轮胎模具是轮胎生产的重要工装,其质量优劣对轮胎性能有重要影响。现阶段轮胎模具的生产制造主要采用数控加工,通过交互式图形编程的方法完成数控编程。这种编程方法效率低下、过分依赖经验,无法满足企业快速生产需求。研发高效、智能的轮胎模具数控编程系统成为亟需解决的问题。针对数控自动编程系统的制造特征识别和加工几何获取的两个研究难题,本文分析轮胎模具制造特征组成面,提出制造特征关键面的概念。根据关键面的不同,研究基于关键面的特征识别算法。深入分析轮胎模具数控程序加工几何特点,设计基于关键面环边凸凹性的加工几何获取算法。制造特征识别是智能数控编程系统关键技术之一。本文在制造特征关键面的研究基础上,提出基于关键面环边B-Rep信息的特征识别算法,算法匹配关键面环边拓扑信息完成特征识别。结果表明,算法在柱面特征的识别中具有极高的准确性,但对于复杂特征的识别准确率较低,算法可移植性较差。为解决复杂特征的识别问题,结合机器学习理论研究,本文提出基于卷积神经网络系统的三维特征识别算法。通过网络训练,识别制造特征类型。测试结果表明,基于神经网络系统的特征识别算法对轮胎模具零件特征具有稳定的识别准确率。尤其是对复杂特征的识别,对比传统算法有明显优势。因此,轮胎模具智能数控编程系统特征识别策略为:对于关键面为柱面特征,采用前种算法,提高识别准确率;对于复杂特征识别采用后一算法,保证稳定的识别准确性。智能数控编程系统的另一个关键技术是制造特征加工几何获取。本文研究关键面的拓扑结构,研究基于关键面环边凸凹性的加工几何获取算法。深入分析点、线、面加工几何特点,计算关键面环边凸凹性用于提取制造特征加工几何。实际编程结果表明,基于关键面环边凸凹性的加工几何获取算法能够准确地提取特征加工几何。基于上述研究,本文研发轮胎模具智能数控编程原型系统,其中CAD/CAM模块基于Siemens NX平台实现,神经网络特征识别基于Tensor Flow的机器学习平台实现。以企业提供20套典型轮胎模具编程案例作为系统编程的评测标准,结果表明,智能数控编程系统整体编程正确率为78%,节省49%编程时间,可极大地提高轮胎模具的数控编程效率。