1.一种基于三角网格及神经网络的加工特征识别方法，其特征在于：包括如下步骤：S1：导入零件设计模型，通过PMI定位获取加工特征；

S2：将加工特征进行三角网格划分，并导出三角网格数据；

S3：对三角网格数据进行数据提取及处理；

S4：创建自定义加工特征数据集；

S5：将自定义加工特征数据集放入神经网络训练，获得最优神经网络训练模型；

S6：将步骤S3中处理完的数据输入最优神经网络训练模型中进行加工特征识别。

2.根据权利要求1所述的一种基于三角网格及神经网络的加工特征识别方法，其特征在于：所述步骤S1中零件设计模型为MBD设计模型。

3.根据权利要求1所述的一种基于三角网格及神经网络的加工特征识别方法，其特征在于：所述步骤S1中通过PMI定位获取加工特征的方法为：首先获取加工特征特有的PMI标注；然后获得每个PMI关联的面集F＝{f1,f2,...,fK}，其中，k为每个PMI关联面的个数；最后每个PMI关联面集即为组成对应加工特征的面集。

4.根据权利要求3所述的一种基于三角网格及神经网络的加工特征识别方法，其特征在于：所述步骤S1中加工特征特有的PMI标注为表面粗糙度PMI标注，表示为：P＝{p1,p2,...,pt}，其中，t为导入模型上待识别加工特征的个数。

5.根据权利要求3所述的一种基于三角网格及神经网络的加工特征识别方法，其特征在于：所述步骤S2具体为：将加工特征关联面集F转化为片体集合S＝{s1,s2,...,sK}，然后将片体集合进行三角网格划分，并导出三角网格数据。

6.根据权利要求1或5所述的一种基于三角网格及神经网络的加工特征识别方法，其特征在于：所述步骤S2中导出的三角网格数据包含了每个三角形的法向量和三个顶角的坐标。

7.根据权利要求6所述的一种基于三角网格及神经网络的加工特征识别方法，其特征在于：所述步骤S3中三角网格数据的数据提取及处理方法为:A1：提取三角网格数据中每个三角形的法向量及三个顶角的坐标；

A2：计算每个三角形的中心坐标；

A3：计算每个三角形的角向量；

A4：对坐标数据进行归一化处理；

A5：对处理后的每个三角形进行编号，获取每个三角形的三个邻接面编号。

8.根据权利要求1所述的一种基于三角网格及神经网络的加工特征识别方法，其特征在于：所述步骤S4中自定义加工特征数据集的创建方法为：B1：自定义加工特征集N＝{n1,n2,...,nS}，其中s为自定义加工特征个数；

B2：对第i个加工特征类型ni∈N，创建不同尺寸的此类加工特征M＝{m1,m2,...,ml}，其中l为每类加工特征所创建的个数；

B3：对第j个加工特征mj∈M，进行随机旋转；

B4：提取加工特征；

B5：对加工特征进行三角网格划分，并导出三角网格数据；

B6：对三角网格数据进行数据提取及处理；

B7：将处理完的数据划分为训练集和测试集。

9.根据权利要求1所述的一种基于三角网格及神经网络的加工特征识别方法，其特征在于：所述步骤S5中放入神经网络训练的自定义加工特征数据集的数据包括每个三角形的中心坐标、法向量、角向量、邻接三角形编号。