汽艇发动机壳体的反求与模具设计

汽艇发动机壳体的反求与模具设计

论文摘要

逆向工程是数字化产品开发方法之一,它极大地缩短了产品的开发周期,提高了产品精度,是消化、吸收先进技术进而创造和开发各种新产品的重要手段。目前逆向工程的重要研究领域主要集中在两大方面,一是逆向工程集成系统的研究,主要内容集中在逆向工程各个环节的集成,通用软件的开发;另外一方面是对逆向工程中的关键技术的研究,包括数据获取、数据处理以及三维模型重建。数据获取是逆向工程的前提和基础,数据处理是逆向工程中的关键环节,它的结果将直接影响后期模型重构的质量,实体模型重建是逆向工程的最终环节。本文的研究范畴集中于数据处理与模型重建。本文主要是将逆向工程技术应用于形状复杂汽艇发动机部件,通过对外形复杂的汽艇发动机部件进行三维数据测量,数据处理得出产品CAD模型。首先阐述了逆向工程中数据获取的规划和方法,对不同的点云形式作了分析和比较,阐明了本文的研究对象是散乱数据点云;其次对数据处理中的几大关键技术作了分析和研究,包括散乱点云的拓扑关系建立,多视点云的对齐,散乱点云数据的噪声点去除,扫描线点云的精简等等。接着,详细介绍了运用反求软件Imageware完成汽艇发动机部件的曲面重构,并分析了操作中解决的问题。最后,通过对浇注系统,成型零件,抽芯机构以及推出机构的设计完成壳体零件的模具设计。在总结前人的研究经验基础上,本文提出了自己的创新点,包括:采用八叉树作为数据分割的方法,建立散乱点云的拓扑结构,加速邻域搜索,通过邻域搜索来去除噪声点;提出扫描线点云数据精简方法;通过编制程序,完成了读入点云数据,平移,旋转和放大缩小数据点云。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 概述
  • 1.2 逆向工程的概念
  • 1.3 逆向工程的应用
  • 1.4 逆向工程的研究现状
  • 1.5 逆向工程关键技术
  • 1.6 课题来源及任务分析
  • 1.6.1 课题来源及意义
  • 1.6.2 主要研究工作
  • 1.7 本章小结
  • 第二章 数据采集技术
  • 2.1 引言
  • 2.2 数据测量方法
  • 2.3 测量方法分析比较
  • 2.4 数据测量规划
  • 2.5 测量数据分析
  • 2.6 本文的数据点获取
  • 2.7 本章小结
  • 第三章 数据处理关键技术
  • 3.1 引言
  • 3.2 数据处理中的关键技术简介
  • 3.2.1 数据点的拓扑关系重建
  • 3.2.2 多视点云的对齐
  • 3.2.3 误差点的识别和去除
  • 3.2.4 数据精简
  • 3.3 点云的误差点的识别与去除
  • 3.3.1 扫描线点云的误差点的识别与去除
  • 3.3.2 散乱点云的误差点的识别与去除
  • 3.4 散乱数据处理模块的设计与实现
  • 3.4.1 引言
  • 3.4.2 OpenGL 图形库
  • 3.4.3 主要模块的设计与实现
  • 3.5 本章小结
  • 第四章 基于IMAGEWARE 的汽艇发动机壳体部件反求造型
  • 4.1 IMAGEWARE
  • 4.1.1 Imageware 简介
  • 4.1.2 Imageware 的优点
  • 4.1.3 使用Imageware 的一般流程
  • 4.2 点云处理过程
  • 4.3 数据分块与曲面重构
  • 4.3.1 点云数据的分块
  • 4.3.2 曲面重构
  • 4.4 硅胶在逆向工程中的应用
  • 4.5 IMAGEWARE 使用中的一些问题
  • 4.5.1 光滑拼接曲面
  • 4.5.2 缺损点云的曲面重构
  • 4.5.3 Imageware 软件使用的关键点
  • 4.6 本章小结
  • 第五章 汽艇发动机壳体的模具设计
  • 5.1 零件分析
  • 5.2 压铸模具总体设计
  • 5.3 分型面的选择
  • 5.4 浇注系统设计
  • 5.5 压铸模具成型零件设计
  • 5.6 压铸模具结构零件设计
  • 5.7 抽芯机构设计
  • 5.8 推出机构设计
  • 5.9 模具装配图
  • 5.10 本章小结
  • 第六章 总结与展望
  • 6.1 本文的主要工作和贡献
  • 6.2 论文存在不足以及后续研究工作展望
  • 致谢
  • 参考文献
  • 附录:作者在攻读硕士学位期间发表的论文
  • 相关论文文献

    • [1].基于卷积神经网络的非等效点云分割方法[J]. 东华大学学报(自然科学版) 2019(06)
    • [2].点云智能研究进展与趋势[J]. 测绘学报 2019(12)
    • [3].基于深度学习的点云分割方法综述[J]. 计算机工程与应用 2020(01)
    • [4].点云数据预处理研究[J]. 现代信息科技 2020(02)
    • [5].基于地基激光雷达点云的植被表型特征测量[J]. 生态学杂志 2020(01)
    • [6].机载点云空洞的修复方法[J]. 北京测绘 2020(02)
    • [7].基于深度学习的零件点云分割算法研究[J]. 机电工程 2020(03)
    • [8].基于深度学习的点云语义分割综述[J]. 激光与光电子学进展 2020(04)
    • [9].基于神经网络的航空行李点云检测方法研究[J]. 电子世界 2020(07)
    • [10].基于二维截面筛选标记的点云简化方法研究[J]. 机电工程 2020(05)
    • [11].三维点云补全方法的现状和发展趋势[J]. 信息记录材料 2020(05)
    • [12].新型激光远程点云装置研究[J]. 机电信息 2020(17)
    • [13].一种简化的输电线路点云电塔自动定位方法[J]. 北京建筑大学学报 2020(03)
    • [14].一种改进的区域增长彩色3D点云分割算法[J]. 国外电子测量技术 2018(11)
    • [15].面向反光工件点云缺陷的点云增强算法[J]. 计算机辅助设计与图形学学报 2019(07)
    • [16].一种基于高度差异的点云数据分类方法[J]. 测绘通报 2018(06)
    • [17].手提激光盘煤仪点云去噪[J]. 激光杂志 2017(05)
    • [18].面向室内场景点云的对象重建[J]. 测绘通报 2017(06)
    • [19].快速点云定向数学模型实际精度分析[J]. 北京测绘 2017(04)
    • [20].基于点云几何约束的仿真安装探讨[J]. 地理空间信息 2017(09)
    • [21].基于自适应切片的点云压缩算法[J]. 工程勘察 2017(09)
    • [22].序列图像三维重构中点云精简算法的研究与改进[J]. 计算机工程与应用 2016(08)
    • [23].地面三维激光扫描点云重建技术研究[J]. 数码世界 2017(08)
    • [24].三维环境下交互式点云对象提取方法[J]. 计算机工程与应用 2019(24)
    • [25].换流站激光点云密度对土石方计算的影响[J]. 电力勘测设计 2020(01)
    • [26].融合个体识别的3D点云语义分割方法研究[J]. 黑龙江工业学院学报(综合版) 2019(12)
    • [27].机载激光点云与摄影测量点云非监督建筑物变化检测[J]. 测绘科学技术学报 2019(05)
    • [28].电力巡检点云分布式异构处理的研究[J]. 湖北电力 2019(05)
    • [29].点云重建的并行算法[J]. 计算机工程与应用 2020(06)
    • [30].基于深度学习的点云匹配[J]. 计算机工程与设计 2020(06)

    标签:;  ;  ;  ;  

    汽艇发动机壳体的反求与模具设计
    下载Doc文档

    猜你喜欢