本发明公开了一种转轮叶片多轴铣削加工的集成知识云服务方法和系统，属于转轮叶片类零件云制造加工过程知识服务技术领域。该方法包括步骤：获取转轮叶片多轴铣削加工过程知识服务需求信息，建立知识服务需求模型；输入知识服务任务需求信息；对服务任务需求信息进行解析与匹配；建立知识云服务流程模型，对服务任务相关信息进行规定；对服务过程进行管理，为用户提供知识云服务。该系统包括：人机交互接口、知识云库、任务解析和匹配器、服务流协同活动引擎。该方法和模式为云模式下转轮叶片铣削加工过程提供知识云服务，对转轮叶片加工过程知识资源进行了系统化表示，提高了知识资源的利用率和转轮叶片铣削加工效率。
1.一种转轮叶片多轴铣削加工的集成知识云服务方法，其特征在于，包括步骤：
步骤1分析并获取转轮叶片加工过程具体环节知识服务需求信息，建立知识服务需求模型；
步骤2根据知识服务需求模型，用户在人机交互接口自定义输入或通过系统推送知识服务任务需求信息，如果用户对加工过程知识有疑问，也可以通过主动查询的方式，获取所需了解和学习的加工过程相关知识；
步骤3在任务解析和匹配器中对用户输入的服务任务需求信息进行解析与匹配，将输入的自然语言信息解析为机器语言，并对服务任务执行结构和时序流程进行编译；
步骤4在服务流协同活动引擎中，利用Petri Net技术建立知识云服务流程模型，根据对服务任务的解析信息，结合用户需求对服务任务流、服务机制、服务规则、服务约束进行规定；
步骤5根据服务流协同活动引擎中服务任务的规定对服务过程进行管理，为服务对象提供转轮叶片加工过程知识云服务。
2.根据权利要求1所述的转轮叶片多轴铣削加工的集成知识云服务方法，其特征在于，所述步骤1中转轮叶片加工过程具体环节知识服务需求信息、步骤2中用户查询和系统匹配的知识资源、步骤3中任务解析与匹配过程匹配的知识资源和步骤4中对服务任务流、服务机制、服务规则、服务约束进行规定过程中调用的知识资源均从知识云库中调取。
3.根据权利要求1或2所述的转轮叶片多轴铣削加工的集成知识云服务方法，其特征在于，在转轮叶片多轴铣削加工的集成知识云服务方法执行前，需要建立转轮叶片多轴铣削加工多任务本体，再根据转轮叶片铣削加工多任务本体建立知识云库；
所述转轮叶片多轴铣削加工多任务本体用多元组表示为：MDO＝(i,n∈N+)，DOi为多任务本体中的单个任务本体，MR为单个任务本体间的映射关系集合，单个任务本体用三元组表示为：DOi＝，CS为领域概念的集合，RS为领域概念间的关联关系集合，H为领域概念间的层次结构；
所述根据转轮叶片铣削加工多任务本体建立知识云库包括如下步骤：
a利用可扩展标记语言对加工过程知识资源进行形式化表达；
b利用web服务本体描述语言对知识资源及加工任务进行语义描述，实现转轮叶片多轴铣削加工过程知识资源的服务化封装；
c利用统一建模语言建立知识云库内资源、任务、软硬件接口的逻辑关系及结构层次；
d利用Protégé建模工具对转轮叶片多轴铣削加工多任务本体的概念、属性和关系进行编辑，建立多任务本体模型；
e利用ProtégéOWL插件工具将多任务本体模型转换为OWL-S描述模型，根据OWL-S描述模型建立知识云库。
4.根据权利要求1或2所述的转轮叶片多轴铣削加工的集成知识云服务方法，其特征在于，在转轮叶片多轴铣削加工的集成知识云服务方法执行前，还需要根据转轮叶片多轴铣削加工过程建立加工过程集成架构，根据加工过程集成架构对转轮叶片多轴铣削加工过程进行分类处理，然后再划分为不同集成模块，从而优化加工过程。
5.根据权利要求4所述转轮叶片多轴铣削加工的集成知识云服务方法，其特征在于，所述加工过程集成架构包括：信息输入模块、虚拟仿真模块、实际加工及检测模块和工艺分析与优化模块，所述信息输入模块负责转轮叶片多轴铣削加工相关信息的输入与参数设置；
所述虚拟仿真模块利用CAD/CAE软件搭建转轮叶片虚拟建模及加工仿真环境；所述实际加工及检测模块在虚拟加工仿真结果满足需求的前提下为加工过程推送合理的机床参数、刀轴倾角、工装夹具信息，从而辅助转轮叶片实际加工过程，并为零件的质量检测提供测试设备的详细技术参数和操作规程；
所述工艺分析与优化模块通过搭建数据分析工具与CAD/CAE软件、质量测试设备的接口，实现对CAD/CAE软件的虚拟加工模块及宏文件的调用和质量测试参数的提取，对信息输入、虚拟仿真、实际加工和测试过程中的知识信息进行分析和优化。
6.根据权利要求1所述的转轮叶片多轴铣削加工的集成知识云服务方法，其特征在于，步骤4中所述知识云服务流程模型是由服务任务、服务任务状态、协同活动以及服务任务间的关系组成的服务信息网络，用MS＝(ST,TeamWork,SR,P)表示，其中，ST＝(ST1,ST2,...,STi,...,STn)(i,n∈N+)为服务任务的集合；SR＝(Retrieval(STi,STj),Relate(STi,STj),Feedback(STi,STj))(i≠j，且i,j∈N+)为服务任务间的关系的集合，是对加工过程中不同操作活动所需知识资源匹配方式的描述，所述知识资源匹配方式包括检索(Retrieval)、关联(Relate)、反馈(Feedback)；
TeamWork＝{TW1,TW2,...,TWn}(n∈N+)表示多个服务任务间的协同活动的集合，是对不同服务任务执行时间关系和结构关系的描述，其中，TW＝(Start(ST,[ti]),Suspend(ST,[ti]),Continue(ST,[ti]),End(ST,[ti]))表示协同活动，所述服务任务状态包括：启动(Start)、挂起(Suspend)、继续(Continue)和终止(End)，所述协同活动的执行结构包括：顺序结构、并行结构、选择结构和循环结构；
P＝(p1(t1),p2(t2),...,pi(ti),...,pn(tn))表示不同加工操作时间序列下服务任务状态的集合，T＝(t1,t2,...,ti,...,tn)表示转轮叶片铣削加工操作时间序列的集合。
7.一种转轮叶片多轴铣削加工的集成知识云服务系统，其特征在于，包括人机交互接口、知识云库、任务解析和匹配器，以及服务流协同活动引擎，所述人机交互接口与任务解析和匹配器连接，任务解析和匹配器与服务流协同活动引擎连接，知识云库与人机交互接口、任务解析和匹配器、服务流协同活动引擎连接；
所述人机交互接口提供用户自定义设置叶片加工参数、主动查询和学习加工相关知识、根据用户需求智能匹配和推送知识信息或优化参数的功能；
所述知识云库包括与转轮叶片多轴铣削加工过程相关的所有知识资源，包括设备信息、工艺参数、刀具信息、测试系统信息、控制系统信息、转轮叶片面型知识和标准规范知识，知识云库中的知识资源由云端服务器存储，用户可以通过服务平台访问服务器对具体服务流程相关的知识资源进行调用；
所述任务解析和匹配器将用户在人机交互接口输入的操作指令和加工任务指令解析为机器语言，并对服务任务执行结构和时序流程进行编译；
所述服务流协同活动引擎负责结合用户需求制定服务任务的执行规则，进一步对服务任务的协同活动进行管理和控制。
一种转轮叶片多轴铣削加工的集成知识云服务方法和系统
技术领域
[0001] 本发明涉及一种转轮叶片多轴铣削加工的集成知识云服务方法和系统，属于复杂曲面零件云制造加工过程知识服务技术领域。
背景技术
[0002] 转轮叶片是水轮机的核心部件，其加工精度、表面粗糙度等直接影响机组的出水效率。目前，通过多轴数控铣削加工转轮叶片是提高其加工效率和质量的有效途径，但是转轮叶片属于典型的复杂曲面类零件，具有曲率变化大、扭曲程度高、易发生弹性变形等特性，转轮叶片加工过程存在工艺复杂、精度要求高、刀具干涉问题突出、装夹困难等问题，铣削加工难度大。在云制造迅速发展的背景下，转轮叶片多轴铣削加工呈现出面向服务化、智能化发展的趋势，将信息服务与多轴铣削加工技术相结合，将知识资源渗透到具体加工环节和服务可实施性的需求，成为提高转轮叶片铣削加工效率和加工质量的关键。云模式对转轮叶片多轴铣削加工过程提出资源合理配置、信息高度共享、知识智能匹配与推送等功能要求，因此针对转轮叶片加工过程的高效知识服务具有加工资源难利用、知识推送困难、加工过程难以系统化的问题。但是现有针对转轮叶片多轴铣削加工的研究极少结合云模式下具体加工对象的加工环节、特性及难点对其加工过程中所需知识资源表达、组织和存储方法，以及知识服务模式、手段和实现途径进行详细论述。将转轮叶片加工过程与知识信息应用、大数据、物联网等技术相结合，以提高转轮叶片加工效率和加工过程知识资源的利用效率成为亟待解决的问题。
发明内容
[0003] 本发明提供了一种转轮叶片多轴铣削加工的集成知识云服务方法和模型。为解决云制造环境下转轮叶片加工过程与知识信息服务相结合的难点，通过将云模式下转轮叶片多轴铣削加工过程与具体加工对象的加工环节、特性及难点相结合，解决对转轮叶片加工过程中知识资源表达、组织和存储问题，从而实现提高转轮叶片加工效率和转轮叶片加工过程知识资源利用率的目的，本发明提供了如下方案：
[0004] 一种转轮叶片多轴铣削加工的集成知识云服务方法，包括步骤：
[0005] 步骤1，分析并获取转轮叶片加工过程具体环节知识服务需求信息，建立知识服务需求模型；
[0006] 步骤2，根据知识服务需求模型，用户在人机交互接口自定义输入或通过系统推送知识服务任务需求信息，如果用户对加工过程知识有疑问，也可以通过主动查询的方式，获取所需了解和学习的加工过程相关知识；
[0007] 步骤3，根据加工过程集成架构，在任务解析和匹配器中对用户输入的服务任务需求信息进行解析与匹配，从而将输入的自然语言信息解析为机器语言，并对服务任务执行结构和时序流程进行编译；
[0008] 步骤4，在服务流协同活动引擎中，利用Petri Net技术建立知识云服务流程模型，进一步根据对服务任务的解析信息，结合用户需求对服务任务流、服务机制、服务规则、服务约束进行规定；
[0009] 步骤5，根据服务流协同活动引擎中服务任务的规定对服务过程进行管理，进一步为服务对象提供转轮叶片加工过程知识云服务。
[0010] 其中，步骤1中转轮叶片加工过程具体环节知识服务需求信息、步骤2中用户查询和系统匹配的知识资源、步骤3中任务解析与匹配过程匹配的知识资源、步骤4中对服务任务流、服务机制、服务规则、服务约束进行规定过程中调用的知识资源均从知识云库中调取。
[0011] 转轮叶片多轴铣削加工的集成知识云服务方法执行前，需要建立转轮叶片多轴铣削加工多任务本体，进一步根据转轮叶片铣削加工多任务本体建立知识云库；
[0012] 转轮叶片多轴铣削加工多任务本体用多元组表示为：MDO＝(i,n∈N)，DOi为多任务本体中的单个任务本体，MR为单个任务本体间的映射关系集合。单个任务本体用三元组表示为：DOi＝，CS为领域概念的集合，RS为领域概念间的关联关系集合，H为领域概念间的层次结构；
[0013] 根据转轮叶片铣削加工多任务本体建立知识云库包括步骤：
[0014] a利用可扩展标记语言(XML)对加工过程知识资源进行形式化表达；
[0015] b利用web服务本体描述语言(OWL)对知识资源及加工任务进行语义描述，实现转轮叶片多轴铣削加工过程知识资源的服务化封装；
[0016] c利用统一建模语言(UML)建立知识云库内资源、任务、软硬件接口的逻辑关系及结构层次；
[0017] d利用Protégé建模工具对转轮叶片多轴铣削加工多任务本体的概念、属性和关系等进行编辑，建立多任务本体模型；
[0018] e利用ProtégéOWL插件工具将多任务本体模型转换为OWL-S描述模型，根据OWL-S描述模型建立知识云库。
[0019] 转轮叶片多轴铣削加工的集成知识云服务方法执行前，还需要根据转轮叶片多轴铣削加工过程建立加工过程集成架构，根据加工过程集成架构对转轮叶片多轴铣削加工过程进行分类处理，然后再划分为不同集成模块，从而优化加工过程；
[0020] 其中，加工过程集成架构包括：信息输入模块、虚拟仿真模块、实际加工及检测模块、工艺分析与优化模块，信息输入模块与虚拟仿真模块连接，虚拟仿真模块与实际加工及检测模块连接，工艺分析与优化模块与信息输入模块、虚拟仿真模块、实际加工及检测模块连接，各模块具体功能如下：
[0021] 信息输入模块负责转轮叶片多轴铣削加工相关信息的输入与参数设置；
[0022] 虚拟仿真模块利用CAD/CAE软件搭建转轮叶片虚拟建模及加工仿真环境；
[0023] 实际加工及检测模块在虚拟加工仿真结果满足需求的前提下为加工过程推送合理的机床参数、刀轴倾角、工装夹具信息，辅助转轮叶片实际加工过程，并为零件的质量检测提供测试设备的详细技术参数和操作规程；
[0024] 工艺分析与优化模块通过搭建数据分析工具与CAD/CAE软件、质量测试设备的接口，实现对CAD/CAE软件的虚拟加工模块及宏文件的调用和质量测试参数的提取，对信息输入、虚拟仿真、实际加工和测试过程中的知识信息进行分析和优化。
[0025] 其中，步骤4中知识云服务流程模型是由服务任务、服务任务状态、协同活动以及服务任务间的关系组成的服务信息网络，用MS＝(ST,Team Work,SR,P)表示，其中，ST＝(ST1,ST2,STi,...,STn)(n∈N+)为服务任务的集合；SR＝(Retrieval(STi,STj),Relate(STi,STj),Feedback(STi,STj))(i≠j，且i,j∈N+)为服务任务间的关系的集合，是对加工过程中不同操作活动所需知识资源匹配方式的描述，知识资源匹配方式包括检索(Retrieval)、关联(Relate)、反馈(Feedback)；
[0026] TeamWork＝{TW1,TW2,...,TWn}(n∈N+)表示多个服务任务间的协同活动的集合，是对不同服务任务执行时间关系和结构关系的描述，其中，TW＝(Start(ST,[ti]),Suspend(ST,[ti]),Continue(ST,[ti]),End(ST,[ti]))表示协同活动，服务任务状态包括：启动(Start)、挂起(Suspend)、继续(Continue)、终止(End)，协同活动的执行结构包括：顺序结构、并行结构、选择结构、循环结构；
[0027] P＝(p1(t1),p2(t2),...,pi(ti),...,pn(tn))表示不同加工操作时间序列下服务任务状态的集合，T＝(t1,t2,...,ti,...,tn)表示转轮叶片铣削加工操作时间序列的集合。
[0028] 本发明还提供一种转轮叶片多轴铣削加工的集成知识云服务系统，其特征在于，包括人机交互接口、知识云库、任务解析和匹配器、服务流协同活动引擎，人机交互接口与任务解析和匹配器连接，任务解析和匹配器与服务流协同活动引擎连接，知识云库与人机交互接口、任务解析和匹配器、服务流协同活动引擎连接；
[0029] 人机交互接口提供用户自定义设置叶片加工参数、主动查询和学习加工相关知识、根据用户需求智能匹配和推送知识信息或优化参数的功能；
[0030] 知识云库是根据转轮叶片多轴铣削加工多任务本体在知识服务执行前建立的，包括与转轮叶片多轴铣削加工过程相关的所有知识资源的集合，如：设备信息、工艺参数、刀具信息、测试系统信息、控制系统信息、转轮叶片面型知识、标准规范知识，知识云库中的知识资源由云端服务器存储，用户可以通过服务平台访问服务器对具体服务流程相关的知识资源进行调用，知识服务过程中用户主动查询的知识信息，任务解析与匹配所需要的知识信息，根据用户需求匹配的知识信息均从知识云库中调取；
[0031] 任务解析和匹配器将用户在人机交互接口输入的操作指令和加工任务指令解析为机器语言，并对服务任务执行结构和时序流程进行编译；
[0032] 服务流协同活动引擎负责结合用户需求制定服务任务的执行规则，进一步对服务任务的协同活动进行管理和控制。
[0033] 本发明的工作原理：本发明以云模式下转轮叶片加工过程模块化集成和加工过程知识资源虚拟化、系统化描述为基础，构建加工过程集成的知识云服务模式，利用Petri Net扩展技术对知识云服务流的时序排列和任务执行规则等进行规范化约束，建立了知识服务需求模型、转轮叶片多轴铣削加工多任务本体、加工过程集成架构、知识云服务流程模型、转轮叶片多轴铣削加工的集成知识云服务模式。
[0034] 本发明的有益效果：为云制造模式下转轮叶片多轴铣削加工的集成知识云服务提供了方法和执行模式，解决了转轮叶片加工过程知识服务所存在的加工资源难利用、知识推送困难、加工过程难以系统化的问题，提高了云制造模式下叶片类以及其他复杂曲面零件多轴铣削加工效率以及知识资源的利用效率。
附图说明
[0035] 图1为转轮叶片多轴铣削加工的集成知识云服务方法流程图；
[0036] 图2为转轮叶片多轴铣削加工的集成知识云服务系统结构图；
[0037] 图3为知识服务需求模型；
[0038] 图4为转轮叶片多轴铣削加工过程集成架构；
[0039] 图5为知识云服务流程模型。
具体实施方式
[0040] 下面将结合附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0041] 实施例一：如图1所示，本发明提供了一种转轮叶片多轴铣削加工的集成知识云服务方法，包括步骤：
[0042] 步骤S1，分析并获取转轮叶片加工过程具体环节知识服务需求信息，建立知识服务需求模型，从而对具体加工过程中需要利用的知识资源进行调取，从而方便知识资源具体信息如切削速度、进给量、刀具类型等的匹配与应用过程；
[0043] 步骤S2，根据知识服务需求模型，用户可以在人机交互接口自定义输入或通过系统推送知识服务任务需求信息，从而对知识服务需求模型中的需求信息进行补充和修改，如果用户对加工过程专业性知识如加工方法、经验参数、工艺特点等存在疑问，也可以通过主动查询的方式，对加工过程相关知识进行了解和学习；
[0044] 步骤S3，根据在该方法执行前建立的加工过程集成架构，在任务解析和匹配器中对用户输入的服务任务需求信息进行解析与匹配，从而将输入的自然语言信息解析为机器语言，使得系统能够对知识服务需求信息进行读取，并对服务任务执行结构和时序流程进行编译；
[0045] 步骤S4，在服务流协同活动引擎中，利用Petri Net技术建立知识云服务流程模型，进一步根据对服务任务的解析信息，结合用户需求对服务任务流、服务机制、服务规则、服务约束等进行规定，从而建立一整套针对转轮叶片加工过程提供知识云服务的执行方案，并将执行方案以系统中执行系统和设备如控制系统、加工系统、计算机、数字化机床等能够识别的代码形式表示；
[0046] 步骤S5，根据服务流协同活动引擎中服务任务的规定和执行方案代码对知识云服务过程进行管理，从而协调任务流执行时间和知识资源匹配与应用过程，进一步为服务对象提供转轮叶片加工过程知识云服务，在实际转轮叶片多轴铣削加工过程中为不同时序、不同系统结构中的具体加工环节提供知识资源及知识推送与应用服务，从而提高加工过程执行效率，减少由于加工方案不完善导致的材料、时间、信息、能源等资源的浪费。
[0047] 转轮叶片多轴铣削加工的集成知识云服务是针对转轮叶片加工操作过程提供的信息服务，其目的是节省时间、信息、测试试验等成本，为用户提供经验参数推送、加工知识查询、最佳加工工艺方案推荐等人性化和智能化操作，并非实际加工操作过程。
[0048] 转轮叶片多轴铣削加工的集成知识云服务方法执行前，为了能够在系统中以统一的语义对服务过程中涉及的概念、方法、规则等进行表示，方便多加工步骤中知识信息的统一化、系统化理解，本发明利用常用的基于本体的知识表示方法对转轮叶片加工过程相关知识进行描述，从而需要建立转轮叶片多轴铣削加工多任务本体，进一步根据转轮叶片铣削加工多任务本体建立知识云库。
[0049] 转轮叶片多轴铣削加工多任务本体用多元组表示为：MDO＝(i,n∈N+)，DOi为多任务本体中的单个任务本体，MR为单个任务本体间的映射关系集合。单个任务本体用三元组表示为：DOi＝，CS为领域概念的集合，RS为领域概念间的关联关系集合，H为领域概念间的层次结构，其中，领域概念为转轮叶片加工过程中知识资源的语义总称，不同类型的知识资源属于不同领域概念，不同的知识资源间在加工过程中存才互相关联的关系，如切削速度、进给量、背吃刀量等属于切削参数知识，但它们与切削工件的材料知识、机床装备知识、刀具知识等均具有关联关系，领域概念间的层次结构是对知识资源的从属和并列关系的表示，如材料知识、机床装备知识是并列关系，即处于同等层次，切削速度属于切削参数，即切削速度比切削参数低一个层次。
[0050] 根据转轮叶片铣削加工多任务本体建立知识云库包括步骤：
[0051] a利用可扩展标记语言(XML)对加工过程知识资源进行形式化表达；
[0052] b利用web服务本体描述语言(OWL)对知识资源及加工任务进行语义描述，实现转轮叶片多轴铣削加工过程知识资源的服务化封装；
[0053] c利用统一建模语言(UML)建立知识云库内资源、任务、软硬件接口的逻辑关系及结构层次；
[0054] d利用Protégé建模工具对转轮叶片多轴铣削加工多任务本体的概念、属性和关系等进行编辑，建立多任务本体模型；
[0055] e利用ProtégéOWL插件工具将多任务本体模型转换为OWL-S描述模型，根据OWL-S描述模型建立知识云库。
[0056] 转轮叶片多轴铣削加工的集成知识云服务方法执行前，还需要根据转轮叶片多轴铣削加工过程建立加工过程集成架构，根据加工过程集成架构对转轮叶片多轴铣削加工过程进行分类处理，然后再划分为不同集成模块，将转轮叶片多轴铣削加工过程进行模块化处理的目的是利用集成化方法将繁琐的加工过程具体环节整合为不同模块，从而优化和简化加工过程，节省知识匹配、参数输入、参数设置等操作过程的操作节点，从而节省操作时间、提高服务效率。
[0057] 实施例二：如图2所示，本发明提供一种转轮叶片多轴铣削加工的集成知识云服务系统，包括人机交互接口、知识云库、任务解析和匹配器、服务流协同活动引擎。其中，人机交互接口是信息输入的入口，为用户提供知识查询与学习和自定义设置加工相关知识的功能，同时能够通过系统主动推送、智能匹配知识资源，为制定加工工艺、设置仿真测试流程、设置加工参数等过程提供信息服务；任务解析与匹配器将从人机交互接口传输过来的用户输入的信息解析为机器语言，并根据解析后的输入信息从知识云库中调取服务任务执行规则，对服务任务执行过程的时序排布、结构安排、服务任务间的关联关系进行设置和编译，并将编译后的信息传输至服务流协同活动引擎；服务流协同活动引擎根据编译后的信息对任务流进行管理，具体是根据用户需求完成对于服务任务流、服务机制、针对具体加工对象的服务规则和服务约束的设置与管理，并将服务任务以知识服务的形式推送给用户；各模块在执行过程中所涉及的知识资源由系统从知识云库中调取，知识云库包括与转轮叶片多轴铣削加工过程相关的所有知识资源，如：设备信息、工艺参数、刀具信息、测试系统信息、控制系统信息、转轮叶片面型知识、标准规范知识等，知识云库中的知识资源由云端服务器存储，用户可以通过服务平台访问服务器对具体服务流程相关的知识资源进行调用。
[0058] 实施例三：如图3所示，步骤1分析并获取转轮叶片铣削加工过程具体环节知识服务需求信息，并建立知识服务需求模型。本实施例提供一种转轮叶片铣削加工过程的具体环节排布方式：叶片模型特征分析、生成叶片毛坯模型、分区域工艺规划、多轴铣削刀轨计算、切削力分析、表面粗糙度分析、加工仿真、多轴铣削加工、样机测试、得到成品。各加工环节根据加工需求从知识云库中调取相关知识资源，如：分区域工艺规划环节，需要提取标准规范、控制系统、转轮叶片加工经验、加工方法、加工类型等知识资源，为叶片复杂型面分区域与不同加工区域工艺方案的制定提供知识服务；多轴铣削刀轨计算过程中，需要提取切削参数、刀具信息、加工类型、加工方法、标准规范等知识资源，从而在叶片加工刀轨计算过程中为用户选择刀具、设置加工参数、设置刀路轨迹约束等提供知识服务。显而易见，本实施例中的转轮叶片铣削加工过程具体环节排布方式只是转轮叶片铣削加工过程中的一种加工环节排布方式，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他加工环节排布方式，都属于本发明保护的范围。
[0059] 实施例四：如图4所示，加工过程集成架构包括：信息输入模块、虚拟仿真模块、实际加工及检测模块、工艺分析与优化模块。信息输入模块负责转轮叶片多轴铣削加工相关信息的输入与参数设置，如加工参数设置、毛坯参数设置、工件材料设置、走到路线选择、刀具参数选择、车床参数选择，并将输入信息传输至虚拟仿真模块；虚拟仿真模块利用CAD/CAE软件如NX8.5、Vericut7.3，搭建转轮叶片虚拟建模及加工仿真环境，完成生成毛坯模型、多轴铣削刀轨计算、加工仿真及仿真结果检测过程，并将满足要求的仿真结果传输至实际加工及检测模块；实际加工及检测模块为加工过程推送合理的机床参数、刀轴倾角、工装夹具信息，辅助转轮叶片实际多轴铣削加工过程，并为样品测试过程中样品的质量检测提供测试设备的详细技术参数和操作规程；工艺分析与优化模块通过搭建数据分析软件与CAD/CAE软件、质量测试设备的接口，实现对CAD/CAE软件的虚拟加工模块及宏文件的调用和质量测试参数的提取，为各模块功能执行过程推送最佳加工方案和最佳切削参数，如：为信息输入过程提供叶片模型分析、毛坯特征分析、工艺参数分析功能，为虚拟仿真过程提供分区域工艺规划、切削力预测、表面粗糙度预测功能，为实际加工及检测过程提供碰撞干涉、切削力测试、表面粗糙度测试功能，从而达到转轮叶片多轴铣削加工过程加工效率最大化、加工成本最小化、满足用户需求的目的。
[0060] 实施例五：步骤4中利用Petri Net技术建立的知识云服务流程模型是由服务任务、服务任务状态、协同活动以及服务任务间的关系组成的服务信息网络，用MS＝(ST,Team Work,SR,P)表示，其中，ST＝(ST1,ST2,STi,...,STn)(n∈N+)为服务任务的集合，即变迁集；SR＝(Retrieval(STi,STj),Relate(STi,STj),Feedback(STi,STj))(i≠j，且i,j∈N+)为服务任务间的关系的集合即流关系集，是对加工过程中不同操作活动所需知识资源匹配方式的描述，知识资源匹配方式包括检索(Retrieval)、关联(Relate)、反馈(Feedback)；
[0061] Team Work＝{TW1,TW2,...,TWn}(n∈N+)表示多个服务任务间的协同活动的集合，是对不同服务任务执行时间关系和结构关系的描述，其中，TW＝(Start(ST,[ti]),Suspend(ST,[ti]),Continue(ST,[ti]),End(ST,[ti]))表示协同活动，服务任务状态包括：启动(Start)、挂起(Suspend)、继续(Continue)、终止(End)，协同活动的执行结构包括：顺序结构、并行结构、选择结构、循环结构；
[0062] P＝(p1(t1),p2(t2),...,pi(ti),...,pn(tn))表示不同加工操作时间序列下服务任务状态的集合，即库所集，T＝(t1,t2,...,ti,...,tn)表示转轮叶片铣削加工操作时间序列的集合；变迁STi执行前后两个任务状态分别用前集和后集表示。
[0063] 如图5所示，本实施例以知识云服务流程模型中两个知识服务流的服务流程对知识云服务流模型的运行规则进行进一步说明：
[0064] bf为知识云服务流，服务流执行过程中两个服务流bf1和bf2协同执行具体步骤与交互规则如下：
[0065] 步骤S401：服务任务ST1和ST2同时启动，构成并行结构的协同活动TW1，为加工操作t1、t2提供知识服务，使任务状态分别由前集P1(t1)和P2(t2)变为后集P3(t3)和P4(t4)，P3(t3)和P4(t4)互相关联，任务状态P4(t4)由ST1和ST2执行结果共同决定；
[0066] 步骤S402：服务任务ST2执行过程中存在故障、错误或需要对结果进行优化，则将任务挂起并通过反馈任务ST9将信息反馈至ST2任务执行前状态P2(t2)，即ST2的前集，构成循环结构的协同活动TW4，对相关加工参数进行修改后再次启动服务任务ST2，直至故障解除或优化结果满足需求；
[0067] 步骤S403：服务任务ST3和ST4分别按时序启动，构成顺序结构的协同活动TW2，为加工操作t3、t4提供知识服务，使任务状态分别由前集P3(t3)和P4(t4)变为后集P5(t5)和P6(t6)；
[0068] 步骤S404：服务任务ST5和ST6同时启动，构成选择结构的协同活动TW3，为加工操作t5、t6提供知识服务，ST5和ST6可同时执行或单独执行，根据服务需求对服务任务ST5和ST6进行选择和执行，从而决定任务执行后状态P5(t5)和P6(t6)；
[0069] 步骤S405：服务任务ST7启动并执行，为加工操作t7、t8提供知识服务，ST7执行后得到一个输出结果P9(t9)，至此，终止服务任务。
