基于STL模型垂直切片的支撑自动生成算法研究

针对光固化等快速成形工艺中须对零件加支撑的需求，本文提出一种新的支撑自动生成算法。该算法基于STL模型提取零件的悬吊点、下棱线、待支撑下表面的轮廓线等待支撑区域的关键特征，根据它们在形平面的投影特征来优化布置分层基准线并进行垂直切片，应用所提出的基于垂直截面轮廓内待支撑边生成支撑多边形的算法，生成相应的变厚度薄壁形支撑。实际应用表明，该算法能够对成形零件的待支撑区域自动添加准确有效的支撑。     

SL快速成型中支撑自动生成技术研究

针对 SL快速成型技术加工时需要对零件加支撑的要求 ,通过对 CAD模型和 STL模型文件特点的分析 ,采用直接从 STL 模型文件提取信息找到 CAD模型的待加支撑面、线、点 ,并按待加支撑面、线、点的特征给其加二维支撑 ,再确定支撑空间高度的方案 ,实现了支撑自动生成。应用表明 :该技术节省了 SL加工时的数据预处理时间 ,避免了利用人工加支撑时的人为错误 ,提高了快速成型的效率     

熔融沉积快速成形支撑结构技术研究

基于STL模型的待支撑特征识别方法,实现了对待支撑面、以及难于识别的悬吊线和悬吊点的提取。根据待支撑特征投影区域的几何特征,将其分为细小特征区域、狭窄特征区域以及大表面特征区域。针对各类区域的形状特点设计了十字支撑、单壁板支撑以及多壁板锯齿形支撑结构,并提出三点法确定支撑的起始点和终止点的方法。减少材料使用,节省加工时的数据预处理时间,提高快速成形的效率。     

光固化快速成形中待支撑区域识别技术研究

从实现的角度出发，以支撑设计规则为分类原则，对待支撑区域进行了分类。在对零件的STL格式表示和其几何特征的相互关系研究的基础上，介绍了基于STL模型的三维待支撑区域特征识别的数据结构设计和实现技术，最后，给出三维待支撑区域特征识别的完整算法及其应用实例。     

光固化快速成形自动支撑技术研究

对光固化快速成形中自动支撑问题进行了研究,提出了基于STL模型的待支撑特征识别方法,实现了对待支撑面、悬吊线和悬吊点的提取。根据待支撑特征投影区域的几何特征,将其分为细小区域、细长区域以及环形区域等,针对各类区域的形状特点采用不同的填充算法进行二维支撑填充,提出了三点法确定支撑的生长起始点和终止点的方法,开发出了支撑自动生成软件。实际应用表明该技术可以解决人工加支撑时由于支撑不合理所造成的制作失败及精度降低等问题,节省了Stereolithography加工时的数据预处理时间,提高了快速成形的效率。     

熔融堆积成型系统中结构自动生成算法的研究

在熔融堆积成型系统中，零件原型的制作是靠热喷头挤出热熔丝逐层堆积成型的，因此，在零件原型的成过程中，支撑结构的生成是不可避免的。通过利用截面轮廓区域的自动识别、多边形区域的布尔运算以及多边形轮廓的OFFSET运算等几种关键算法，提出了SW2501快速成型系统中支撑结构的自动生成算法。该算法实际应用效果较好。     

光固化快速成型中零件非水平下表面的支撑设计规则研究

激光固化快速成型制造中,支撑结构设计的优劣极大影响原型的制作精度。首先通过分析非水平下表面的分层制作过程,研究了其翘曲变形的机理。利用可仿真成型过程中层间力学行为的有限元计算模型,对层间悬臂量与翘曲变形量的关系进行了有限元计算仿真与试验验证。针对激光成型过程中零件需要支撑的非水平下表面,从激光固化快速成型制造中支撑结构的作用出发,以成型精度为设计目标,通过有限元计算仿真、试验验证等手段研究提出了针对零件中非水平下表面的支撑结构形式、布局及支撑间距等支撑设计规则。通过试验验证,按该规则对零件的非水平下表面进行支撑结构设计,可有效地保证激光固化快速成型的制作质量。     

熔融沉积成型树状支撑生成算法设计

熔融沉积成型一般以热塑性材料为打印原料,由熔融状态下的熔丝堆积冷却成特定形状。然而熔丝的有效堆积是以下方存在实体模型为基础的,因此需要对熔丝堆积过程中悬空的部分添加支撑结构。首先分析了基于面片倾角的待支撑区域选择方法;然后在切片轮廓的基础上,利用切片分组的思想将三维布尔运算简化处理,降低算法复杂程度,设计了一种新的树状支撑生成算法;根据试验分析支撑参数并封装于算法之中,利用树状支撑算法与其它两种算法进行比较,试验结果表明该算法能有效对悬空区域进行支撑并节省了打印材料和打印时间。     

铸件毛坯模型生成方法研究

设计模型向制造模型的转换是实现CAD/CAPP/CAM集成的关键技术,而依据设计模型生成毛坯模型是其中关键环节,提出一种针对先铸造后机加零件的铸造毛坯模型生成方法。根据制造要求对模型表面进行分类;构造改进的扩展邻接属性图进行简单特征识别,依据铸造方法、铸件材质以及生产批量构造可铸造性判定算法,进行简单特征过滤;通过构造最小包络辅助面,并引入人工干预机加面分类机制,实现对包含非正交的表面加工边界面的零件模型的体加工特征包络,最终生成铸造毛坯模型。实例分析验证了算法的有效性与正确性。     

快速成型中粗糙STL模型细分算法

快速成型过程中STL模型精度直接影响成型零件的成型精度,当面对粗糙的STL模型并且没有原始模型进行重新生成或者生成精度不高时,以及逆向工程三维重建得到的STL模型精度不能满足要求时,需要对STL模型进行细分以提高其表面精度,进而提高成型零件精度。为此,提出一种新的STL模型面边点拓扑信息结构,解决了两三角形面片共享边空间插值两次带来的精度误差问题;在此基础上,应用Hermite空间插值方法近似表示三角形面片三边所对应的空间曲线段,之后依据设定的规律连接空间曲线段的中点,实现对粗糙STL模型三角形面片的细分。试验结果表明:细分算法适用于形面较为复杂以及大尺寸多三角面片的STL模型,其效率可达4~n(n是细分次数),可以快速提高给定STL三维网格模型的表面精度。     

Vibration of composite plates with internal supports

The free vibration of rectangular laminated composite plates with arbitrary support conditions along the edges, internal line supports and discrete point supports are studied using the Rayleigh-Ritz method. Polynomial approximation functions are selected to satisfy all essential boundary conditions along the edges of the plate and to vanish along line supports parallel to the co-ordinate axes. Straight line supports at an angle from the co-ordinate axes and curved line supports are modeled by introducing several point supports along the line. Zero displacement constraints at the point support locations are enforced using the Lagrange multiplier technique. The plate constitutive equations are expressed in terms of stiffness invariants and the fundamental natural frequency is maximized by selecting the appropriate lay-up. Several examples are presented to illustrate the versatility of the approach and provide results not previously available. The influence of the number of plies in the laminate, lay-up, material properties and plate aspect ratios are investigated.     

基于Snake模型的特定人脸三维重建方法

以双目立体视觉为基础,构建一种特定人脸重建系统,提出基于Snake模型的特定人脸三维重建方法,利用已标定的摄像机拍摄立体图像对,采用肤色检测得到人脸区域。在对立体图像对进行摄像机畸变校正、立体图像对的外极线对齐、人脸区域选择及归一化等预处理后,采用金字塔结构相关匹配算法,在误匹配点数与精度两者之间达到较好的平衡。针对人脸提出能量最小化方程,考虑顺序匹配约束、连续性约束、曲线上各点曲率的估计和相关性约束条件,大大提高视差提取的正确率,解决了立体视觉中立体匹配的难点,成功地恢复出人脸的三维数据,实现特定人脸的重建。试验结果表明：基于Snake模型的视差抽取,并经过光顺处理和纹理映射后,除了脸部部分边缘存在一些变形外,主体部分的重建效果真实感强。该算法不需要结构光等设备,基本不需要人工干预,就能恢复出特定人脸的三维数据,效果好,实用性强。     

平面点集凸包图改进算法

对平面点集凸包图的构造算法进行了详细的研究 ,利用凸包图两条最基本的性质 ,通过做辅助线对已有算法进行改进并扩展其应用范围 ,实现了对平面点集任意形状包络图的构造     

基于在线检测动态一维下料问题的GPU并行蚁群算法

随着在线检测技术发展,生产线上的物料需要根据检测结果进行快速切割。已有一维下料优化问题是根据全局目标进行建模的,其最优化算法不能满足实时调整切割方案的要求。本文首先根据物料在线检测及切割特点提出了动态多规格一维下料优化问题,并给出最优化模型;然后结合GPU特点创建并行蚁群算法来求解多规格动态一维下料问题,以保证在有限时间内求得近似最优结果;经过算法分析证明,对于大规模数据变量,并行蚁群算法效率高于传统蚁群算法。通过实验表明,在大规模数据量下,此并行蚁群算法与传统蚁群算法和分支定界算法相比,能够在较短时间内得到较优切割方案。     

Part decomposing algorithm based on STL solid model used in shape deposition manufacturing process

Shape deposition manufacturing is an innovative rapid prototyping technology combining CNC machining and deposition processes and in which if a surface of the part is visible from the build direction it can be directly shaped into desired geometry on part material; if the part features are undercut or face away from the build direction, these part features will be sculptured into the support material in order to form a negative cavity at first, then the part material is deposited into this negative cavity in order to replicate these features into part material. This process is cyclically repeated until all segments have been built. Finally, the sacrificial material is removed, and the finished part is left. This innovative technology has the benefits of commercial rapid prototyping technology; meanwhile, it inherits the accuracy and high surface quality of traditional machining process. For this process to be realized, it is essential to decompose the CAD solid model into a series of manufacturable segments which have no undercut surfaces at the data pretreatment step. In this paper, a solid decomposing strategy is proposed with a detailed discussion on the classification of the segments based on the value of triangle face normal vector, and then an algorithm for auto-decomposing a CAD solid model in STL data format is developed.     

机械密封温度问题研究方法综述

综述了机械密封温度问题的国内外研究现状,介绍了常用的一些研究方法,比较了它们的优缺点,认为对于窄面密封,经验公式法可以满足工程实际的需要,有限元法是当今较好的计算机械密封温度场的方法。     

基于接触耦合算法的捆绑火箭接头仿真分析

针对捆绑火箭主接头受力特点提出一种耳片构型方案,根据工程算法进行了初步尺寸设计;基于ANSYS有限元非线性接触算法,设置刚性体和柔性体接触,对刚体添加载荷控制点进行非线性分析:通过有限元仿真分析,证明了较原方案耳片方案不仅安全余度较大,而且结构总重量减轻了32%,具有工程应用前景。     

基于云理论与LS-SVM的刀具磨损识别方法

针对刀具磨损过程中产生声发射信号的不确定性以及神经网络学习算法收敛速度慢、易陷入局部极小值、对特征要求较高等问题,提出了基于云理论和最小二乘支持向量机的刀具磨损状态识别方法。首先,对声发射信号进行小波包分解与重构,滤除干扰频段对求取特征参数的影响;其次,对重构后的信号利用逆向云算法提取云特征参数:期望、熵、超熵,分析刀具磨损声发射信号的云特性及磨损状态与云特征参数之间的关系;最后,将云特征参数组成特征向量送入最小二乘支持向量机进行识别。研究结果表明:所提取的特征可以很好地反映刀具的磨损状态,云-支持向量机方法可以有效地实现刀具磨损状态的识别,与传统神经网络识别方法相比具有更高的识别率,识别率达到96.67%。