基于三维标注技术的数字化产品定义方法

通过总结数字化产品定义技术的发展历程,指出了三维标注技术出现的必然性.分析了三维标注技术的优点及其对数字化制造技术的影响,及三维标注技术以属性与标注解决产品非几何制造信息表达问题的本质,结合CATIA平台阐述了通过属性与标注表达产品各类非几何制造信息的具体方法.明确了三维状态下产品非几何制造信息的操作管理要求,并通过标注平面对它们进行分类表达,从而实现对它们的有效组织与管理.三维标注技术将使三维数字化模型成为数字化产品定义的唯一载体,并成为唯一的制造依据,将引起数字化制造技术的重大变革.     

基于Pro/E的三维模型标注的二次开发

如何灵活而合理地实现设计信息与制造信息在三维模型上的标识是目前三维数字化研究的热点,而Pro/E三维标注方面起步较晚,功能较弱。针对此现状,利用Pro/E的二次开发工具包Pro/Toolkit,对设计与制造信息在Pro/E中进行标注涉及的关键功能进行了二次开发,实现了信息在三维模型中的组织、表达与显示,通过实际应用,满足了在Pro/E中以国标为准进行规范化标注的要求。     

航空典型零件快速标注技术

航空典型零件制造过程中需要大量的标注信息,而三维数字化标注已取代二维工程图。针对手动三维标注繁琐的问题,提出利用CAA(Component Application Architecture)对CATIA进行二次开发,完成三维模型标注元素和特征信息的提取,编制零件快速标注系统,并将系统集成到CATIA环境中,实现航空典型零件的快速标注。实例表明,快速标注系统可缩短设计周期,提高设计效率与质量,具有一定的工程实用价值。     

基矛UG产品工艺信息三维标注应用的探索

MBD 的工艺设计是基于三维设计模型直接完成工艺模型的创建,并在三维工艺模型上完整表达产品工艺定义信息的先进工艺设计手段。在复杂产品制造行业中,MBD 协同设计制造技术的作用越来越大,本文以转向随动臂零件的模型为对象,结合 UG 软件平台,探索了三维标注及三维关联工序模型的具体方法,为企业实现数字化制造打下了基础。     

基于X3D的产品三维模型可视化技术研究

分析总结了X3D的特点和优越性,基于其在产品可视化上的特点和优点,提出了基于X3D的产品三维模型可视化方法,为解决图形数据在网上即时交互传输存在的困难提供了途径;研究了产品三维模型的信息交换与存储,最后给出了产品三维模型的可视化示例。     

简单零件的三维自动标注

结合零件设计,阐述了三维尺寸自动标注的必要性。传统的手工标注方法速度慢、效率低、重复性工作多。介绍了弯管和钣金2类零件的自动标注方法,阐述了在UG平台上二次开发实现三维尺寸自动标注的具体方法和步骤。     

基于特征造型的尺寸智能标注的研究

主要研究了面向尺寸智能标注的特征识别与提取技术。通过基于体分解的特征识别技术,将特征造型零件分解成基元体(智能图素)的集合,然后通过特征提取获得与尺寸标注相关的几何特征信息,经过必要参数处理得到能够满足尺寸智能标注要求的基元体特征信息。采用这一方法在CAXA实体设计平台上初步实现了特征的自动识别与提取。     

利用曲率多特征融合改进人体三维脊椎模型特征点的标注方法

由于脊椎生理结构的精准坐标描述和准确匹配尚未达到医学精度的要求,本文对如何精确描述脊柱腰骶段特征点的物理坐标进行研究。介绍了人体脊椎采样特征点的定义和传统标记方法。针对手动标注特征点精确度不够,易产生较大误差等问题提出了一种基于曲率多特征融合的自适应标注特征点的方法。该方法首先找出某个特征点的高斯曲率和平均曲率流的定义值,得到该特征点的法曲率相对极大值,并计算在指定极小半径r范围内的所有模型点的法曲率相对极大值。由于极大值曲率越大,三维模型表面在该点处的弯曲程度越大,该点就越能表现三维模型的大致轮廓,故以r范围内极大值最大的点作为特征点的曲率描述来替换手动拾取的点,从而准确反映该点的特征变化情况。最后,对改进结果进行偏差验证分析。结果表明:改进方法的准确度比现有手动标注特征点方法的准确度提高了约37%,验证了本文方法的有效性。     

面向三维工艺的产品设计制造信息三维标注研究

简要回顾了产品设计制造信息载体的变迁,阐述了产品设计制造信息三维标注的内容以及标注的过程。针对产品制造工艺信息,通过构建并固化工艺符号库,开发了基于GB／T24734规则的工艺符号标注模块,能够实现工艺信息的快速标注。面对基于三维模型表达产品信息的“刺猬”现象,提出了分视图、分图层管理信息的方法。     

面向三维工艺的产品设计制造信息三维标注研究

简要回顾了产品设计制造信息载体的变迁,阐述了产品设计制造信息三维标注的内容以及标注的过程。针对产品制造工艺信息,通过构建并固化工艺符号库,开发了基于GB/T24734规则的工艺符号标注模块,能够实现工艺信息的快速标注。面对基于三维模型表达产品信息的"刺猬"现象,提出了分视图、分图层管理信息的方法。     

基于外形特征的三维模型聚类方法研究

针对实际应用中三维模型数据集的模型分类管理、检索聚类预处理等聚类问题,提出了一种基于划分方法的无监督聚类模型。该模型通过以傅里叶矩不变算法为基础的特征提取算法,综合运用了现有聚类算法,将特征提取和聚类计算有效结合起来,充分考虑了聚类模型数据格式的敏感性问题。计算结果表明,该方法对有一定类结构的数据集在有整体聚类效果的情况下有一定的局部最优性。     

三维颅骨特征点的自动标定

提出了颅骨特征点的全自动标定方法,该方法利用分区统计可变模型及模型相似性匹配的方法来标定颅骨特征点。首先,对颅骨分区样本进行统计建模;利用统计模型的形变控制生成基准模型和生成模型,并建立基准模型和生成模型间的映射关系。然后,定义了模型之间相似性。最后,利用模型相似度和映射关系,间接得到待测模型的特征点。实验结果表明:该方法定位眼眶模型特征点的位置平均误差值为3.232 5pixel;当距离阈值为10pixel(模型大小的3%)时,有90%的特征点的位置准确率达到100%。与现有方法相比,本文方法标定的颅骨特征点的准确度和精确度都更高,并且可以标定颅骨模型平滑区域的特征点。     

基于局部特征提取的目标自动识别

提出一种基于局部特征提取的目标识别方法,用于自动识别不同尺度,视角和照度条件下的目标.首先,建立图像的尺度空间;结合海森矩阵和Harris算法提取局部特征点,计算该特征区域的方向和灰度梯度及方向;统计出每块子区域的标准灰度梯度直方图,得到128维的特征向量.然后,基于主成分分析的降维算法来降低特征向量的维数,加快识别的计算速度.最后,采用特征空间分类器增加目标识别的速度.实验结果表明:基于局部特征提取的目标识别达到了较高的识别率,在视角、尺度和照度变化下的识别率分别为61.9％,80.5％和84.4％,平均识别时间为130.9 ms.与尺度不变特征变换(SIFT)和加速鲁棒特征(SURF)算法相比,本算法不仅在不同的视角,目标尺度及照度条件下具有较高识别率,而且识别速度比SIFT方法高.     

基于块遍历的直线边缘特征提取

为了能够快速而精确地提取图像中扩展目标的直线边缘特征,提出了一种基于块遍历的直线提取方法.该算法先通过块遍历整个图像,然后按照直方图把块分类并进行二值化,再通过链码得到相同单像素直线的多个块表示,然后通过这些直线的斜率和截距进行分类,最后对分类结果求均值.仿真结果表明,该方法不仅能正确地提取直线特征且提取的直线可以达到亚像素精度,其角度定位精度超过0.01 rad.从运算量和复杂性来看,其综合性能要优于经典霍夫变换方法,可以得到很好的直线提取结果,并为硬件实现打好基础.     

基于特征的箱体零件建模方法研究与分析

阐述特征技术基本概念,提出基于特征的箱体零件信息描述方法。阐述箱体类零件形状特征及形状特征二叉树建立过程。     

基于Wedgelet的CT体数据线特征提取

线特征是描述CT体数据的重要特征之一,是基于工业CT逆向设计的重要基础。该文通过分析单尺度下Wedgelet的组成及相互间的联系,得到一种快速Wedgelet分解方法。以此为基础,考虑到CT体数据中的大部分线特征并不是以独立的形式存在,而是以不同灰度区域相连形式存在的客观事实,提出一种基于Wedgelet的CT体数据线特征提取方法。首先将体数据按3个相互垂直的方向进行切片划分;然后对每组切片序列图像进行基于多尺度Wedgelet分解的线特征提取;最后对3个方向的线特征进行融合,从而得到CT体数据的线特征。实际数据的数字实验结果表明,该方法能有效地提取出CT体数据中的线特征。     

基于PCA的汽车涂装线设备信号特征提取

应用监测系统对设备信号进行采集、处理可以得到设备运行参数空间.为解决参数空间信息重叠多、维数大及对目标状态区分度小的问题,提出了一种基于主成分分析的特征提取方法并加以改进.首先,在建立烘房设备监测结构图的基础上,进行监测参数PCA建模,给出原数据空间降维改进具体化、层次化方法;然后,通过比较设备信号特征对各主成分影响程度高低、各主成分贡献率大小的方法,得到能真正反映设备运行状态的核心特征集,并对降维效果进行比较,依此确定最佳维数;通过烘房燃烧加热系统验证了该方法能够有效地提取复杂系统的信号特征.     

基于DBN的故障特征提取及诊断方法研究

随着装备日趋复杂化,依靠专家经验或信号处理技术人工提取和选择故障特征变得越来越困难。此外,以BP神经网络、SVM为代表的浅层模型难以表征被测信号与装备健康状况之间复杂的映射关系,且面临维数灾难等问题。结合深度置信网络(DBN)在提取特征和处理高维、非线性数据等方面的优势,提出一种基于深度置信网络的故障特征提取及诊断方法。该方法通过深度学习利用原始时域信号训练深度置信网络并完成智能诊断,其优势在于能够摆脱对大量信号处理技术与诊断经验的依赖,完成故障特征的自适应提取与健康状况的智能诊断,该方法对时域信号没有周期性要求,具有较强的通用性和适应性。在仿真数据集和轴承数据集上进行了故障特征提取和诊断实验,实验结果表明:本文提出的方法能够有效地从原始信号中进行多种工况、多种故障位置和多种故障程度的故障特征提取和诊断,并且具有较高的故障识别精度。     

涡流阵列检测裂纹特征提取方法的研究

涡流阵列检测是一种可以对大面积平板和复杂形状关键件实施快速、有效检测的电磁无损检测技术.在简要阐述涡流阵列检测技术原理的基础上,设计制作了涡流阵列检测平台和涡流阵列传感器.基于涡流阵列6种激励检测模式,提出了裂纹长度和深度定量检测的方法.研究结果表明:裂纹长度可通过小波变换提取锁定放大输出幅值波形的特征点如波峰、波谷、拐点等的位置准确计算,裂纹深度可通过弹性BP神经网络对输出幅值波形波峰峰值的训练来较为准确地估计.