一种高姿滑橇起落架加工工艺智能优化方法及系统与流程

1.本发明涉及智能控制技术领域，具体涉及一种高姿滑橇起落架加工工艺智能优化方法及系统。


背景技术：

2.高姿滑橇起落架是的着陆装置，用于吸收直升机着陆能量、降低着陆载荷及传递地面载荷，在地面支持直升机并提供地面滑行设备接口，直升机着陆冲击载荷不仅与其质量、旋翼拉力以及着陆时的飞行状态有关，还与起落架的构造有关，由于滑橇起落架结构简单，也易于加工和维护，因此目前大多数轻型直升机都采用滑橇起落架设计。起落架的性能将直接影响直升机机体结构设计，同时起落架性能不佳可能会引起直升机地面共振的问题，直接影响直升机的飞行安全，因此滑橇起落架加工工艺的控制就显得尤为重要，而现今常用的滑橇起落架加工工艺还存在着一定的弊端，对于滑橇起落架加工工艺还存在着一定的可提升空间。
3.现有技术中起落架加工工艺主要依靠工人经验，使得在进行工艺编排过程中存在主观意见，使得加工效率低。


技术实现要素：

4.本技术实施例提供了一种高姿滑橇起落架加工工艺智能优化方法及系统，用于针对解决现有技术中起落架加工工艺主要依靠工人经验，使得在进行工艺编排过程中存在主观意见，使得加工效率低的技术问题。
5.鉴于上述问题，本技术实施例提供了一种高姿滑橇起落架加工工艺智能优化方法及系统。
6.第一方面，本技术实施例提供了一种高姿滑橇起落架加工工艺智能优化方法，所述方法包括：通过所述激光扫描设备对起落架加工毛坯进行多方位扫描，获取多组毛坯点云数据；根据所述点云数据对所述起落架毛坯进行三维建模，获取毛坯三维模型；获取毛坯三维模型中的待加工零件，对其进行特征识别，获取特征识别结果；调取起落架毛坯加工历史数据，将所述特征识别结果在毛坯加工历史数据中遍历，获得适用于所述待加工零件的加工工艺集合，其中，所述加工工艺集合内包括多个特征工步；在所述加工工艺集合内的多个特征工步进行寻优，得到待加工零件的最优加工工艺；根据所述最优加工工艺进行加工仿真，生成数控加工代码，根据所述数控加工代码控制所述起落架的生产加工。
7.第二方面，本技术实施例提供了一种高姿滑橇起落架加工工艺智能优化系统，所述系统包括：毛坯点云数据获取模块，所述毛坯点云数据获取模块用于通过所述激光扫描设备对起落架加工毛坯进行多方位扫描，获取多组毛坯点云数据；毛坯三维模型获取模块，所述毛坯三维模型获取模块用于根据所述点云数据对所述起落架毛坯进行三维建模，获取毛坯三维模型；特征识别结果获取模块，所述特征识别结果获取模块用于获取毛坯三维模型中的待加工零件，对其进行特征识别，获取特征识别结果；加工工艺集合获取模块，所述
加工工艺集合获取模块用于调取起落架毛坯加工历史数据，将所述特征识别结果在毛坯加工历史数据中遍历，获得适用于所述待加工零件的加工工艺集合，其中，所述加工工艺集合内包括多个特征工步；特征工步寻优模块，所述特征工步寻优模块用于在所述加工工艺集合内的多个特征工步进行寻优，得到待加工零件的最优加工工艺；生产加工控制模块，所述生产加工控制模块用于根据所述最优加工工艺进行加工仿真，生成数控加工代码，根据所述数控加工代码控制所述起落架的生产加工。
8.本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
9.本技术实施例提供的一种高姿滑橇起落架加工工艺智能优化方法，涉及智能控制技术领域，通过激光扫描设备对起落架加工毛坯进行多方位扫描，获取多组毛坯点云数据，对起落架毛坯进行三维建模，获取毛坯三维模型中的待加工零件，对其进行特征识别，调取起落架毛坯加工历史数据，遍历获得加工工艺集合，进行寻优得到待加工零件的最优加工工艺，进行加工仿真生成数控加工代码，控制起落架的生产加工。解决了现有技术中起落架加工工艺主要依靠工人经验，使得在进行工艺编排过程中存在主观意见，使得加工效率低的技术问题，实现了参数的智能化选择，减少了人为错误的发生，从而达到优化起落架加工工艺、提升产品生产效率的技术效果。
10.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
11.图1为本技术实施例提供了一种高姿滑橇起落架加工工艺智能优化方法流程示意图；
12.图2为本技术实施例提供了一种高姿滑橇起落架加工工艺智能优化方法中生成三维模型流程示意图；
13.图3为本技术实施例提供了一种高姿滑橇起落架加工工艺智能优化系统结构示意图。
14.附图标记说明：毛坯点云数据获取模块10，毛坯三维模型获取模块20，特征识别结果获取模块30，加工工艺集合获取模块40，特征工步寻优模块50，生产加工控制模块60。
具体实施方式
15.本技术实施例通过提供一种高姿滑橇起落架加工工艺智能优化方法，用于针对解决现有技术中起落架加工工艺主要依靠工人经验，使得在进行工艺编排过程中存在主观意见，使得加工效率低的技术问题。
16.实施例一
17.如图1所示，本技术实施例提供了一种高姿滑橇起落架加工工艺智能优化方法，所述方法应用于智能控制系统，所述智能控制系统与激光扫描设备通信连接，所述方法包括：
18.步骤s100：通过所述激光扫描设备对起落架加工毛坯进行多方位扫描，获取多组毛坯点云数据；
19.具体而言，本技术实施例提供的一种高姿滑橇起落架加工工艺智能优化方法应用
于智能控制系统，所述智能控制系统与激光扫描设备通信连接，所述激光扫描设备设备用于对起落架加工毛坯进行多方位扫描。
20.首先，所述激光扫描设备是一种光学距离传感器，它的扫描方式有单线扫描、光栅式扫描和全角度扫描三种方式，在本技术中应用于非安全相关测量、检测任务，即对起落架加工毛坯进行多方位扫描，获取多组毛坯点云数据。点云是目标表面特性的海量点集合，点云越密集，反映的图像细节和信息就越多，当利用激光扫描设备扫描起落架加工毛坯表面时，可以得到大量的点，这些点带有三维坐标、激光反射强度和颜色信息等信息。由于扫描测量范围有限，对于起落架加工毛坯，不能一次性进行完整测量，需要多次、多角度扫描测量，得到多组毛坯点云数据。
21.步骤s200：根据所述点云数据对所述起落架毛坯进行三维建模，获取毛坯三维模型；
22.具体而言，在三维激光扫描的过程中，除了扫描角度影响，点云数据的获取还常常会受到物体遮挡、光照不均匀等因素的影响，造成复杂形状物体的区域扫描盲点，形成孔洞，因此必须进行多次扫描测量，这就导致扫描结果往往是多块具有不同坐标系统且存在噪声的点云数据，不能够完全满足人们对数字化模型真实度和实时性的要求，所以需要对三维点云数据进行去噪、简化、配准以及补洞等预处理。通过数据预处理，可以有效剔除点云中的噪声和外点，在保持几何特征的基础上实现点云数据简化，并将不同角度扫描的点云统一到同一坐标系下，为后续的曲面构建及三维实体模型生成提供稳健的数据基础。
23.步骤s300：获取毛坯三维模型中的待加工零件，对其进行特征识别，获取特征识别结果；
24.具体而言，在毛坯三维模型中构建坐标系，获取待加工零件位置坐标以及边界、顶点坐标，将边界上各点的位置坐标(x,y)看成是一个复数x+iy，得到一个复数序列，这个复数序列的离散傅里叶变换就是描述该物体形状的傅里叶描述符，对傅里叶描述符作归一化运算，获取所述特征识别结果，所述特征识别结果包括简单的外圆面特征，还包括复杂的耳片等特征。特征提取最重要的一个特性是可重复性，即同一场景的不同图像所提取的特征应该是相同的。
25.步骤s400：调取起落架毛坯加工历史数据，将所述特征识别结果在毛坯加工历史数据中遍历，获得适用于所述待加工零件的加工工艺集合，其中，所述加工工艺集合内包括多个特征工步；
26.具体而言，通过智能控制系统对一段历史时间内的起落架毛坯加工历史数据进行调取，这段时间短了数据不足，太长了数据没有参考性。一块毛坯具有一个或多个特征面，因此对同一块毛坯有多组加工历史数据，每一组加工历史数据包括一个或多个特征面，及特征面对应的历史加工区域、历史操作类型、历史加工刀具数据，将特征识别结果在加工历史数据的多个特征面中进行匹配，基于相似度阈值获取多个匹配特征面，基于多个匹配特征面获得第一匹配特征面，将所述第一匹配特征面对应的历史加工区域、历史操作类型、历史加工刀具数据作为第一特征工步，重复上述步骤获得多个特征工步，对特征工步进行排列，获得第一加工工艺，基于此获得待加工零件的加工工艺集合。
27.步骤s500：在所述加工工艺集合内的多个特征工步进行寻优，得到待加工零件的最优加工工艺；
28.具体而言，工步可以简单理解为一个工序的若干步骤，即在同一个工序上，要完成一系列作业过程时，把可以归类成某独立的作业过程叫做一个工步，示例性地，一个装配工序中，把装配零件扣在一起，然后扭螺丝，完成整个装配工序，在这其中，把装配零件扣在一起，可以是装配工序中的一个工步，扭螺丝，又是另外一个工步，两个工步完成后组成整个装配工序的完成工作。基于操作难度、成本以及成品效果三个维度对多个特征工步进行评价，获得各特征工步的评价值，将评价值最高的特征工步作为待加工零件的最优加工工艺。
29.步骤s600：根据所述最优加工工艺进行加工仿真，生成数控加工代码，根据所述数控加工代码控制所述起落架的生产加工。
30.具体而言，利用模型基于最优加工工艺复现实际系统中发生的加工过程，生成数控加工代码，即数控机床支持的语言写的源文件，以此控制所述起落架的生产加工。解决了现有技术中起落架加工工艺主要依靠工人经验，使得在进行工艺编排过程中存在主观意见，使得加工效率低的技术问题，实现了参数的智能化选择，减少了人为错误的发生，从而达到优化起落架加工工艺、提升产品生产效率的技术效果。
31.进一步而言，如图2所示，本技术步骤s200还包括：
32.步骤s210：对所述多组毛坯点云数据进行数据拼接，获取拼接点云数据；
33.步骤s220：对所述拼接点云数据进行降噪处理，获得点云数据特征信息；
34.步骤s230：对所述点云数据特征信息进行有效数据提取，获得数据预处理结果；
35.步骤s240：根据所述数据预处理结果生成毛坯三维模型。
36.具体而言，点云数据拼接是点云数据处理时最主要的数据处理之一，由于目标物的复杂性，通常需要从不同方位扫描多个测站，才能把目标物扫描完整，每一测站扫描数据都有自己的坐标系统，三维模型的重构要求把不同测站的扫描数据纠正到统一的坐标系下。
37.根据各组点云数据的区域重叠度寻找重叠区域，根据重叠区域的同名点进行拼接，获取拼接点云数据，在利用三维激光扫描仪扫描目标时，会受到扫描设备、周围环境、人为扰动、目标特性等影响，使得点云数据无法避免的存在一些噪点，导致数据无法正确表达扫描对象的空间位置。示例性地，通过中值滤波对某点数据相邻的三个或以上的数据求中值，求取后的结果取代其原始值，用于去除毛刺噪声。有效数据提取，就是在精度允许下减少点云数据的数据量，提取有效信息，包括去处冗余和抽稀简化，其中去处冗余指在数据配准之后，将其重复区域的数据进行去处，抽稀简化为在满足一定精度以及保持被测物体几何特征的前提下，对数据进行精简。通过数据预处理，达到提高数据的操作运算速度、建模效率以及模型精度的效果。
38.进一步而言，本技术步骤s300还包括：
39.步骤s310：在毛坯三维模型中任选一边界位置作为原点，构建坐标系；
40.步骤s320：根据所述坐标系获取待加工零件各点的位置坐标，根据所述位置坐标获取待加工零件的形状描述符；
41.步骤s330：对所述形状描述符进行归一化处理，获取所述特征识别结果。
42.具体而言，特征提取从初始的一组测量数据开始，并建立旨在提供信息和非冗余的派生值，即特征，从而促进后续的学习和泛化步骤，并且在某些情况下带来更好的可解释性，特征提取与降维有关，特征的好坏对泛化能力有着至关重要的影响。
43.从边界的任一点开始跟踪整个边界，边界是组成两个图像区域之间边界的像素，一般一个边界的形状可以是任意的，还可能包括交叉点，在实践中边界一般被定义为图像中拥有大的梯度的点组成的子集。将边界上各点的位置坐标(x,y)看成是一个复数x+iy，得到一个复数序列，这个复数序列的离散傅里叶变换就是描述该物体形状的傅里叶描述符，其中，傅里叶分析方法是信号分析的最基本方法，通过它把信号从时间域变换到频率域，进而研究信号的频谱结构和变化规律。离散傅里叶变换是傅里叶变换在时域和频域上都呈现离散的形式，将时域信号的采样变换为在离散时间傅里叶变换频域的采样。在一般情况下，傅里叶描述符的高频成分反映边界的不规则性，低频成分反映整体形状。对傅里叶描述符作归一化运算，可以使它同物体所在图像中的位置、大小和方向无关。
44.进一步而言，本技术步骤s400还包括：
45.步骤s410：根据历史时间内进行起落架毛坯加工的历史数据，获取历史加工区域、历史操作类型、历史加工刀具；
46.步骤s420：根据所述特征识别结果在历史数据中遍历，得到与特征识别结果特征一致的匹配历史数据；
47.步骤s430：根据所述历史加工区域、历史操作类型、历史加工刀具和所述匹配历史数据获取所述待加工零件的加工工艺集合。
48.具体而言，通过智能控制系统对一段历史时间内的起落架毛坯加工历史数据进行调取。一块毛坯具有一个或多个特征面，因此对同一块毛坯有多组加工历史数据，每一组加工历史数据包括一个或多个特征面，及特征面对应的历史加工区域、历史操作类型、历史加工刀具数据，将特征识别结果在加工历史数据的多个特征面中进行匹配，基于相似度阈值获取多个匹配特征面，基于多个匹配特征面获得第一匹配特征面，将所述第一匹配特征面对应的历史加工区域、历史操作类型、历史加工刀具数据作为第一特征工步，重复上述步骤获得多个特征工步，对特征工步进行排列，获得第一加工工艺，基于此获得待加工零件的加工工艺集合。
49.进一步而言，本技术步骤s400还包括：
50.步骤s440：根据所述特征识别结果，获取特征加工顺序；
51.步骤s450：根据所述特征加工顺序对所述所述加工工艺集合中的加工工艺路线进行工序重排；
52.步骤s460：根据工序重排结果对所述加工工艺集合进行调整，获取优化加工工艺集合。
53.具体而言，一块毛坯具有一个或多个特征面，对应多个特征识别结果，根据各个特征之间的位置关系获取特征加工顺序，如从毛坯的一段由近至远到达另一端，根据特征加工顺序，对各特征对应的特征工步，即历史加工区域、历史操作类型、历史加工刀具数据进行排序，将所述加工工艺集合按照特征工步的顺序进行调整，获取优化加工工艺集合，实现了减少加工过程中在各个加工特征之间移刀，达到提升加工效率的效果。
54.进一步而言，本技术还包括：
55.步骤s710：根据所述数控加工代码控制所述起落架的生产加工，对产品性能进行评价，获取产品性能评价结果；
56.步骤s720：设置性能评价阈值；
57.步骤s730：当所述产品性能评价结果不满足所述性能评价阈值时，根据所述产品性能评价结果对所述最优加工工艺进行调整。
58.具体而言，根据得到的数控加工代码实现对加工机床的参数控制，获得在此工艺和参数下生产的产品，对其进行随机抽样质检，从载荷能力、缓冲能力、地面共振三个方面对其进行性能评价，将各方面评分的平均数作为产品性能评价结果，根据实际使用要求设置性能评价阈值，举例而言，本技术中的性能评价阈值优选设置为90％，将满足性能评价阈值的作为合格产品，将不满足性能评价阈值的作为不合格产品，对不合格产品进行检查，获取不合格产品的异常零件，针对异常零件的生产工艺进行调整。
59.实施例二
60.基于与前述实施例中一种高姿滑橇起落架加工工艺智能优化方法相同的发明构思，如图3所示，本技术提供了一种高姿滑橇起落架加工工艺智能优化系统，所述系统包括：
61.毛坯点云数据获取模块10，所述毛坯点云数据获取模块10用于通过所述激光扫描设备对起落架加工毛坯进行多方位扫描，获取多组毛坯点云数据；
62.毛坯三维模型获取模块20，所述毛坯三维模型获取模块20用于根据所述点云数据对所述起落架毛坯进行三维建模，获取毛坯三维模型；
63.特征识别结果获取模块30，所述特征识别结果获取模块30用于获取毛坯三维模型中的待加工零件，对其进行特征识别，获取特征识别结果；
64.加工工艺集合获取模块40，所述加工工艺集合获取模块40用于调取起落架毛坯加工历史数据，将所述特征识别结果在毛坯加工历史数据中遍历，获得适用于所述待加工零件的加工工艺集合，其中，所述加工工艺集合内包括多个特征工步；
65.特征工步寻优模块50，所述特征工步寻优模块50用于在所述加工工艺集合内的多个特征工步进行寻优，得到待加工零件的最优加工工艺；
66.生产加工控制模块60，所述生产加工控制模块60用于根据所述最优加工工艺进行加工仿真，生成数控加工代码，根据所述数控加工代码控制所述起落架的生产加工。
67.进一步而言，系统还包括：
68.数据拼接模块，用于对所述多组毛坯点云数据进行数据拼接，获取拼接点云数据；
69.降噪处理模块，用于对所述拼接点云数据进行降噪处理，获得点云数据特征信息；
70.有效数据提取模块，用于对所述点云数据特征信息进行有效数据提取，获得数据预处理结果；
71.三维模型生成模块，用于根据所述数据预处理结果生成毛坯三维模型。
72.进一步而言，系统还包括：
73.坐标系构建模块，用于在毛坯三维模型中任选一边界位置作为原点，构建坐标系；
74.形状描述符获取模块，用于根据所述坐标系获取待加工零件各点的位置坐标，根据所述位置坐标获取待加工零件的形状描述符；
75.归一化处理模块，用于获对所述形状描述符进行归一化处理，获取所述特征识别结果。
76.进一步而言，系统还包括：
77.历史数据获取模块，用于根据历史时间内进行起落架毛坯加工的历史数据，获取历史加工区域、历史操作类型、历史加工刀具；
78.遍历模块，用于根据所述特征识别结果在历史数据中遍历，得到与特征识别结果特征一致的匹配历史数据；
79.工艺集合获取模块，用于根据所述历史加工区域、历史操作类型、历史加工刀具和所述匹配历史数据获取所述待加工零件的加工工艺集合。
80.进一步而言，系统还包括：
81.特征加工顺序获取模块，用于根据所述特征识别结果，获取特征加工顺序；
82.工序重排模块，用于根据所述特征加工顺序对所述所述加工工艺集合中的加工工艺路线进行工序重排；
83.工艺集合优化模块，用于根据工序重排结果对所述加工工艺集合进行调整，获取优化加工工艺集合。
84.进一步而言，系统还包括：
85.性能评价模块，用于根据所述数控加工代码控制所述起落架的生产加工，对产品性能进行评价，获取产品性能评价结果；
86.评价阈值设置模块，用于设置性能评价阈值；
87.加工工艺调整模块，用于当所述产品性能评价结果不满足所述性能评价阈值时，根据所述产品性能评价结果对所述最优加工工艺进行调整。
88.本说明书通过前述对一种高姿滑橇起落架加工工艺智能优化方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种高姿滑橇起落架加工工艺智能优化方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
89.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

技术特征：
1.一种高姿滑橇起落架加工工艺智能优化方法，其特征在于，所述方法应用于智能控制系统，所述系统与激光扫描设备通信连接，所述方法包括：通过所述激光扫描设备对起落架加工毛坯进行多方位扫描，获取多组毛坯点云数据；根据所述点云数据对所述起落架毛坯进行三维建模，获取毛坯三维模型；获取毛坯三维模型中的待加工零件，对其进行特征识别，获取特征识别结果；调取起落架毛坯加工历史数据，将所述特征识别结果在毛坯加工历史数据中遍历，获得适用于所述待加工零件的加工工艺集合，其中，所述加工工艺集合内包括多个特征工步；在所述加工工艺集合内的多个特征工步进行寻优，得到待加工零件的最优加工工艺；根据所述最优加工工艺进行加工仿真，生成数控加工代码，根据所述数控加工代码控制所述起落架的生产加工。2.如权利要求1所述的方法，其特征在于，所述根据所述点云数据对所述起落架毛坯进行三维建模，获取毛坯三维模型，包括：对所述多组毛坯点云数据进行数据拼接，获取拼接点云数据；对所述拼接点云数据进行降噪处理，获得点云数据特征信息；对所述点云数据特征信息进行有效数据提取，获得数据预处理结果；根据所述数据预处理结果生成毛坯三维模型。3.如权利要求1所述的方法，其特征在于，所述获取毛坯三维模型中的待加工零件，对其进行特征识别，获取特征识别结果，包括：在毛坯三维模型中任选一边界位置作为原点，构建坐标系；根据所述坐标系获取待加工零件各点的位置坐标，根据所述位置坐标获取待加工零件的形状描述符；对所述形状描述符进行归一化处理，获取所述特征识别结果。4.如权利要求1所述的方法，其特征在于，所述调取起落架毛坯加工历史数据，将所述特征识别结果在毛坯加工历史数据中遍历，获得适用于所述待加工零件的加工工艺集合，包括：根据历史时间内进行起落架毛坯加工的历史数据，获取历史加工区域、历史操作类型、历史加工刀具；根据所述特征识别结果在历史数据中遍历，得到与特征识别结果特征一致的匹配历史数据；根据所述历史加工区域、历史操作类型、历史加工刀具和所述匹配历史数据获取所述待加工零件的加工工艺集合。5.如权利要求4所述的方法，其特征在于，包括：根据所述特征识别结果，获取特征加工顺序；根据所述特征加工顺序对所述所述加工工艺集合中的加工工艺路线进行工序重排；根据工序重排结果对所述加工工艺集合进行调整，获取优化加工工艺集合。6.如权利要求1所述的方法，其特征在于，包括：根据所述数控加工代码控制所述起落架的生产加工，对产品性能进行评价，获取产品性能评价结果；设置性能评价阈值；
当所述产品性能评价结果不满足所述性能评价阈值时，根据所述产品性能评价结果对所述最优加工工艺进行调整。7.一种高姿滑橇起落架加工工艺智能优化系统，其特征在于，所述系统与图像采集装置通信连接，所述系统包括：毛坯点云数据获取模块，所述毛坯点云数据获取模块用于通过所述激光扫描设备对起落架加工毛坯进行多方位扫描，获取多组毛坯点云数据；毛坯三维模型获取模块，所述毛坯三维模型获取模块用于根据所述点云数据对所述起落架毛坯进行三维建模，获取毛坯三维模型；特征识别结果获取模块，所述特征识别结果获取模块用于获取毛坯三维模型中的待加工零件，对其进行特征识别，获取特征识别结果；加工工艺集合获取模块，所述加工工艺集合获取模块用于调取起落架毛坯加工历史数据，将所述特征识别结果在毛坯加工历史数据中遍历，获得适用于所述待加工零件的加工工艺集合，其中，所述加工工艺集合内包括多个特征工步；特征工步寻优模块，所述特征工步寻优模块用于在所述加工工艺集合内的多个特征工步进行寻优，得到待加工零件的最优加工工艺；生产加工控制模块，所述生产加工控制模块用于根据所述最优加工工艺进行加工仿真，生成数控加工代码，根据所述数控加工代码控制所述起落架的生产加工。

技术总结
本发明提供了一种高姿滑橇起落架加工工艺智能优化方法及系统，涉及智能控制技术领域，通过激光扫描设备对起落架加工毛坯进行多方位扫描，获取多组毛坯点云数据，对起落架毛坯进行三维建模，获取毛坯三维模型中的待加工零件，对其进行特征识别，调取起落架毛坯加工历史数据，遍历获得加工工艺集合，进行寻优得到待加工零件的最优加工工艺，进行加工仿真生成数控加工代码，控制起落架的生产加工。本发明解决了现有技术中起落架加工工艺主要依靠工人经验，使得在进行工艺编排过程中存在主观意见，使得加工效率低的技术问题，实现了参数的智能化选择，减少了人为错误的发生，从而达到优化起落架加工工艺、提升产品生产效率的技术效果。术效果。术效果。


技术研发人员：张晓冬 赵凯 王荣 闫举
受保护的技术使用者：陕西中航气弹簧有限责任公司
技术研发日：2023.05.23
技术公布日：2023/9/12