北京航空航天大学蔡茂林教授团队：面向智能制造的数控加工工艺重用关键技术：系统回顾丨JME文章推荐

引用论文

牛帅, 仝晓萌, 蔡茂林, 李毅波, 岳烜德. 面向智能制造的数控加工工艺重用关键技术：系统回顾[J]. 机械工程学报, 2025, 61(20): 301-317.

NIU Shuai, TONG Xiaomeng, CAI Maolin, LI Yibo, YUE Xuande. Key Technologies for CNC Machining Process Reuse for Intelligent Manufacturing: A Systematic Review[J]. Journal of Mechanical Engineering, 2025, 61(20): 301-317.

(戳链接，下载全文)

随着数字化制造技术的迅速发展，企业数据库中已积累大量加工工艺实例。基于“几何相似则工艺相似”的基本原理，通过识别和提取相似的三维几何工艺信息，可有效实现工艺知识的重用，进而提升工艺决策系统的智能化水平，缩短产品开发周期。在数控加工工艺重用技术快速发展的背景下，系统把握其发展现状和未来趋势，为工艺设计人员提供全面的文献综述具有重要的理论和实践意义，北京航空航天大学蔡茂林教授团队研究从三个维度系统分析和总结了数控加工工艺重用技术的最新研究进展：首先，宏观工艺重用层面重点探讨产品整体加工路线的重用方法；其次，微观工艺重用层面聚焦于具体加工环节中工艺知识的精确提取与应用技术；最后，基于机器学习的工艺重用技术则聚焦于非结构化CAD模型数据的处理及其与工艺信息之间复杂的映射关系。这些研究成果不仅对提升工艺设计效率具有重要的理论指导价值，同时在促进工艺知识管理体系的完善方面也具有显著的实践价值 。该团队的研究成果以题为《面向智能制造的数控加工工艺重用关键技术：系统回顾》发表在《机械工程学报》2025年第20期。

1

研究背景及目的

随着数字化制造技术的迅速发展，企业数据库中已积累大量加工工艺实例。基于"几何相似则工艺相似"的基本原理，通过识别和提取相似的三维几何工艺信息，可有效实现工艺知识的重用，进而提升工艺决策系统的智能化水平，显著缩短产品开发周期。在数控加工工艺重用技术快速发展的背景下，系统把握其发展现状和未来趋势，为工艺设计人员提供全面的文献综述具有重要的理论和实践意义。研究从三个维度系统分析和总结了数控加工工艺重用技术的最新研究进展：首先，宏观工艺重用层面重点探讨产品整体加工路线的重用方法；其次，微观工艺重用层面聚焦于具体加工环节中工艺知识的精确提取与应用技术；最后，基于机器学习的工艺重用技术则聚焦于非结构化CAD模型数据的处理及其与工艺信息之间复杂的映射关系。这些研究成果不仅对提升工艺设计效率具有重要的理论指导价值，同时在促进工艺知识管理体系的完善方面也具有显著的实践价值。

2

论文亮点

研究采用系统文献检索与分析方法，通过Web of Science、Engineering Village、Scopus、CNKI和万方等数据库，检索发表的相关文献，关键词包括"数控加工"、"工艺重用"、"几何相似性"等及其英文对应词。文献筛选遵循明确的纳入与排除标准，重点选取具有创新性方法和实际应用价值的研究成果。采用三维分析框架对文献进行分类整理：宏观工艺重用(产品整体加工路线)、微观工艺重用(具体加工环节工艺知识)和基于机器学习的工艺重用技术。对每个维度的研究现状、关键技术、应用案例和存在问题进行系统分析，并通过对比分析不同方法的优缺点，总结技术发展趋势。此外，本研究还对部分典型方法进行了案例分析，验证其在实际工业环境中的适用性和有效性，为工艺设计人员提供全面的技术参考和发展展望。

图1 数控加工工艺重用关键技术方法总结

图2 工艺重用的技术框架

3

结果

研究通过系统文献分析，共纳入有效文献101篇，其中英文文献97篇，中文文献4篇。按研究维度分类，宏观工艺重用相关研究32篇(占31.7%)，微观工艺重用18篇(占17.8%)，基于机器学习的工艺重用技术26篇(占25.7%)。

当前的研究依旧存在以下问题：

1. 目前宏观工艺规划主要依赖模型的整体几何相似性计算，但仅考虑几何相似性存在局限性，因为几何相似的零件其工艺不一定相似。现有方法未能将CAD模型与CAM模型的关联关系直接融入工艺相似性评价过程，缺乏完整的模型工艺相似性计算标准和方法，导致检索结果的可重用性难以保证，往往需要设计人员进一步评判关联工艺的重用价值。

2. 微观工艺重用虽能利用零件局部特征的工艺信息进行复用，但由于存在多源异构问题(如制造资源异构、工艺参数不一致等)以及工艺情境差异，导致无法实现真正的自适应重用，需要大量人工干预。因此，要提升数控工艺设计效率，关键是解决可重用工艺的有效融合与自适应更改问题。

3.基于机器学习的工艺重用方法在将三维模型转换为体素、点云等形式时会丢失几何和拓扑信息，影响工艺重用的完整性。此外，现有方法仅能实现工艺的部分重用，尽管过去20年间取得了显著进展，但完整的三维工艺设计系统仍未实现。

4

结论

研究构建了一个多维度分析框架，系统探讨了面向智能制造的数控加工工艺重用技术的研究现状与发展趋势。该研究以机械加工工艺的不同层次为切入点，通过广泛的文献调研，深入分析了宏观工艺重用、微观工艺重用以及基于机器学习的工艺重用技术三个维度。其中，宏观工艺重用技术基于模型整体相似性评估，旨在为新产品重用现有的工艺规划方案；微观工艺重用技术则依托局部特征相似性度量，实现加工参数、加工策略等微观工艺要素的精准匹配。这两类技术在工艺重用体系中相互补充、协同作用，共同支撑新产品的工艺规划过程。随着人工智能技术的快速发展，基于机器学习的工艺重用技术取得了突破性进展。该方法通过构建零件几何特征与工艺方案之间的映射关系，推动了工艺重用模式从"基于规则"向"基于数据"的范式转换，为机械加工工艺规划与重用提供了新的技术路径。

研究的创新之处在于首次将机械加工工艺信息分层次化研究，从宏观工艺重用(工序工步组织、时序关系、加工资源配置等)到微观工艺重用(工艺参数优化、加工策略等)，建立了完整的技术分析体系，并深入探讨了新一代信息技术在工艺重用领域的应用前景，为推动制造业数字化转型提供了新的研究思路。

5

前景与应用

近年来，基于Transformer架构的大规模预训练模型取得了突破性进展。这类模型凭借其庞大的参数规模和强大的表征学习能力，能够有效建模复杂的数据关系，从而捕获和理解更为丰富的特征模式。在制造领域，大模型技术为工艺重用带来了新的发展契机。通过自监督预训练与任务特定微调相结合的范式，大模型能够从海量历史工艺数据中挖掘工件几何特征、加工工艺参数以及制造环境约束之间的深层语义关联。这种端到端的学习方式为实现更全面、更智能的工艺知识重用提供了技术支撑。 特别值得关注的是，在处理非结构化工艺数据和复杂知识表征时，大模型表现出了显著的优势。其强大的跨模态理解和知识推理能力，有望突破传统基于规则的方法局限，推动工艺重用技术向知识驱动、数据赋能的更高层次演进。这也正是我们下一步研究的重点方向，期望通过深入探索大模型技术在工艺重用领域的应用，为智能制造提供新的解决方案。

作者及团队介绍

蔡茂林，北京航空航天大学二级教授、博导，博士，国家级领军人才（海外），北京市重点实验室主任，国家科技进步二等奖第一完成人，获中国机械工业科学技术奖一等奖2项，主要研究方向为非标零件数智化制造，相关成果已应用于航空航天、半导体领域知名企业，经济效益突出，达到国际同类技术领先水平。

仝晓萌，北京航空航天大学教授、博导，博士，国家级青年人才（海外），国家重点研发计划首席科学家，主要研究方向为高端基础件与数智化制造技术，在智能制造、AI赋能设计、高端轴承等领域发表高水平论文40余篇，获ASME年度最佳论文奖、柔性自动化与智能制造国际会议（纽约）最佳论文奖等。

6

作者或团队研究方向介绍

本研究团队长期致力于智能制造系统、数字化工艺与知识工程领域的前沿研究。团队核心研究方向涵盖智能制造技术、工业大模型研究及柔性敏捷制造系统三大领域。在智能制造方面，团队拥有十余年数控加工工艺优化与重用技术研究积累；在柔性敏捷制造方面，团队围绕制造系统柔性化与敏捷化目标，开展了基于数字孪生的智能车间调度、面向小批量定制化生产的快速工艺配置等研究，为制造企业数字化转型与智能化升级提供理论支撑与技术解决方案 。

7

近两年团队发表文章

[1]SHI P, TONG X, CAI M, et al. A novel 2.5 D machining feature recognition method based on ray blanking algorithm[J]. Journal of Intelligent Manufacturing. 2024. 35(4): 1585-605.

[2]Shi P, Tong X, Qu H, et al. Rapid generation of contour parallel toolpaths for 2.5 D closed cavity based on accurate discrete medial axis transform[J]. Precision Engineering, 2025, 92: 231-252.

[3]NING F, SHI Y, CAI M, et al. Various realization methods of machine-part classification based on deep learning[J]. Journal of Intelligent Manufacturing. 2020. 31(8): 2019-32.

作 者：仝晓萌

责任编辑：杜蔚杰

责任校对：张 强

审 核：张 彤

JME学院简介

JME学院是由《机械工程学报》编辑部2018年创建，以关注、陪伴青年学者成长为宗旨，努力探索学术传播服务新模式。首任院长是中国机械工程学会监事会监事长、《机械工程学报》中英文两刊主编宋天虎。

欢迎各位老师扫码添加小助理-暖暖为好友，由小助理拉入JME学院官方群！

欢迎关注JME学院视频号~

寻觅合作伙伴

有一种合作叫做真诚，有一种发展可以无限，有一种伙伴可以互利共赢，愿我们合作起来流连忘返，发展起来前景可观。关于论文推荐、团队介绍、图书出版、学术直播、招聘信息、会议推广等，请与我们联系。

感谢关注我们！《机械工程学报》编辑部将努力为您打造一个有态度、有深度、有温度的学术媒体！

版权声明：

本文为《机械工程学报》编辑部原创内容，欢迎转载，请联系授权！

在公众号后台留言需要转载的文章题目及要转载的公众号ID以获取授权!

联系人：暖暖

微信小助手：jmenuannuan

E-mail：jme@cmes.org

网 址：http://www.cjmenet.com.cn

官方微信号：jmewechat