[发明专利]基于筋特征分割的薄壁件模型层次化语义中面抽取方法在审
申请号: | 201711145923.6 | 申请日: | 2017-11-17 |
公开(公告)号: | CN108108513A | 公开(公告)日: | 2018-06-01 |
发明(设计)人: | 林云峰;刘玉生 | 申请(专利权)人: | 浙江文瑞科技发展有限公司 |
主分类号: | G06F17/50 | 分类号: | G06F17/50 |
代理公司: | 杭州丰禾专利事务所有限公司 33214 | 代理人: | 王鹏举 |
地址: | 323000 浙江省丽水市莲都区*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 语义 抽取 薄壁件 层次化 特征分割 面模型 数据挖掘技术 层次化结构 高效识别 基础支持 可重用性 快速生成 模型分割 特征结构 拓扑 重用 | ||
1.基于筋特征分割的薄壁件模型层次化语义中面抽取方法,其特征在于,包括:
步骤1层次化结构语义的定义:
定义一个新的用于薄壁件模型和中面模型的层次化语义结构,支持后续操作包括模型分割、中面生成以及中面重用等;
步骤2筋特征的高效识别和模型分割:
识别筋特征并构建基于筋特征的层次化语义结构,接着采用一种新的模型分割方法按照模型的层次化语义结构自底向上逐层分割筋特征,以获得具有不同层次化结构语义的子区域;
步骤3层次化语义中面抽取:
对步骤2中分割出的筋特征采用自适应加混合的中面抽取方式,按照模型层次化语义结构自底向上进行中面模型的高效和精确抽取;
步骤4:中面模型生成和重用:
根据层次化语义信息将各离散面片拼接成一个完整的层次化语义中面模型,并以此为基础支持模型变动设计时变动区域的中面快速生成,提高中面模型的可重用性。
2.根据权利要求1所述的基于筋特征分割的薄壁件模型层次化语义中面抽取方法,其特征在于,步骤1具体包括:
步骤1-1连接语义的定义:
中面模型中的连接语义是一个简单的二元组关系,表示不同子区域的连接关系,可归类为两种类型:L型连接和T型连接;
步骤1-2层次语义的定义:层次语义描述两个连接子区域之间的隶属关系,可分为两种关系:同级关系和上下级关系。
3.根据权利要求1所述的基于筋特征分割的薄壁件模型层次化语义中面抽取方法,其特征在于,步骤2具体包括:
步骤2-1筋特征的高效识别:基于薄壁件模型的面组信息识别筋特征;
步骤2-2模型分割:模型分割通常是简化模型拓扑最有效的方式,一般分为两类:完全分割和冗余分割,由于筋与筋之间存在大量交叉共享区域,这里采用冗余分割方式实现模型分割。
4.根据权利要求3所述的基于筋特征分割的薄壁件模型层次化语义中面抽取方法,其特征在于,步骤2-1包括如下步骤:
步骤2-1-1面组的生成,一个筋特征中同侧侧面具有相同的底层集合,面组就是距离相近的具有同侧几何的面集合;
面组的生成由四步组成:
(1)曲面几何一致性识别;
(2)初步筛选,剔除潜在面组集合中距离大于阈值的曲面;
(3)二次筛选,剔除面组几何中法向不一致的曲面;
(4)为查找到的面集构建一个完整的拓扑边界;
步骤2-1-2面组对的查找:
面组查找成功后,模型拓扑结构就从初始复杂结构转换为由一系列面组组成的较为简单的拓扑结构;与现有面对法中的面对查找相比,面组对的查找就是将原来方法中的曲面更改为新生成的面组后,再利用之前的面对查找方法,基于距离、法向和重叠规则查找面组对;
步骤2-1-3基于面组对的筋特征识别:采用基于图的方法来识别筋特征,第一步是构建面组邻接图,然后基于FGAG实现筋特征识别。
5.根据权利要求3所述的基于筋特征分割的薄壁件模型层次化语义中面抽取方法,其特征在于,步骤2-2包括如下步骤:
步骤2-2-1下层筋特征分割:采用基于欧拉操作的方法来实现下层筋特征分割,第一步是从模型中检测属于筋特征粉分割面,然后重建筋特征和模型其余部分;
步骤2-2-2同层筋特征分割:
同层筋特征分割包括两步:一是与上层子区域连接部分的分割,属于完全分割,采用下层筋特征分割相同的方法即可;二是同层筋特征之间的冗余分割。
6.根据权利要求1所述的基于筋特征分割的薄壁件模型层次化语义中面抽取方法,其特征在于,分割子区域一般包含筋特征和主要基本子区域,需采用不同方法实现不同区域中面的精确抽取,步骤3具体包括:
步骤3-1采用面偏移操作实现通常由平面或简单二次曲面组成的筋特征区域的中面抽取,以保证几何精度和生成效率;
步骤3-2采用离散点拟合处理几何形状更为复杂的主要基本子区域;
离散点拟合方法首先离散模型表面,找到两侧对应点,计算中值点云,再将中值点云拟合成平面。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江文瑞科技发展有限公司,未经浙江文瑞科技发展有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711145923.6/1.html,转载请声明来源钻瓜专利网。