）導致抽取特征后得到的面內產生若干個封閉的環，致使細長面特征圖像出現一些空洞區域，如圖4a 所示。空洞區域會嚴重影響中軸變換算法的性能、降低提取的中軸輪廓線的質量[12]。因此，本文采用圖像區域填充的方法來處理細長面二值圖像中的空洞區域，經過區域填充后的細長面二值圖像如圖4b 所示。

圖4 圖像區域填充前后對比

區域填充的具體步驟如下：

步驟1：檢測二值特征圖像的空洞區域；

步驟2：對空洞區域進行填充處理并檢測是否仍然存在空洞區域，若檢測結果顯示空洞區域不存在，則區域填充結束；若存在，則進入步驟3；

步驟3：對空洞區域繼續填充，完成后返回至步驟1 繼續檢測，直至所有空洞區域均被填充完畢。

3.1.3 計算坐標變換矩陣

坐標變換矩陣是將優化后的二維參考加工線正確投影至三維環境零件細長面特征的關鍵條件。計算投影矩陣W至少需要確定二維與三維環境中3組點對應的映射關系。假知3 組點的映射關系如下

由映射關系可確定公式（1），根據公式（1）可以確定坐標變換矩陣W。

本文提出一種基于圖像邊緣檢測算法與CAD系統（CATIA、NX、ProE 等）提供的API 相結合的坐標變換矩陣計算方法，可實現坐標變換矩陣W的自動計算，計算流程如圖5 所示。

圖5 計算坐標變換矩陣流程

計算坐標變換矩陣的步驟具體內容如下：

步驟1：在三維特征環境下，創建特征面的最小矩形包容面，如圖6 所示；

圖6 特征面最小矩形包容面

步驟2：讀取矩形包容面的4 個頂點坐標；

步驟3：導出最小包容面圖像，并將圖像二值化處理；

步驟4：利用圖像邊緣檢測算法[13]提取最小包容面圖像的矩形輪廓,讀取輪廓頂點坐標；

步驟5：利用公式（1）計算二維圖像和三維特征的坐標變換矩陣W。

3.2 提取圖像中軸輪廓線

中軸輪廓線又稱骨架，是目標圖像幾何形狀的重要拓撲描述。中軸輪廓線由單個像素點構成、可以有效地反映出原物體形狀的連通性和拓撲結構[14]。

圖像中軸輪廓線是圖像細化的產物，現有圖像迭代細化算法眾多，本文主要參考了K3M 算法[15]。經過該算法多次迭代，原始圖像就會被逐漸細化，直至剩下最后寬度為1 個像素點的圖像中軸，如圖7 所示。

3.3 點集排序

遍歷中軸線圖像，得到無序中軸線像素點坐標集S，S={Pi=(xi,yi)|i=1,···,N}。其中Pi為中軸線像素點在圖像中的坐標值。無序像素點集無法被直接用于進行分段擬合，需要進行排序處理。本文通過點云排序算法對像素點集排序[16]，排序主要思想是從點云中隨機選取兩個空間距離最近的點確定排序起始點和排序搜索方向，當該搜索方向的所有點排序完成后再按照搜索方向的反方向進行排序。

3.4 中軸輪廓線分段擬合

圖8a 所示為部分中軸輪廓線，該輪廓線是由兩兩像素點構成的線段所拼接而成。過密的線段導致參考中軸輪廓線形成的加工刀軌不平滑，造成機床頻繁變速，嚴重影響加工的質量和機床的壽命[17]。因此，有必要對中軸輪廓線進行光滑優化處理。

由于中軸線輪廓點分布較為規律，曲線分段點兩側像素點坐標分布情況差異巨大，如圖8b 所示。細長面中軸輪廓線的幾何形狀可簡化為由若干個直線段組合而成。所以簡化處理可視為先分別確定輪廓線的各段直線，再拼接成完整的輪廓。然而，現如今并沒有通用的分段擬合算法，主要原因在于難以準確地確定曲線的分段點。

圖8 中軸輪廓線點（部分）

霍夫變換（hough transform,HT）利用點線的對偶性，將圖像空間中的直線變換到參數空間中，是目前實現直線檢測最常用的技術之一[18]。本文參考霍夫變換中直線檢測思想，結合細長面中軸線特性確定了一種確定細長面中軸輪廓線分段點的方法，方法的主要流程如圖9 所示。

圖9 確定曲線分段點流程圖

確定中軸線分段點的具體步驟如下：

步驟1：從排序后的中軸線點集S 中順序抽取K個點（K∈N*），構建二值圖像Pic1；

步驟2：應用HT 直線檢測方法提取Pic1中的直線并計算直線的長度L1；

步驟3：令K=K+1；構建二值圖像Pic2。相較于Pic1，Pic2增加了1 個像素點；

步驟4：再次檢測Pic2中的直線，并計算長度L2；

步驟5：判斷L2和L1值的大小，如果L2＞L1,說明第K個點是直線點，而不是分段點，返回至步驟3；若不滿足L2＞L1，說明該點不參與構成直線，是分段點，進入步驟6；

步驟6：得到分段點為第K個點，保存該點的序列數以及提取直線的信息。

通過上述方法可以找出中軸輪廓線的所有分段點，進而可以確定經過直線簡化后的刀具參考加工路徑。

4 NC 代碼生成

通過坐標變換矩陣W將擬合后的中軸輪廓線投影至原特征面，如圖10a 所示。選取投影線作為CAM 模板的參考加工軌跡，調用MBD 模型中工藝信息設定CAM 模板切削參數，計算出實際加工刀軌，如圖10b 所示。

圖10 參考軌跡與生成刀軌

通過幾何仿真測試生成刀位文件的可靠性，若測試結果符合設計要求，調用PMI 中預定后處理器將刀位文件后處理成NC 代碼；若測試結果不符合要求，出現了干涉、漏切等問題，主要原因在于提取的細長面圖像尺寸較小，導致圖像特征像素點過少，從而影響了提取的中軸線的質量，應增大導出的特征圖像尺寸直至刀位文件滿足要求。

5 實例驗證

本文以NX8.5 為開發平臺，依托NX 二次開發技術，以VisualStudio2010 和 MATLAB2016 為開發環境，通過C++語言開發出了面向細長面特征的自動數控編程系統。該系統可實現零件MBD 模型數控信息的自動讀取、加工特征的獲取與處理、參考刀軌的自動提取與優化、數控程序與NC 代碼自動生成等功能，如圖11 所示。

圖11 細長面自動數控編程系統

實例驗證選取船用柴油機關鍵件的17 組細長面作為驗證對象，測試結果表明，該系統對于細長面數控編程的正確率達到了94%，部分案例刀軌如表1 所示。圖12 為Vericut 仿真測試兩種方法生成的部分特征NC 代碼的仿真切削時長對比結果，相較于NX 平面銑策略生成的NC 代碼，本方法生成的NC 代碼平均縮短了近65%的加工時間。

表1 部分測試案例

圖12 切削時長對比

6 結語

為了解決細長面手動編程效率低、CAM 編程刀具軌跡冗余度高等問題，本文提出了一種面向細長面特征的自動數控編程方法。該方法首先從MBD 模型獲取加工特征的全部信息；然后經過一系列圖像處理步驟獲取到細長面刀具參考加工軌跡并驗證生成了NC 代碼。為驗證該方法的可行性，開發出了基于該方法的原型系統。實例測試結果表明，與傳統CAM 編程相比，該方法有效地減少了人機交互次數和NC 代碼的冗余信息并顯著提高了細長面數控編程效率。