CN106682350B - 一种基于三维模型的多属性决策质量检测方法 - Google Patents
一种基于三维模型的多属性决策质量检测方法 Download PDFInfo
- Publication number
- CN106682350B CN106682350B CN201710015164.5A CN201710015164A CN106682350B CN 106682350 B CN106682350 B CN 106682350B CN 201710015164 A CN201710015164 A CN 201710015164A CN 106682350 B CN106682350 B CN 106682350B
- Authority
- CN
- China
- Prior art keywords
- model
- quality detection
- detection
- dimensional
- quality
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于三维模型的多属性决策质量检测方法,步骤包括:选择产品型号,并对该型号产品三维质量模型进行参数提取;复杂装备产品零件特征识别;多属性决策质量检测模型构建;数字化质量检测规则确定。本发明实现复杂装备零件的三维设计模型的参数提取、特征识别、重构、对比,线上查询、人工交互、智能分析、知识库调用,数据存储,检验反馈等功能;突破传统质量检测方法与现代数字化质量检测方法不兼容的桎梏,能够将传统的检测手段融入到数字化质量检测的新模式,避免了传统方法和数字方法的劣势,充分发挥了两者的优点,使检验效率大幅提升。
Description
技术领域
本发明涉及装备检测领域,特别是一种基于三维模型的多属性决策质量检测方法。
背景技术
复杂装备研制生产具有多品种、小批量、高要求、高风险等特点,在这种生产方式下,制造企业特别是生产制造车间需要更加真实的反映装备使用环境、功能、行为、故障状态及检测过程与结果。这就使得传统的单一化故障注入质量检测方法难以充分满足复杂装备质量检测的需求。
如何利用先进的质量监测方法改善复杂装备当前检测模式,降低生产风险,优化运行效率,提高市场竞争力,最终实现数字化制造,已成为现代制造业的主要发展趋势之一,也是当前国内外专家学者的重要研究课题。
复杂装备数字化研制方法使一些以激光雷达扫描仪、摄影测量仪、三维坐标测量机、激光跟踪仪、三维激光扫描仪等为代表的数字化检测技术得以更广泛的应用,尤其是在复杂装备的结构件和零部件的质量检测应用越发普遍,一方面提高了检测效率,另一方面提升了复杂装备制造装配的质量和效率。积极加快实施数字化质量检测手段,实现三维质量检测规划和数据分析的合理化、普及化应用,从而提高企业对多变市场的快速响应能力和综合竞争力,已然成为支撑企业又好又快发展,促进其核心竞争能力提升的助推器。
制造业的数字化一方面可大大降低传统企业对资源的消耗,使整个行业间的资源和信息可以共享集成,大大缩短产品设计和制造等各个生产环节的时间。另一方面,制造业的数字化能扩大信息产业内部产业结构的调整,扩大信息产业的规模及产业内部投资类、消费类市场规模,也能带动相关高新方法产业的市场规模,为国民经济结构调整提供了原始动力。实施数字化质量检测可满足企业对生产方式向数字化、精密化、柔性化、高效化等方向转型改造的需求,可提高产品设计和生产的自动化水平,降低数字化制造模式的设计与制造风险,促进产品质量和制造效率的提高,从而提升制造企业的核心制造能力。
目前在复杂装备多属性决策的数字化质量检测方法研究还不够充分,因此对企业实施数字化质量检测方法只起到了点的推动作用,而没有起到面的推广作用;从现有企业的数字化质量检测方法的应用情况来看,并不是每个实施了数字化质量检测的企业都能取得理想的效果,造成企业实施数字化质量检测后效果迥异的重要原因包括:未能建立一套适合企业生产模式的数字化质量检测规则;仅考虑单一属性的质量检测技术无法满足当前的企业需求;未采用规范化的数字化质量检测操作流程等等。
发明内容
针对现有技术中存在的问题,本发明提供了一种可以保证复杂装备质量检测的合理性、完备性以及一定功能、性能水平下质量稳定性的基于三维模型的多属性决策质量检测方法。
本发明的目的通过以下技术方案实现。
一种基于三维模型的多属性决策质量检测方法,步骤包括:
1)选择产品型号,并对该型号产品三维质量模型进行参数提取:通过建立文件指针和机械接口与三维质量模型的特征数进行连接,提取出复杂装备结构件和零部件的参数,输出到制定路径当中的Excel表格中;
2)复杂装备产品零件特征识别:通过对质量检测特征的识别,获取相应特征的特征参数,所述质量检测特征包括复合特征、单元特征、成型特征、过渡特征,并将特征数据存放在数据库中,所述特征数据包括零件代码、特征名称、特征尺寸;
3)多属性决策质量检测模型构建:将步骤2)提取的零件三维质量模型特征和特征数据基于多属性决策方法进行有序组合形成复杂装备构件的质量检测模型;
4)数字化质量检测规则确定:针对复杂装备零件采用人工交互、智能分析、模型重构和对比三种方法进行质量检测,当对于待检测的特征里面完全是人工交互模块中已存储的零件特征,则使用人工交互方法;当待检测的特征具有相似的特征时,即与模型数据库中零件的质量检测特征相同,但尺寸不完全相同的特征,采用智能分析方法,进行分析推理,并对复杂装备零件进行检验规划;当对于复杂特征及精度要求高的特征,则选择模型重构和对比方法,重复步骤4),直到检测方案满足零件功能检测要求,并且无干涉、漏检问题时,确立为最佳的质量检测方案,并以报告的形式导入模型数据库进行存档,作为该型号下一代产品研制的数据基础。
进一步的,所述步骤1)具体为通过复杂装备构件三维质量模型设计软件的应用程序接口,建立指针对象进行连接,向三维质量模型设计软件传递相关参数,并将对话框显示在软件界面上。
进一步的,所述步骤2)具体为采用eclipse开发工具对质量信息进行处理,根据知识库知识,通过搜索关键词进行正向演绎推理,提取零件的特征名称和特征数据,并以属性结构显示;提取的复杂装备构件特征数据包括零件代码、特征名称、特征尺寸等数据,存放在数据库中,并在软件界面显示。
进一步的,所述步骤3)中多属性决策质量检测模型为M=(F1,F2,B,T,E,L),式中,M代表多属性决策质量检测模型;F1为功能模型;F2为故障模型;B为行为模型;T为检测模型;E为环境模型;L为各属性模型之间的关联关系。
进一步的,所述步骤4)中人工交互方法具体为:人工输入零件信息,通过检测工艺数据头进行检索,对检索工艺进行修改、添加、插入或移动,保存编辑结果,审核、标准化、批准,确定检验工艺规程,如果打印则输出检测报告,否则重新输入零件信息。
进一步的,所述步骤4)中智能分析方法具体为:提取待检测零件的相关要素,当实例库中有匹配的实例时,则返回实例的结论和检验方案,本方法结束;否则计算相似度,当有相似实例时,则将相似的实例修正返回结论和检验方案,存储新实例后结束;否则判断实例库是否检索完毕,当实例库检索完毕时,本方法结束;否则返回判断实例库中有无匹配实例。
进一步的,所述步骤4)中模型重构和对比方法具体为:复杂装备零件通过数字设备生成三维扫描模型,从三维数字化设计模型库中提取三维数字化设计模型,将三维扫描模型和三维数字化设计模型进行模型对比后生成检测报告,判断是否合格。
相比于现有技术,本发明的优点在于:(1)实现复杂装备零件的三维设计模型的参数提取、特征识别、重构、对比,线上查询、人工交互、智能分析、知识库调用,数据存储,检验反馈等功能;(2)突破传统质量检测方法与现代数字化质量检测方法不兼容的桎梏,能够将传统的检测手段融入到数字化质量检测的新模式,避免了传统方法和数字方法的劣势,充分发挥了两者的优点,使检验效率大幅提升;(3)增加了复杂装备质量检测反馈功能,将检测数据以表单形式存储到数据库中,供相关的设计制造部门浏览查阅,分析设计工艺和加工工艺优劣,尽早判断出误差来源,进而改进设计制造工艺;(4)满足企业对生产方式向数字化、精密化、柔性化、高效化等方向转型改造的需求,可提高产品设计和生产的自动化水平,降低资源消耗和生产成本,促进产品质量和制造效率的提高,从而提升制造企业的核心制造能力;(5)多属性决策手段的应用改变了传统复杂装备质量检测手段单一的不足,使复杂装备的质量检测更好地适应多变的客户需求和市场环境,提高产品的竞争力。
附图说明
图1为本发明提取的零件设计参数示意图。
图2为本发明提取的零件特征示意图。
图3为本发明识别特征的数据库形式示意图。
图4为本发明人工交互方法流程图。
图5为本发明智能分析方法流程图。
图6为本发明模型重构和对比方法流程图。
图7为本发明多属性决策质量检测模型关联关系图。
具体实施方式
下面结合说明书附图和具体的实施例,对本发明作详细描述。
本发明的目的是针对复杂装备多品种、小批量、质量高要求等特点,为复杂装备质量检测的合理性、完备性以及一定功能、性能水平下质量稳定性提供一种有效途径和方法。该方法针对当今传统质量检测方法的缺点,通过与数字化检测方法的结合,采用一种数字化环境下采用多属性决策手段进行质量检测的方法,依据复杂装备三维模型的参数提取和特征识别,建立多属性决策质量检测一体化模型,参照复杂装备产品的现有标准和规范,建立数字化复杂装备零件的质量检测规则库,并采用检测规则对其进行标准化检测,生成检测报告。改变了传统的复杂装备产品质量检测方式,在产品制造过程前发现质量缺陷,有效地降低设计风险、缩短研制周期,是目前复杂装备产品数字化质量检测有效、可行的实施方法。
本发明是针对方法状态明确的特定规格产品,是独立于型号研制的产品满足质量要求程度的度量,是指导产品的研发、生产、应用等活动的基本路线图,是为产品研制提供权衡比较的参考依据。本发明是一种对复杂装备的产品质量进行多属性决策控制的数字化质量检测方法,该方法针对复杂装备零件参数提取和特质识别的实现过程、多属性决策质量检测模型构建、数字化质量检测规则与具体实现三大核心部分按层级展开,所述复杂装备零件参数提取和特征识别的实现过程采用基于三维模型进行复杂装备质量检测规划,需要从三维设计模型提取出该模型的几何参数信息,并能从这些大量信息中识别出复杂装备零件特征,为后续方法的选择提供数据来源;所述多属性决策质量检测模型构建以多属性决策为手段,基于上述参数提取与特征识别形成多属性决策质量检测模型,为后续质量检测规则与具体实现提供基础支撑;所述数字化质量检测规则与具体实现采用人工交互方法、智能分析方法、模型重构和对比方法对复杂装备的质量检测制定规则,并围绕该规则进行数字化环境下多属性决策质量检测的具体实现。
本发明是针对复杂装备零件参数提取和特征识别的实现过程、多属性决策质量检测模型构建、数字化质量检测规则与具体实现三个核心部分进行复杂装备产品的质量检测,从而为复杂装备在研制、生产及使用环节的生命周期内的合理性、完备性以及一定功能、性能水平下质量稳定性提供一种有效途径和方法。步骤包括:
1)如图1所示,选择产品型号,并对该型号产品三维质量模型进行参数提取:通过建立文件指针和机械接口与三维质量模型的特征数进行连接,提取出复杂装备结构件和零部件的参数,输出到制定路径当中的Excel表格中,最终完成产品三维质量模型的参数提取任务;
2)如图2所示,复杂装备产品零件特征识别:通过对质量检测特征的识别,获取相应特征的特征参数,所述质量检测特征包括复合特征、单元特征、成型特征、过渡特征,并将特征数据存放在数据库中,如图3所示,所述特征数据包括零件代码、特征名称、特征尺寸;
3)多属性决策质量检测模型构建:将步骤2)提取的零件三维质量模型特征和特征数据基于多属性决策方法进行有序组合形成复杂装备构件的质量检测模型;
4)数字化质量检测规则确定:针对复杂装备零件采用人工交互、智能分析、模型重构和对比三种方法进行质量检测,当对于待检测的特征里面完全是人工交互模块中已存储的零件特征,则使用人工交互方法;当待检测的特征具有相似的特征时,即与模型数据库中零件的质量检测特征相同,但尺寸不完全相同的特征,采用智能分析方法,进行分析推理,并对复杂装备零件进行检验规划;当对于复杂特征(典型凸台、型腔、孔类、倒圆和倒角等基本特征经过组合,构成复杂特征)及精度要求高的特征(当检测件满足以下条件:1,该检测件的功能与某特征精度强相关;2,该检测件某特征精度要求高于行业内标准。则认为该特征精度要求高),则选择模型重构和对比方法,重复步骤4),直到检测方案满足零件功能检测要求,并且无干涉、漏检等问题时,确立为最佳的质量检测方案,并以报告的形式导入模型数据库进行存档,作为该型号下一代产品研制的数据基础。
在本发明中,复杂装备产品零件参数提取和特征识别采用基于三维模型进行零件质量检测规划,需要从三维设计模型提取出该模型的几何参数信息,并能从这些大量信息中识别出零件的型面特征,为后续方法的选择提供数据来源。
所述步骤1)具体为通过复杂装备构件三维质量模型设计软件的应用程序接口,建立指针对象进行连接,向三维质量模型设计软件传递相关参数,并将对话框显示在软件界面上。
所述步骤2)具体为基于复杂装备产品零件三维质量模型设计软件提取的参数种类繁多,采用eclipse开发工具对质量信息进行处理,根据知识库知识,通过搜索关键词进行正向演绎推理,提取零件的特征名称和特征数据,并以属性结构显示;提取的复杂装备构件特征数据包括零件代码、特征名称、特征尺寸等数据,存放在数据库中,并在软件界面显示,方便质量检测人员进行浏览。
在本发明中,多属性决策质量检测模型构建方法以功能、故障、行为、检测、环境五个属性作为多属性决策的基本要素。故障行为的定量化应以定量的故障模型、功能模型、行为模型为基础,通过故障仿真获得故障行为;检测响应定量化需要行为模型和检测模型的支撑,通过检测仿真获得检测对故障的响应结果;考虑环境的影响需要将环境模型化,明确环境与故障、故障行为和检测之间的定量藕合关系,并加载到受环境影响的模型上参与仿真计算。
1)功能。不仅包括功能语义描述、定义,还包括对装备功能的定量数学描述,在检测性一体化模型中以定性的功能语义描述和定量的数学模型联合表示,对于很难建立理论模型的功能单元,其功能模型即为实物样机模型。
2)故障。用于描述故障属性、特点、特征等,能进行故障发生时间仿真、故障模拟注入、故障仿真和故障传播影响分析等。
3)行为。装备状态、输出等的变化过程,如位置变化、输出信号变化等,在模型中体现为参数、变量变化轨迹,主要用于描述装备注入故障后的变化和表现。
4)检测。对装备仿真生成的某些信号和特征进行测量和处理,用于描述检测属性、特征并进行检测仿真等。
5)环境。包括工作环境和自然环境,环境特征参数传递、耦合到其他相关联的模型中参与计算和仿真,有助于使所建质量检测模型更能准确反映真实情况。
所述步骤3)中多属性决策质量检测模型为M=(F1,F2,B,T,E,L),式中,M代表多属性决策质量检测模型;F1为功能模型;F2为故障模型;B为行为模型;T为检测模型;E为环境模型;L为各属性模型之间的关联关系。
故障模型:
行为模型:
测试模型:
如图7所示,故障模型中的故障注入模型是在功能模型基础上,将部分相关变量和参数作修改后得到,功能模型与故障模型之间通过输入变量I、物理参数P和状态变量S发生联系。
环境模型与故障模型也是通过环境特征相关联,将环境特征转化为环境应力变量或模糊化为环境应力等级,再将环境应力变量或环境应力等级作为输入施加于故障模型中的故障物理模型或故障统计模型,用于仿真生成故障注入样本。
行为模型用于描述系统的变化轨迹,它与功能模型之间通过系统的输入变量I、状态变量S和输出变量O发生联系。若某些故障的行为不能通过定量的功能仿真、故障仿真获得,则可以借助工作原理分析和故障模式及影响分析,建立故障模型和行为模型之间的关系,它们之间通过输入I和输出O联系。装备的行为会受到环境噪声的干扰,因而行为模型与环境模型之间通过环境噪声A产生联系。
检测模型用于捕捉系统的行为表现,与行为模型之间通过状态变量S和输出变量O发生联系。测试设备可以直接测量装备的输入和某些物理参数,检测模型与功能模型之间通过输入变量I和物理参数P发生联系。考虑到测试设备会受环境应力作用发生故障以及检测受环境噪声影响,检测模型与环境模型之间通过环境特征和环境噪声A产生联系。
多属性决策质量检测模型中各属性模型在使用前必须经过模型检验、校核和确认,可信度达到要求才能参与多属性决策质量检测模型的构建和仿真计算,对于难以准确建立精细化模型的单元用实物模型代替,可采用半实物仿真方式进行质量检测。
人工交互方法以输入零件信息为起始点,以输出检验工艺卡片为最终目的,根据复杂装备产品零件检测标准与规范,为人工交互方法设计好知识库,并通过合理布局,使界面更加友好。
如图4所示,所述步骤4)中人工交互方法具体为:人工输入零件信息,通过检测工艺数据头进行检索,对检索工艺进行修改、添加、插入或移动,保存编辑结果,审核、标准化、批准,确定检验工艺规程,如果打印则输出检测报告,否则重新输入零件信息。
对于相似的饭金特征,系统可以从已有的饭金特征进行智能分析,合理制定出饭金检验规划。在传统的饭金零件检验方法中,检验员需要有充足的检验经验和检验技巧。因此通过将总结的检验经验和检验技巧输入到智能分析模块的专家知识库中,通过基于实例的推理方法,根据已经存储到数据库中相似的检验方案来生成新的检验方案。
如图5所示,所述步骤4)中智能分析方法具体为:提取待检测零件的相关要素,当实例库中有匹配的实例时,则返回实例的结论和检验方案,本方法结束;否则计算相似度,当有相似实例时,则将相似的实例修正返回结论和检验方案,存储新实例后结束;否则判断实例库是否检索完毕,当实例库检索完毕时,本方法结束;否则返回判断实例库中有无匹配实例。
当复杂装备零件的特征中涉及到复杂的特征曲面或者是需要较高的检测精度要求的条件下,检测规划输出的检测工艺卡片中采用数字化方法进行检测时,需要以模型重构与对比的方式进行质量检测。
如图6所示,所述步骤4)中模型重构和对比方法具体为:复杂装备零件通过数字设备生成三维扫描模型,从三维数字化设计模型库中提取三维数字化设计模型,将三维扫描模型和三维数字化设计模型进行模型对比后生成检测报告,判断是否合格。
Claims (7)
1.一种基于三维模型的多属性决策质量检测方法,其特征在于步骤包括:
1)选择产品型号,并对该型号产品三维质量模型进行参数提取:通过建立文件指针和机械接口与三维质量模型的特征数进行连接,提取出复杂装备结构件和零部件的参数,输出到制定路径当中的Excel表格中;
2)复杂装备产品零件特征识别:通过对质量检测特征的识别,获取相应特征的特征参数,所述质量检测特征包括复合特征、单元特征、成型特征、过渡特征,并将特征数据存放在数据库中,所述特征数据包括零件代码、特征名称、特征尺寸;
3)多属性决策质量检测模型构建:将步骤2)提取的零件三维质量模型特征和特征数据基于多属性决策方法进行有序组合形成复杂装备构件的质量检测模型;
4)数字化质量检测规则确定:针对复杂装备零件采用人工交互、智能分析、模型重构和对比三种方法进行质量检测,当对于待检测的特征里面完全是人工交互模块中已存储的零件特征,则使用人工交互方法;当待检测的特征具有相似的特征时,即与模型数据库中零件的质量检测特征相同,但尺寸不完全相同的特征,采用智能分析方法,进行分析推理,并对复杂装备零件进行检验规划;当对于复杂特征及精度要求高的特征,则选择模型重构和对比方法,重复步骤4),直到检测方案满足零件功能检测要求,并且无干涉、漏检问题时,确立为最佳的质量检测方案,并以报告的形式导入模型数据库进行存档,作为该型号下一代产品研制的数据基础。
2.根据权利要求1所述的一种基于三维模型的多属性决策质量检测方法,其特征在于所述步骤1)具体为通过复杂装备构件三维质量模型设计软件的应用程序接口,建立指针对象进行连接,向三维质量模型设计软件传递相关参数,并将对话框显示在软件界面上。
3.根据权利要求1所述的一种基于三维模型的多属性决策质量检测方法,其特征在于所述步骤2)具体为采用eclipse开发工具对质量信息进行处理,根据知识库知识,通过搜索关键词进行正向演绎推理,提取零件的特征名称和特征数据,并以属性结构显示;提取的复杂装备构件特征数据包括零件代码、特征名称、特征尺寸数据,存放在数据库中,并在软件界面显示。
4.根据权利要求1所述的一种基于三维模型的多属性决策质量检测方法,其特征在于所述步骤3)中多属性决策质量检测模型为M=(F1,F2,B,T,E,L),式中,M代表多属性决策质量检测模型;F1为功能模型;F2为故障模型;B为行为模型;T为检测模型;E为环境模型;L为各属性模型之间的关联关系。
5.根据权利要求1所述的一种基于三维模型的多属性决策质量检测方法,其特征在于所述步骤4)中人工交互方法具体为:人工输入零件信息,通过检测工艺数据头进行检索,对检索工艺进行修改、添加、插入或移动,保存编辑结果,审核、标准化、批准,确定检验工艺规程,如果打印则输出检测报告,否则重新输入零件信息。
6.根据权利要求1所述的一种基于三维模型的多属性决策质量检测方法,其特征在于所述步骤4)中智能分析方法具体为:提取待检测零件的相关要素,当实例库中有匹配的实例时,则返回实例的结论和检验方案,本方法结束;否则计算相似度,当有相似实例时,则将相似的实例修正返回结论和检验方案,存储新实例后结束;否则判断实例库是否检索完毕,当实例库检索完毕时,本方法结束;否则返回判断实例库中有无匹配实例。
7.根据权利要求1所述的一种基于三维模型的多属性决策质量检测方法,其特征在于所述步骤4)中模型重构和对比方法具体为:复杂装备零件通过数字设备生成三维扫描模型,从三维数字化设计模型库中提取三维数字化设计模型,将三维扫描模型和三维数字化设计模型进行模型对比后生成检测报告,判断是否合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710015164.5A CN106682350B (zh) | 2017-01-09 | 2017-01-09 | 一种基于三维模型的多属性决策质量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710015164.5A CN106682350B (zh) | 2017-01-09 | 2017-01-09 | 一种基于三维模型的多属性决策质量检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106682350A CN106682350A (zh) | 2017-05-17 |
CN106682350B true CN106682350B (zh) | 2020-03-20 |
Family
ID=58849486
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710015164.5A Active CN106682350B (zh) | 2017-01-09 | 2017-01-09 | 一种基于三维模型的多属性决策质量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106682350B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107525487A (zh) * | 2017-08-30 | 2017-12-29 | 齐泰兴精工科技(苏州)有限公司 | 一种汽车部件的扫描检测分析方法 |
CN108773076A (zh) * | 2018-06-06 | 2018-11-09 | 广东您好科技有限公司 | 基于红外传感器、智能扫描系统实现三维扫描的方法 |
CN109613851B (zh) * | 2018-11-07 | 2020-07-21 | 北京航空航天大学 | 一种基于多阶组合的网络化在线监控方法 |
CN109871761A (zh) * | 2019-01-16 | 2019-06-11 | 中德(珠海)人工智能研究院有限公司 | 一种三维模型的识别系统 |
CN109783566B (zh) * | 2019-03-27 | 2021-04-02 | 北京计算机技术及应用研究所 | 一种产品检验数据采集装置 |
CN111583394B (zh) * | 2020-05-07 | 2023-11-17 | 金航数码科技有限责任公司 | 一种基于特征识别的知识化工艺性检查方法及系统 |
CN112560176B (zh) * | 2020-12-09 | 2022-09-16 | 江南造船(集团)有限责任公司 | 基于数字化模型的船舶零部件制造精度检验方法及系统 |
CN113408927B (zh) * | 2021-06-30 | 2023-01-10 | 四川交达预应力工程检测科技有限公司 | 基于大数据的预应力施工质量评估方法及系统 |
CN113779330B (zh) * | 2021-09-13 | 2024-01-26 | 河海大学常州校区 | 一种基于相似性度量的超声检测工艺参数智能计算系统 |
CN116401793B (zh) * | 2023-06-07 | 2023-08-22 | 济宁联威车轮制造有限公司 | 一种基于磨具设计的磨具三维模型构建方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663182A (zh) * | 2012-03-30 | 2012-09-12 | 南京航空航天大学 | 一种大型设备的智能虚拟维修训练系统 |
CN104502527A (zh) * | 2014-11-06 | 2015-04-08 | 西北工业大学 | 飞机结构件模型缺陷自动检测方法 |
CN104657554A (zh) * | 2015-02-10 | 2015-05-27 | 北京宇航系统工程研究所 | 一种火箭三维模型设计信息快速提取系统 |
CN105913412A (zh) * | 2016-03-24 | 2016-08-31 | 北京航空航天大学 | 基于参数域边界分析的飞机结构件cad模型窄面缺陷自动识别方法 |
-
2017
- 2017-01-09 CN CN201710015164.5A patent/CN106682350B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663182A (zh) * | 2012-03-30 | 2012-09-12 | 南京航空航天大学 | 一种大型设备的智能虚拟维修训练系统 |
CN104502527A (zh) * | 2014-11-06 | 2015-04-08 | 西北工业大学 | 飞机结构件模型缺陷自动检测方法 |
CN104657554A (zh) * | 2015-02-10 | 2015-05-27 | 北京宇航系统工程研究所 | 一种火箭三维模型设计信息快速提取系统 |
CN105913412A (zh) * | 2016-03-24 | 2016-08-31 | 北京航空航天大学 | 基于参数域边界分析的飞机结构件cad模型窄面缺陷自动识别方法 |
Non-Patent Citations (3)
Title |
---|
基于多属性决策的机械零件批次质量评判;朱国荣;《科技风》;20130802(第13期);第78-80页 * |
基于特征的三维模型识别技术研究;宋燕芳;《制造业自动化》;20140811(第14期);第114页 * |
飞机装配质量数字化检测技术研究及应用;赵建国;《航空制造技术》;20161127(第20期);第24-27页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106682350A (zh) | 2017-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106682350B (zh) | 一种基于三维模型的多属性决策质量检测方法 | |
JP2006065598A (ja) | 生産管理システム | |
Friederich et al. | Towards data-driven reliability modeling for cyber-physical production systems | |
CN112799369A (zh) | 一种产品装配过程管控方法和装置 | |
Zhang et al. | A generic data analytics system for manufacturing production | |
Joshi et al. | FMEA and alternatives v/s enhanced risk assessment mechanism | |
He et al. | Risk-oriented assembly quality analysing approach considering product reliability degradation | |
Bertoni et al. | Model-based decision support for value and sustainability assessment: Applying machine learning in aerospace product development | |
CN112633461A (zh) | 应用辅助系统和方法以及计算机可读记录介质 | |
US20220365518A1 (en) | Development of a product using a process control plan digital twin | |
Friederich et al. | Requirements for data-driven reliability modeling and simulation of smart manufacturing systems | |
Madrid et al. | Enabling reuse of inspection data to support robust design: a case in the aerospace industry | |
US8706436B2 (en) | Manufacture of engineering components with designed defects for analysis of production components | |
US8375352B2 (en) | Terms management system (TMS) | |
Lidell et al. | The current and future challenges for virtual commissioning and digital twins of production lines | |
Moenck et al. | Digital Twins of existing long-living assets: Reverse instantiation of the mid-life twin | |
Zorn et al. | Replacing energy simulations with surrogate models for design space exploration | |
Blackburn-Grenon et al. | A team-based workshop to capture organizational knowledge for identifying AI proof-of-value projects | |
CN1983280A (zh) | 用于在模型上实现动作的方法和系统 | |
CN103150626A (zh) | 基于程序依赖图的bpel过程一致性度量方法 | |
Becker et al. | Identifying business process activity mappings by optimizing behavioral similarity | |
CN114818361A (zh) | 一种基于应用场景的数字孪生模型构建方法 | |
Yang | Multivariate statistical methods and Six-Sigma | |
US20110213728A1 (en) | Requirements check-in/out tool, called r2db | |
Weckenmann et al. | Maturity Model for the development of new forming processes applied to the Sheet-Bulk Metal Forming |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |