[发明专利]一种针对带有大量凸台凹槽模具自动特征识别方法和装置在审
申请号: | 202210033760.7 | 申请日: | 2022-01-12 |
公开(公告)号: | CN114140630A | 公开(公告)日: | 2022-03-04 |
发明(设计)人: | 陶建华;马尧;邝超鹏;王伟;周学成 | 申请(专利权)人: | 广州大学 |
主分类号: | G06V10/74 | 分类号: | G06V10/74;G06K9/62;G06F17/16 |
代理公司: | 北京高航知识产权代理有限公司 11530 | 代理人: | 刘艳玲 |
地址: | 510006 广东省*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 针对 带有 大量 凹槽 模具 自动 特征 识别 方法 装置 | ||
1.一种针对带有大量凸台凹槽模具自动特征识别方法,其特征在于,包括:
S1导入模具的STEP文件模型;
S2根据模型构建属性邻接图;
S3将模型分解为多个元特征,构建元特征特征矩阵;
S4将元特征特征矩阵与特征库特征矩阵相匹配;若匹配成功则完成特征识别,获取相匹配的特征矩阵对应的特征信息;而若出现无法匹配特征矩阵,则根据案例分析将未识别特征添加到特征库,完成特征库的拓展,再进行特征的匹配识别。
2.根据权利要求1所述的一种针对带有大量凸台凹槽模具自动特征识别方法,其特征在于,步骤S2中,构建属性邻接图,具体包括:
对模具结构进行特征分析,对模具的特征面进行编号,并计算相邻面之间的凹凸性,根据特征面之间的关系,以及相邻面之间的凹凸性特征构建属性邻接图。
3.根据权利要求2所述的一种针对带有大量凸台凹槽模具自动特征识别方法,其特征在于,其中,属性邻接图中的节点表示零件模型的特征面,节点之间的弧连接表示面与面相连的关系,弧上的数字表示相邻面的凹凸性,其中0代表相邻面的凹属性,1代表相邻面的凸属性。
4.根据权利要求1所述的一种针对带有大量凸台凹槽模具自动特征识别方法,其特征在于,步骤S3中,将模型分解为多个元特征,具体包括:
将零件模型分解为复合特征和元特征,并对复合特征进一步基于边界关系和凹凸关系分解得到对应的元特征;其中元特征为构成模型的基本几何形状,其中基本几何形状包括盲孔、凸台、键槽、通孔、方槽、椭圆方槽;其中元特征包含组成对应几何形状的特征面。
5.根据权利要求4所述的一种针对带有大量凸台凹槽模具自动特征识别方法,其特征在于,步骤S3中,构建元特征特征矩阵,包括:
根据零件模型中元特征相邻面之间的凹凸性以及公共边属性的关系,采用不同的矩阵元素属性值构建特征矩阵;其中特征矩阵中的主对角线元素的值用于描述元特征的面的属性,面的属性包括不同面的类型对应的面属性值;矩阵中的其他元素的值用于描述面的属性、相邻面之间的凹凸性以及公共边属性的关系。
6.根据权利要求5所述的一种针对带有大量凸台凹槽模具自动特征识别方法,其特征在于,所述元特征特征矩阵中的其他元素的值为四位特征值,其中元素值的个位取公共边的类型,十位数为相邻面的凹凸性,百位数和千位数为面与面的类型,其中面与面不相邻元素值为0。
7.根据权利要求5所述的一种针对带有大量凸台凹槽模具自动特征识别方法,其特征在于,步骤S4中,将元特征特征矩阵与特征库特征矩阵相匹配,具体包括:
S41:计算元特征特征矩阵A,获得元特征特征矩阵主对角元素个数m,与特征矩阵库中的特征矩阵B主对角元素个数n对比,当m=n时,将符合条件的特征矩阵B保留,特征矩阵库完成初步筛选。当保留的特征矩阵B的个数大于等于1时,转至S42;否则,转至S46;
S42:计算元特征特征矩阵A主对角线的迹tr(A),与筛选后的特征矩阵B主对角线的迹tr(B)对比,当tr(A)=tr(B)时,将符合条件的特征矩阵B保留,特征矩阵库完成二次筛选;当二次筛选后保留的特征矩阵B的个数大于等于1时,转至S43;否则,转至S46;
S43:以元特征特征矩阵A每行元素为准,与二次筛选后特征矩阵B逐行进行匹配,完成转至S44;
S44:特征矩阵A匹配成功完成特征识别,转至S45;若匹配失败,转至S46;
S45:将下一个元特征与特征矩阵库进行匹配,转至S41;若全部特征均已识别完成,转至S47;
S46:提醒人工进行特征识别,并把未识别特征矩阵补充到特征矩阵库完成扩充,转至S41;若全部特征均已识别完成,转至S47;
S47:特征识别完成,输出对应的特征识别结果。
8.一种针对带有大量凸台凹槽模具自动特征识别装置,其特征在于,该装置用于实现如权利要求1-7中任一项所述的针对带有大量凸台凹槽模具自动特征识别方法。
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广州大学,未经广州大学许可,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/202210033760.7/1.html,转载请声明来源钻瓜专利网。