复杂形状实体反求工程关键技术研究

复杂形状实体反求工程关键技术研究

论文摘要

作为支持产品快速开发和产品创新的有力工具,反求工程技术得到了越来越多的关注和应用。本文以复杂形状实体反求工程为研究对象,研究反求工程中影响反求产品精度和反求效率的关键技术问题,并构建高效的协同集成反求工程系统。 针对实体反求工程的特点,利用测量数据点构建三次插值样条,依据光顺原则判断噪声点,并对已知的噪声点进一步判断,提取出有用噪声点,作为后续数据处理的型值点,同时去除无用噪声点,保证重构曲线或曲面的光顺性,避免重构曲线或曲面局部失真,以真实地反映原实际曲面的形貌。 采用测头中心点所在曲面法矢估算的空间补偿方法,将转动惯量引入到测头中心点所构成的曲面上各点处法矢的求解方法中,提出并实现了测头半径自动补偿的“转动惯量法”,并验证了该方法的有效性,结果表明,该方法比常用的“平均矢量法”的计算精度有明显提高,更适合于复杂形状曲面测量中的测头半径补偿。 综合目前离散数据分块特点和曲面重构技术应用特点,提出了基于非几何特征的离散数据分块思想,通过对基于扫描线排列的离散数据点的三角Delaunay直接剖分,利用局部三角形域的中心三角形与贴邻三角形间的法矢变化进行“光顺带”提取,并在光顺带中间部位实现离散数据的分块,该方法有利于提高后续重构面片的保形性和面片间拼接的连续性。 针对复杂形状实体反求中,难以实现基于海量数据进行NURBS重构的问题,提出了基于非特征数据分块的曲面重构方法,给出了基于非特征分块数据的曲面重构技术路线,提出了基于分块数据重构的“虚拟测量”方法,采用NURBS方法整体重构最终曲面,其表达格式符合IGES和STEP数据转换标准,可以很容易地读入CAx系统。通过对汽车缩微模型车身部分的反求过程,

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 绪论
  • 1.1 引言
  • 1.2 复杂形状实体反求工程关键技术
  • 1.3 国内外复杂形状实体反求工程关键技术研究现状
  • 1.3.1 国内外表面测量技术研究现状
  • 1.3.2 国内外数据预处理技术研究现状
  • 1.3.3 国内外曲面重构技术研究现状
  • 1.3.4 国内外反求工程质量评价技术研究现状
  • 1.3.5 国内外反求工程集成应用技术研究现状
  • 1.3.6 国内外主要研究机构和反求工程软件
  • 1.4 论文研究的意义与主要内容
  • 第2章 基于插值理论的噪声点处理技术研究
  • 2.1 有关术语、定义
  • 2.1.1 点云
  • 2.1.2 噪声点定义
  • 2.2 噪声点处理
  • 2.2.1 目前噪声点去除方法
  • 2.2.3 噪声点判断原则
  • 2.2.3 样条曲线插值
  • 2.2.4 噪声点处理过程
  • 2.3 本章小结
  • 第3章 接触法测量测头半径自动补偿技术研究
  • 3.1 测头半径的补偿方法
  • 3.1.1 两维补偿法
  • 3.1.2 三维补偿法
  • 3.2 转动惯量法
  • 3.2.1 惯量矩阵与惯量主轴
  • 3.2.2 曲面上任意点的法矢估算
  • 3.3 计算流程
  • 3.4 算法验证
  • 3.5 本章小结
  • 第4章 基于非特征的离散数据分块技术研究
  • 4.1 关于特征的含义与分类
  • 4.2 数据分块特点
  • 4.3 离散数据的三角剖分
  • 4.3.1 基本术语
  • 4.3.2 三角剖分优化准则
  • 4.3.3 离散数据的初始三角剖分
  • 4.3.4 离散数据的三角剖分优化
  • 4.4 基于非特征的离散数据分块
  • 4.4.1 分块原理
  • 4.4.2 光顺带的意义
  • 4.4.3 分块过程
  • 4.5 数据结构与程序流程
  • 4.6 本章小结
  • 第5章 基于非特征分块的自由曲面重构技术研究
  • 5.1 NURBS和 B-Spline曲线曲面
  • 5.2 基于非特征分块的自由曲面重构技术
  • 5.2.1 基本思想
  • 5.2.2 新型值点的提取与优化
  • 5.2.3 复杂形状实体 NURBS曲面重构总体流程
  • 5.3 实例
  • 5.4 本章小结
  • 第6章 协同集成反求工程系统建模与开发
  • 6.1 反求工程的集成类型
  • 6.1.1 内部集成
  • 6.2.2 外部集成
  • 6.2 现代集成反求工程系统特点
  • 6.2.1 集成反求工程系统的过程特点
  • 6.2.2 集成反求工程系统的数据特点
  • 6.2.3 集成反求工程系统的结构特点
  • 6.3 协同集成反求工程系统的过程建模
  • 6.3.1 系统整体流程
  • 6.3.2 协同集成反求中的协作模式
  • 6.4 协同集成反求工程系统的数据交换与共享
  • 6.4.1 基于 STEP的产品数据交换
  • 6.4.2 基于 STEP/XML技术的数据交换与共享
  • 6.5 协同平台的构建
  • 6.6 系统整体配置及运行实例
  • 6.7 本章小结
  • 第7章 结论与展望
  • 7.1 结论
  • 7.2 展望
  • 论文创新点摘要
  • 参考文献
  • 攻读博士学位期间公开发表的学术论文
  • 攻读博士学位期间参加的科研项目及获奖情况
  • 附录
  • 致谢
  • 相关论文文献

    • [1].一种应用于噪声点分布密集环境下的噪声点识别算法[J]. 广东工业大学学报 2014(03)
    • [2].基于相对密度的军事高维数据噪声点检测方法[J]. 计算机工程 2009(05)
    • [3].基于脉冲耦合神经网络的点云曲面去噪[J]. 电子学报 2012(11)
    • [4].基于信誉系统及数据噪声点检测技术的无线传感器网络节点安全模型[J]. 清华大学学报(自然科学版) 2017(01)
    • [5].一种基于噪声点检测的自适应中值滤波方法[J]. 福建农林大学学报(自然科学版) 2009(03)
    • [6].关于噪声投诉执法监测的思考[J]. 四川环境 2018(04)
    • [7].一种新的利用人眼视觉特性去噪方法的研究[J]. 计算技术与自动化 2008(01)
    • [8].基于噪声点云的三维场景重建方法[J]. 计算机工程与设计 2020(04)
    • [9].卫星接收机无图像、无伴音,雪花噪声点大故障一例[J]. 家电检修技术 2014(02)
    • [10].三维点云数据中离群噪声点快速剔除的方法研究[J]. 内蒙古农业大学学报(自然科学版) 2017(01)
    • [11].基于密度的离群噪声点检测[J]. 计算机应用 2010(03)
    • [12].基于量子测量算子的噪声可信度滤波[J]. 计算机工程 2010(22)
    • [13].基于噪声点多级检测的自适应中值滤波算法[J]. 光电工程 2013(10)
    • [14].一种改进的严重脉冲噪声滤除算法[J]. 西安邮电学院学报 2011(02)
    • [15].一种改进的自适应中值滤波算法[J]. 微计算机信息 2010(10)
    • [16].基于模糊逻辑的脉冲噪声自适应滤除[J]. 计算机应用研究 2010(06)
    • [17].基于改进中值滤波的图像噪声去除算法的研究[J]. 浙江农业学报 2015(06)
    • [18].基于几何特征的模糊神经网络去噪方法研究[J]. 微电子学与计算机 2014(09)
    • [19].一种快速去除高密度椒盐噪声的滤波算法[J]. 电视技术 2014(13)
    • [20].多噪声点云数据预处理及DEM构建[J]. 电子世界 2013(15)
    • [21].一种基于加权均值滤波噪声点检测的中值滤波算法[J]. 南通纺织职业技术学院学报 2010(01)
    • [22].激光扫描数据的密集噪声剔除方法[J]. 激光与光电子学进展 2019(06)
    • [23].利用双边滤波法进行点云去噪的试验与分析[J]. 测绘通报 2017(02)
    • [24].图像高椒盐噪声的迭代滤除算法[J]. 北京工业大学学报 2012(05)
    • [25].改进的自适应中值滤波算法[J]. 计算机应用 2011(07)
    • [26].图像椒盐噪声的开关滤波算法综述[J]. 福建电脑 2014(04)
    • [27].椒盐噪声图像的非局部平均滤波算法[J]. 计算机工程与科学 2017(06)
    • [28].基于空间自相关性和模糊集的空间数据噪声点检测算法[J]. 计算机应用与软件 2016(03)
    • [29].基于噪声点检测的中值滤波方法[J]. 现代电子技术 2008(01)
    • [30].基于改进脉冲耦合神经网络的数据降噪方法研究[J]. 机械设计与制造 2015(02)

    标签:;  ;  ;  ;  ;  

    复杂形状实体反求工程关键技术研究
    下载Doc文档

    猜你喜欢