工艺语义驱动的铣削类零件加工特征识别技术

为满足企业对三维工序模型的需求，提出在工艺语义的驱动下，运用证据理论实现二维工序图的特征识别。将识别过程分为搜索潜在特征和对潜在特征进行验证两个阶段。根据当前工艺语义的加工特征的特点，在工序图中获得潜在特征。运用证据理论对潜在特征进行验证，当潜在特征对当前工艺语义特征的信任度最高时，表明该特征即为当前加工特征，对特征相交的情况通过启发式算法来确定其特征基面。以某一零件加工工艺为例，验证了该方法的可行性和有效性。     

特征组合、工艺排序决策法研究

提取零件的输入特征信息，通过特征组合成组合特征单元，对组合特征单元进行编号，并根据工艺规则，工艺数据库和资源库对组合特征单元进一步进行分解成可作为加工工序的特征组合元。根据工艺规则，资源库，工艺数据库，对组合特征单元进行排序，即进行工艺决策。     

基于特征的三维建模技术的研究

首先介绍了特征设计的相关概念，然后论述了特征的定义及分类。着重讨论了特征的描述方法及其模型的数据结构，并对形状特征中局部特征的B—rep方法做了改进，同时对Pro／Enginee。系统建立的零件特征进行了分析。     

核函数主元分析及其在故障特征提取中的应用

提出了基于核函数主元分析的故障特征提取方法。该方法利用计算原始特征空间的内积核函数来实现原始特征空间到高维特征空间的非线性映射。通过对高维特征数据作主元分析，得到原始特征的非线性主元．以所选的非线性主元作为特征子空间，并应用转子试验台的故障数据对该方法进行了检验。结果表明，核函数主元分析更适于提取故障信号的非线性特征，它提取的故障特征对故障具有更好的识别能力，并对分类器具有较强的鲁棒性。     

基于油液-振动多维特征与PSO-LSTM的齿轮箱磨损状态监测

针对单独从振动特征、油液特征对齿轮箱进行磨损状态监测存在特征维度单一、准确率低的问题，提出基于油液-振动多维特征与粒子群优化算法-长短时记忆神经网络(PSO-LSTM)的齿轮箱磨损状态监测算法。对铁谱图像进行预处理，提取磨粒浓度特征、磨粒个数特征，对振动信号进行小波阈值去噪，并提取时域特征，得到油液振动十四维特征作为LSTM模型的输入；采用粒子群优化算法对LSTM模型进行参数寻优。实验验证：使用油液振动十四维特征的PSO-LSTM模型的识别准确率要优于单独使用振动和油液特征的PSO-LSTM模型，PSO-LSTM模型对于油液振动十四维特征数据的识别准确率全面优于未经优化的LSTM模型。     

基于UGII的二次开发中特征的分类和描述

通过对特征的分析，将UGII中的特征进行了分类，指出用于描述几何形状信息的形状特征是所有其它特征信息的载体，也是最重要的特征，并介绍了基于UGII的专用CAD系统开发过程中特征的识别方法，以及利用面向对象技术对UGII中的特征进行描述的方法。     

夹具特征表达方法研究

研究夹具特征的表达方法，给出特征及夹具特征的定义，参照ＳＴＥＰ中的特征模型，对夹具特征进行分类，研究特征体素、夹具特征的知识化表示方法，讨论夹具特征库的建立。     

特征技术研究综述

从特征定义与分类，特征识别、特征建模，特征表达，特征映射以及特征数据库模型６个方面对特征技术的研究进行综述。     

基于图的特征识别中体特征的生成方法

提出了一种把特征面表示转换成特征体表示的新方法，该方法首先利用特征面表示的几何信息与拓扑信息对相交特征的边界进行恢复，并对相关特征面进行适当的延拓构造特征的壳体；然后根据特征的加工顺序，用特征壳体逐次分割毛坯去除体，进而得到加工特征体表示。这种方法对任意类型的特征均可统一处理。     

滚动轴承故障特征选择的Filter与改进灰狼优化混合算法

为了从原始高维特征空间中选择最具鉴别能力的特征，提高轴承故障诊断精度，提出了一种Filter与改进灰狼优化混合的故障特征选择算法。首先，针对滚动轴承的原始振动信号，利用一种基于Hilbert-Huang变换的时频域特征提取策略建立高维敏感特征集合。然后，通过由ReliefF算法与拉普拉斯分数构成的混合Filter方法对原始特征集合进行相关性评估并快速筛选重要特征，从而完成特征集合的一次预选。最后，引入改进灰狼优化算法对预选特征集合进行二次筛选，实现冗余特征去除的同时，完成对支持向量机模型参数的优化。利用旋转机械振动试验台获取故障轴承数据进行了验证，试验结果表明，该方法显著提高了分类器模型的诊断准确率，有效实现了故障数据集的特征降维，并且与同类方法相比，所提方法具有更好的综合性能。     

基于特征相关性和冗余性分析的机械故障特征选择研究

从特征相关性和冗余性的定义出发，利用特征与类别间的互信息对特征相关性和冗余性进行了度量，提出了一种基于特征相关性和冗余性分析的特征选择方法。数值仿真和柴油机故障特征选择实验结果表明，新方法可以快速、有效地求得优化特征集，是求解特征选择问题的一个较好方案。     

面向对象的零件特征类库建设 

特征技术是实现ＣＡＤ／ＣＡＭ集成的重要手段，特征也已成为设计与制造过程中的通讯媒介。但是特征的定义，特征的分类与提取，特征的表达策略以及特征的组织方式等一系列的问题，则是特征技术走向应用的关键性的一步。本文对这些问题进行了深入的研究，提出了面向对象的知识表达方法表达特征类，并用Ｅｘｐｒｅｓｓ信息建模语言建造了特征类库，从而为基于特征的产品建模及其他各系统提供了可用特征资源。     

面向集成制造系统的零件特征建模技术

分析了集成制造系统不同应用领域对特征信息的需求，总结了应用特征归纳的原则，研究了特征信息及尺寸公差信息的描述内容和方法，进一步建立基于特征的零件信息模型     

轴的参数化绘图

以特征链的方式描述了轴的数据结构，其中特征主要包括形状特征、精度特征及辅助特征，实现了轴向尺寸自动标注及形位公差自动标注，并对尺寸驱动和自动参数化绘图作了探讨。     

二维特征造型系统开发

对二维特征造型方法进行了研究，介绍了二维特征造型系统的开发过程，以支持CAD／CAPP的集成。采用的方案是特征设计和特征识别相结合，选用形状特征设计，再进行精度特征识别，以得到完整意义上的特征。     

二维特征造型方法的研究

本文根据实际需要对二维特征造型方法进行了研究，目的是改造传统CAD系统，以支持CAD/CAPP的集成。采用的方案是，特征设计和特征识别相结合，提出形状特征作为精度特征的载体，第一步是用形状特征设计，第二步是进行精度特征识别以得到完整意义上的特征，进而满足CAPP的需要。     

基于过滤器-封装器组合模型的故障特征选择算法

利用过滤器法运行速度快和封装器法精度高的优点，提出了一种新的Filter—Wrapper两阶段组合式特征选择算法。在Filter阶段，算法采用Fisher准则对特征进行排序；在Wrapper阶段，以分类器的性能作为适应度函数，根据特征排序结果采用遗传算法搜索特征子集。运用滚动轴承故障模拟试验的数据对所提出的算法进行了验证，结果表明，相比单一的过滤器法或封装器法，该算法能够同时提高特征选择的性能和效率。     

故障诊断中非线性耦合特征综合优化(续一)

在特征提取部分的基础上，引入多传感器信息融合的思想，在特征层对多源信息进行信息融合。首先引入征据理论，给出了特征层信息融合的通用实现框架，并结合非线性耦合特征，提出非线性耦合特征基本概率指派函数的构造方法和证据组合方法，实现了非线性耦合特征的综合优化，并结合实际诊断对象，以齿轮实验台为例实现了非线性耦合特征的综合优化，证明所提出方法的正确性和有效性。     

基于图和规则的机匣加工特征识别方法研究

由于机匣加工特征多、类型复杂，目前主要采用手动式、交互式等加工特征识别方法来实现机匣工艺设计过程中的特征提取，但是这些方法操作繁琐，智能化程度不高，导致工艺设计周期长。为了提升机匣加工特征识别效率，实现特征识别自动化，提出了一种基于图和规则加工特征自动识别方法。首先，根据机匣几何结构复杂程度，对机匣加工特征进行了归类。然后采用边界表示法表征机匣三维模型，定义了面属性、边属性、角度属性及面与面之间的拓扑关系码，提出了基于加权属性邻接矩阵的机匣三维模型的数据结构，通过对加权属性邻接矩阵的遍历和行列运算，建立了机匣加工特征的识别和抑制规则，构建了特征识别和抑制算法，并与预定义规则库进行匹配。最后在MATLAB平台上搭建了特征识别的仿真环境，选择了三个典型机匣案例，测试了机匣加工特征识别效果。结果表明，该特征识别方法具备较高的识别精度和效率，识别62阶矩阵仅用时0.171s。     

钣金零件特征识别方法的研究

从面向特征识别的角度，对钣金零件的特征进行了分类，并采用图结构描述分类特征。在此基础上，将特征识别的过程分解为模型有效性检查和基于图匹配的特征提取，所识别出的特征，可根据后续应用的需要重构出新的特征模型。