基于预分割轮廓的CT图像亚体素表面检测方法

针对基于CT(computed tomography)图像检测分析中的点云提取精度与完整性问题,提出一种基于预分割轮廓的高精度、高完整性的亚体素表面检测方法。首先采用Otsu分割算法提取CT图像的体素级轮廓点集,并以此作为粗定位轮廓自适应地生成用于亚体素表面检测的完备感兴趣区域(region of interest,ROI);然后提出一种基于梯度非极大值抑制的表面体素判定方法,避免了梯度阈值选择难题;最后基于3D Facet模型定位亚体素级表面点位置。实验结果表明,该方法能有效改善传统亚体素检测方法的轮廓丢失、伪边严重等问题,轮廓定位误差小于0.2个体素,同时能够取得3倍以上的计算加速比。     

叶片类零件四坐标高效螺旋数控编程方法研究

研究了多坐标联动机床叶片螺旋加工方法 ,避免了轨迹上横向进刀 ,并按照等加工精度原理计算出合理刀位点。根据切削试验结果 ,对进给速度进行优化 ,保证了实际加工过程中刀具相对于叶片的匀速进给 ,有效地避免了叶片前缘、后缘处刀具啃切。与原有的叶片加工方法相比 ,基本上消除了原有的手工去除余量过程以及昂贵的叶片专用加工机床 ,提高了生产效率 ,降低了生产成本     

基于涡轮叶片有限元分析离散数据点的NURBS曲面重构

为解决有限元方法产生的三角网格数据不利于进行后续的曲面编辑和加工的问题，提出了一套算法将有限元网格逼近为造型和加工常用的NURBS曲面。首先对有限元网格进行预处理，提取出边界曲线并构造出初始曲面；通过基于曲率的自由曲面抽样网格规划方法，将海量离散数据点进行压缩及建立四边域网格，方法具有自组织和压缩比率用户可控等特点；采用迭代逼近的方法进行NURBS曲面拟合，在保证拟合精度的前提下提高了曲面光顺性。对真实叶片数据的处理证明了算法的实用性。     

面向复杂零件网络化制造的资源优化配置方法

为实现复杂零件网络化制造的资源优化配置,提出一种以零件工艺流程为核心的制造资源优化配置方法。该方法依据零件工艺流程,设计逻辑制造单元和逻辑加工路线,进行基于逻辑制造单元和逻辑加工路线的制造任务分解和描述。为了对逻辑加工路线配置最优的可执行加工路线,以运行成本、时间和加工质量为目标,建立多目标优化模型;在用遗传算法求解模型的过程中,每一代种群,基于影响度因子将运行成本、时间和加工质量的目标特征值矩阵转换为相对隶属度矩阵,进而以每个染色体的距优海明加权距离平方与距劣海明加权距离平方之和最小为准则,求取基于相对隶属度的适应度值。最后,以具体实例证明了该方法解决复杂零件网络化制造资源优化配置问题的可行性与有效性。     

一种改进的基于Facet模型的亚体素表面检测算法

在基于CT的工业应用中，常常需要从CT切片序列获得实体的3D高精度表面信息。介绍了一种基于Facet模型的亚体素表面检测算法，并针对其计算效率低的问题，给出了一种3DFacet模型的加速算法。该改进算法将Facet模型的三维卷积核分解为3个一维卷积核，使算法复杂度从O（m^3）降低到O（3m），并采用增量算法解决了由此产生的存储空间问题。通过对仿真图像的实验，验证了该算法的效率和精度，表明该算法在保持原始算法精度的同时，处理速度提高了约两倍。     

基于遗传算法的网络化制造单元选择问题研究

为解决网络化协同制造过程中物理制造单元选择问题，提出一种改进的基于遗传算法的物理制造单元优化选择算法。算法采用整数编码，每个染色体代表一条可执行加工路线；为获取最优的可执行加工路线，以总的运行成本、运行时间和加工质量为优化目标构造目标函数；求解过程中，在每一代种群中计算出与每个染色体相对应的成本、时间、质量指标及目标非标准化对决策的影响度，进而利用影响度因子确定群体中每个染色体对最小运行成本、最小运行时间及最优加工质量的相对优属度，再利用相对优属度构造相对适应度函数，并求取相应的适应度函数值，减小了目标非标准化对优化结果的影响。最后给出了应用该算法处理复杂零件协同制造中制造单元选择的一个实例，以证明算法的可行性与有效性。     

产品模型定位系统核心技术研究

模型定位一直是逆向工程领域和图像处理领域的重要技术之一,结合零件加工定位和无损检测的需要,提出了产品模型定位系统框架和问题解决方法。该系统以工业CT或CMM测量数据作为三维输入方式,构成待配准模型,以CAD模型作为理论模型。针对待配准模型与理论模型,研究并实现了粗配准技术、精确配准技术、配准定位的分析评估以及数据拼合等核心技术。该系统可以应用于无损检测、无损评估以及加工定位等领域,具有广泛的应用前景。     

基于工业CT图像的轮廓控制点优化提取

针对如何提取工业CT图像轮廓控制点这一问题,提出一种简单有效的二次提取方法。该方法分为粗提取和精提取两步。首先计算轮廓数据点的离散圆曲率,通过粗提取去除轮廓数据点中的坏点和对轮廓特征贡献很小的点。然后在精提取过程中,通过多层次细节分析将轮廓控制点提取出来。试验验证提取出的轮廓控制点不仅能够表示轮廓的形状,而且能有效地消除数据冗余。     

CBVCT系统中心标定方法

CBVCT（Cone Beam Volume CT）系统在无损检测和逆向工程等领域具有不可替代的优越性。而系统设计时射线源焦点投影不能枝准将严重影响其精度。采用实验的方法,利用标准钢丝样本和直尺样本,先采用DR成像的方法大致确定投影中心的位置,然后利用黄金分割点逼近准确位置。在计算钢丝位置时,则采用最小半径法确定钢丝的中心。系统标定后,时钢丝样本重新进行了重建实验,实验结果表明,标定后的系统精度提高5倍以上。在理论和实践上为CBVCT系统的研发提供了切实可行的中心标定方案。