【正文】 進行歸納，然后通過圖模式匹配來識別。大量的單元可能組合（直到n?。е铝舜罅康臅r間耗費和其復雜性，也并不是所有的從一個加工點（圖12）表述是合理的。簡單形狀的銑刀39。復雜39。在最近的研究中，Woo和櫻井[40]提出，以減少計算疲勞和改進的基于細胞的方法的適用性的算法的復雜零件的可擴展性的發(fā)展。等分面被用來把零件的部分劃分為有兩個有相似數(shù)量面的零件。然后，一個最大部分的最小非冗余組的研究被提出來。這種方法是在大多數(shù)現(xiàn)實世界的零件（當代制造業(yè)中，2和3軸加工中心是最多的）中是非常有用的，但超出此限制不適用。他研究了39。的問題，為39。開發(fā)算法，而局部面延伸只在凹邊緣延伸，從而降低10倍以上的計算復雜度。39。進行單元收集（它總是存在的最大部分），顯著減少可能的解釋數(shù)量?；趩卧姆纸夥椒ǖ膽眠€有一個例子是曾雅妮和喬希[5]開發(fā)的一個系統(tǒng)，這個系統(tǒng)可使用例如AFR的所謂磨回轉零件進行說明。在該方法中前兩個步驟類似于 Sakurai的方法。方向取決于預定義類型加工操作：旋轉（轉動）或棱柱形（研磨）。為了棱形結構單元的AAG表示被制成和模式匹配的執(zhí)行，而對于旋轉結構語法模式識別執(zhí)行（圖13）。這種方法的另一個主要缺點是模式識別的冗余性一些特征可既識別為圓柱形和棱柱，這主要取決于掃描的方向。一個為整體產品開發(fā)[42]的多視圖特征造型系統(tǒng)，他具有實用的解決方案（SPIFF建模系統(tǒng)）已經(jīng)被代爾夫特理工大學以Willem Bronsvoort為首的一個研究小組開發(fā)出來。它代表的幾何形狀是一組任意形狀的不幾何重疊的單元體積。一個單元還包含是否表示材料或空隙和單元面兩側是否有材料，或只有一個側面（特征邊界單元）。39。單元的性質是由在該視圖中它們[44]之間與單元重疊的特征，在所有建模操作中，特征語義被非常好地定義和維護。39。在其發(fā)展階段被特地用于表示不同型號的產品。這樣定義的模型，采用基于約束求解的幾何推理，可在特定的特征模型被轉換以在不同的產品開發(fā)階段使用：理論階段，裝配階段，零件的細節(jié)和制造計劃，并和后來的特征識別。這種方法，由于在產品開發(fā)的不同階段和特征定義的相異性的一致性，可以解決先前基于細胞的AFR方法的應用（計算復雜性）問題，但由于基于現(xiàn)代建模的BREP參數(shù)，它會得到更大的普及，直到商用單元建模的出現(xiàn)。關于所設想的零件的拓撲，幾何和啟發(fā)式信息被用作特定形狀特征的存在。該方法是由Vandenbrande和Requicha[46]提出的，在一個叫做面向對象特征查找器（OOFF）系統(tǒng)，這個系統(tǒng)是專門用來處理交叉的特征的，由于外觀類型的不同，基于面、邊和頂點等不適合于大多數(shù)的實際問題的確切模式，這個系統(tǒng)已經(jīng)開發(fā)了許多方法。precence rule“，這表示一個產生了一些特征的加工操作應該在零件邊界都留下了痕跡，即使該特征與另一個特征交叉。對于任何特征，一個最小的特征邊界的不可缺少的部分可能是定義，其中，當在標稱零件的幾何形狀被發(fā)現(xiàn)，可能為該特征的潛在存在提供了線索。該系統(tǒng)已更名為IF2（集成增量功能查找），以反映其將按功能設計和自動特征識別相結合的能力。最新版本的IF2系統(tǒng)[49]有只通過刀具數(shù)據(jù)庫識別制造特征的功能，以使整體CAPP系統(tǒng)的測序過程更加容易。Meeran[50]給出了這種系統(tǒng)的一個例子 。輸入到該系統(tǒng)的是工程制圖投影的圖形表示。如果這些特征不能僅使用正交視圖建立，要軸測圖一起才行。分而解釋39。McCormack和 Ibrahim [51]在他們的研究中提出了MAAM概念，采用提取外部幾何信息的方法（中性數(shù)據(jù)格式，IGES和STEP，或*.DXF），并用簡單的模式，和該零件檢測到的特征的多種解釋相匹配。光線39。從該觀點出發(fā)，射線發(fā)出并與實體模型的不同表面的交點從而確定各種類型的特征。39。39。該算法，在[52]詳細介紹了，他有幾個缺點，正如作者自己指出的：大量含有很多重復值的提示，如果被選擇的集合的視點不足，小的特性可能由線索生成過程中被遺漏，并發(fā)現(xiàn)特征的邊界面的過程在像圓環(huán)這類特征的情況下得到不好的結果。作者們接受了Marefat和Kashyap[27]提出的虛擬鏈路（即一種邊，不包含在零件的BREP，而是作為特征相互作用的結果。他們的算法使用預定義特征庫（臺階，盲臺階，槽，倒角等）和復合特征庫，其他特征可通過一組啟發(fā)式規(guī)則被形成。子圖組件，稱為最小條件的子圖（MCSG），從零件EAAG中產生，并用作特征提示。此系統(tǒng)中，當應用到具有平面和圓柱面的零件，已被證明能夠識別兩個不相交的（分離的）和交互特征，并為每組的交互特征提供不同的解釋。一個研究小組（Corney, Clark, Little, Tuttle）他們來自HeriotWatt大學，蘇格蘭，英國，花了數(shù)年時間開發(fā)一個特征識別系統(tǒng)，被稱為特征查找[54]，他們有一個基于圖形搜索的算法。39。特征如槽。該系統(tǒng)已被設計為可以在固體加工包裝中使用，并可以從指定的刀具接近方向識別特征。第一步表示通過一個工藝方案選擇的工具方法（方案）。面是一個位于一個與逼近方向平行的平面）。在最后的步驟中，用戶交互再次被用來選擇哪個周期將被用于創(chuàng)建特征量。只有平面實體可以被認為是為實體構造而掃描的并且草稿也許會阻止其成功應用。39。39。 人工干預，要求提供該工具方法的方向，周期選擇和可視性的信息，應該被認為是一個主要的缺點，因為它降低了特征識別過程的自動化水平。雖然主要是基于圖形的，在本次審查的這種方法被分類為是混合的方法，因為它的由輔助工具驅動的多步推理特征和實體結構，這是實體方法的屬性，人為干預，這被以痕跡為基礎的方法所廣泛推廣。它需要把面特性和分型線作為表示切削層的痕跡。這個系統(tǒng)被一套廣泛用于痕跡形成的規(guī)則所支持，并已被證明是成功地應用在這種有限的區(qū)域。這種方法為特征痕跡使用一個AAG ，他被分解以限制和組織搜索空間?；?D。該痕跡是以圖表的形式被提取的，但該特征是以三個幾何算法完成的（）。該混合系統(tǒng)，除了基于圖形和痕跡的組合，增加了實體分量，完成了特征的幾何形狀，而不是在丟失的鏈接的恢復過程中完成圖形組件。有幾個混合AFR系統(tǒng)的例子，他把基于圖形的方法和凸形輪廓立體分解的特性相結合起來。AAG的修改，是通過把“參考面”（在凸包概念的基礎上確定的）加入AAG進行的，在特征檢測與識別的過程中提供更多的線索。其基本特征，如插槽，孔被修改過的AAG（被作者稱為RAAG）表示，并且其他任然無法被識別的特征被認為是交叉特征。特征的提取是通過將所識別的特征的空腔體加到零件的原始體而簡化的。這就是為什么它需要它的模式識別功能的重新設計（AFR的第三個任務），并轉移對人工智能技術的使用。它引入了所謂的39。的理念，以促進特征鄰接的信息。但用來代替一個底部不規(guī)則形狀表面的深度。不規(guī)則形狀特征和周邊特征之間的關系是通過共同的開放邊界的識別來確定的。Yong Se 。邏輯（基于面模式的）的方法已被用于分離特征的識別，而凸包容積分解已用于交互特征的識別。啟發(fā)式體積分解法，在識別過程的早期階段通過除去可能分離的加工特征和切片邊緣得到改善，減少了搜索空間和組合問題的復雜性。然而，該算法是不能夠識別作為高級別特征的倒角和圓角。如果基于規(guī)則的模式識別的系統(tǒng)具有未來的話，那么它應該是混合方法。更廣泛的特征的類別成功的混合算法概括的缺少展示了這套自動化特征識別方法的主要缺點。對于一個完全自動化的CAPP系統(tǒng)的開發(fā)，消除對人類在特征識別過程中的參與是必不可少的。然而，盡管進行了大量的研究，當代AFR系統(tǒng)仍然很多缺點[64]：（i）識別算法的復雜性，尤其是在交叉特征的情況下，在特征集的確定上有一個巨大的問題，對于這些產品，必須明確計劃，這些特點可以在識別其他特征的時候同時被識別出來。（ⅲ）所識別的特征附加的制造信息是不足夠豐富以方便后續(xù)生產計劃等的決定。2. 大部分研究是在加工領域做的，雖然最近在其他生產領域有或多或少的成功實施AFR技術的報告，如鈑金沖壓，沖壓成型，成型及鑄造。4. 雖然在這一領域的理論研究已經(jīng)投入了巨大的努力，但很少有實際應用在商業(yè)軟件的證據(jù)，如KBM[65]或FeatureCAM[66]。（二）伴有學習能力的識別器。 （iv）與Brep混合的以特征為基礎的系統(tǒng)。然而，從所有如上所述的原因來看，提供完全自動化的特征識別方法的整體算法仍然不存在。鳴謝所提出的研究工作得到了塞爾維亞共和國科學與環(huán)境保護部在6319項目名為“在金屬加工行業(yè)的制造系統(tǒng)和制造工藝的自動化設計的實施”的框架的經(jīng)濟支持。 Hall, 1994.[4] S. Subrahmanyam, M. Wozny, An Overview of Automatic Feature Recognition Techniques for ComputerAided Process Planning, Computersin Industry 26 (1995) 1–21.[5] . Tseng, . Joshi, Recognition of interacting rotational and prismatic machining features from 3D millturn parts, International Journal of Production Research 36 (11) (1998) 3147–3165.[6] . Han, M. Pratt, . Regli, Manufacturing feature recognition fromsolid models: a status report, IEEE Transactions on Robotics and Automation 16 (6) (2000) 782–796.[7] O. Owodunni, S. Hinduja, Evaluation of existing and new feature recognition algorithms. Part 1. Theory and implementation, Proceedings of the Institution of Mechanical Engineers 216 (Part B) (2002) 839–851.[8] . Miao, N. Sridharan, . Shah, CADCAM integration using machining features, International Journal of Computer Integrated Manufacturing 15 (4) (2002) 296–318.[9] B. Babic180。 1994–2000.[11] . Bhandarkar, R. Nagi, STEPbased feature extraction from STEPgeometry for agile manufacturing, Computers in Industry 41 (2000) 3–24.[12] R. Sharma, . Ghao, Implementation of STEP application protocol 224 in automated manufacturing planning system, Proceedings of the Institution of Mechanical Engineers 216 (Part B) (2002) 1277–1289.[13] J. Gao, . Zheng, N. Gindy, D. Clark, Extraction/conversion of geometric dimensions and tolerances for machining features,International Journal of Advanced Manufacturing Technology (2004) (Online).[14] J. Gao, . Zheng, N. Gindy, Extraction of machining features for CAD/CAM integration, International Journal of Advanced ManufacturingTechnology 24 (2004) 573–581.[15] . Jain, S. Kumar, Automatic feature extraction in PRIZCAPP, International Journal of Computer Integrated Manufacturing 11 (6) (1998)500–512.[16] N. Ismail, N. Abu Bakar, . Juri, Feature recognition patterns for form features using boundary representation models, International Journal of Advanced Manufacturing Technology 20 (2002) 553–556.[17] N. Ismail, N. Abu Bakar, . Juri, Recognition of cylindrical and conical features using edge boundary classification, International Journal of Machine Tools and Manufacture Design, Research and Application 45 (2005) 649–655.[18] V. Milacˇic180。, A. Veljovic180。, Z. Miljkovic180。, . Kim, Incremental and localized update of convex deposition used for form feature recognition, ComputerAided Design 28 (8) (1996) 589–602.[36] . Kim, Y. Kim, F. Pariente18