CN106909720B - 一种有限元节点坐标快速提取方法 - Google Patents

Abstract

本发明公开了一种有限元节点坐标快速提取方法，在CAD图形软件下，手动对二维几何模型划分网格，原模型和网格线为不同颜色，截取划分好网格的模型的图片，通过图像处理识别原模型线条，再次识别网格线线条，最后将两个图像叠加，通过识别像素点值的变化来确定各节点之间的相对位置，然后通过坐标变换，获得节点的真正坐标。上述方法可以方便的将模型中的交点提取出，极大地提高了有限元前处理的效率。

Description

一种有限元节点坐标快速提取方法

技术领域

本发明涉及一种有限元节点坐标快速提取方法，属于轮胎有限元分析前处理技术领域。

背景技术

有限元分析是近年来对轮胎研究的趋势之一，各大轮胎公司、研究院所都致力于这项研究。例如住友橡胶工业株式会社的专利CN200710194353X提供了一种轮胎模型的建模方法和模拟方法；米其林公司的专利US2008/064527使用有限元分析或热电偶探头来确定轮胎或胎面的硫化限制部分；韩国轮胎株式会社的专利CN2011102066300通过有限元分析轮胎截面的成形方法等。

节点是有限元模型的基础，提取模型的节点坐标是有限元前处理的主要内容之一。目前，生成有限元模型节点的方法主要有沿边界撒种子和背景网格等自动生成节点的方法，自动生成节点方法的优点是方便和快捷。对于复杂的具有较多不规则边界的模型来说，自动生成节点方法很难获得较好的网格，而网格质量直接影响计算结果的精度。对于复杂模型，一般可以手动划分网格和提取节点，但是，这种方法需要手动或通过软件逐一提取节点，这极大地增加了有限元前处理的时间，降低了前处理效率。

发明人的早期专利CN103246792B研究了一种轮胎有限元二维网络划分的前处理方法。第一步，清理轮胎结构图并绘制完整的轮胎材料分布图；第二步，添加辅助线并绘制单元草图；第三步，形成横断线并对其进行编号；第四步，生成节点多义线和边多义线；第五步，导出结果DXF文件。以最终生成的DXF文件作为输入文件，在这个文件中包含了所有节点的编号及几何信息、单元编号及其所对应的节点编号。该二维网格划分前处理方法，能将以前需要进行1天以上的工作时间缩短到仅仅1个小时左右，大幅度提高了工作效率。

在轮胎行业中，由于轮胎结构比较复杂，由数十个形状极其不规则的部件组成，加之对部分部件的网格形状有特殊要求，现有的商业软件无法对其进行自动网格划分和节点坐标提取，一般采用手动划分网格的方法。在保证网格不会十分稀疏的情况下，一个普通的轮胎至少包含3000余个节点，这些节点都需要手动提取，提取节点的时间至少占据了前处理时间的40％，并且这种重复性的工作会使人产生烦躁情绪，更加降低了工作效率。因此，在手动划分网格完毕之后，需要一种能够自动提取节点坐标的方法。通过图像处理的方法能有效的解决这一问题，运用计算机编程，使用图像叠加方法能够实现从手动划分好的网格上提取模型需要的节点坐标，可极大地提高前处理效率。

发明内容

本发明的目的是为了解决上述现有技术存在的问题，对于复杂模型，一般可以手动划分网格和提取节点，但是，这种方法需要手动或通过软件逐一提取节点，这极大地增加了有限元前处理的时间，降低了前处理效率。进而提供一种简单可行的基于图像叠加的有限元节点坐标提取方法，通过计算机编程，处理网格的像素点，来实现节点坐标的自动提取。

本发明提取节点坐标的原理为：在CAD图形软件下，手动对二维几何模型划分网格，原模型和网格线为不同颜色，截取划分好网格的模型的图片，通过图像处理识别原模型线条，再次识别网格线线条，最后将两个图像叠加，通过识别像素点值的变化来确定各节点之间的相对位置，然后通过坐标变换，获得节点的真正坐标。

为了解决上述问题，本发明采用如下技术方案：

一种有限元节点坐标快速提取方法，在CAD图形软件下，手动对二维几何模型划分网格，原模型和网格线为不同颜色，截取划分好网格的模型的图片，通过图像处理识别原模型线条，再次识别网格线线条，最后将两个图像叠加，通过识别像素点值的变化来确定各节点之间的相对位置，然后通过坐标变换，获得节点的真正坐标。

上述技术方案具体为：

一种有限元节点坐标快速提取方法，包括如下步骤：

第一步：获得划分好网格的模型几何图像，在CAD软件中，将原始模型图像的线条设置为黑色，对模型进行网格划分，新绘制的网格线使用红色的线条，截取划分好网格的模型的图像，保存为图像文件；

第二步：对图像进行灰度处理，获得图像像素矩阵数据，读取第一步中获得的图片，并读取灰度值，获得图像上数据点的矩阵维数为M×N，并且获得矩阵中各个点的数值；

第三步：对图像数据进行二值化处理；

第四步：提取图像中线段的交点；

第五步：提取图像的边界点，找到图像最高点T(a,b)、图像最低点B(c,d)、图像最右点R(e,f)和图像最左点L(g,h)，记录下其所处的矩阵的位置；

第六步：进行坐标变换，确定交点的实际位置。

本发明还可以包括第七步：去除重复的交点。

上述第一步中，进一步将模型划分为三角形单元或四边形单元。

上述第一步中，进一步将截取划分好网格的模型的图像，保存为.jpg、.bmp或.tiff格式的图像文件。

上述第一步中，进一步图像像素不低于96dpi。

上述第三步中，对图像数据进行二值化处理：由于图像各个像素点的数值不同，为了方便处理，将图像转化为具有两个值的黑白图像，1代表颜色为白色，0代表黑色；从图像中识别出黑色的原模型线条，此时图像矩阵为A；使黑色和红色颜色反转，识别出同时包含红色线条的图像矩阵，此矩阵为B；此时矩阵A和矩阵B有相同的维数。

本发明中程序语言优选为Matlab语言。

上述第四步中提取图像中线段的交点为：使用A矩阵与B矩阵相加，获得新的矩阵C，检测矩阵C中数值为0的元素，其所处位置即为交点。

上述第六步具体为：通过第四步得到交点的相对位置，即其在矩阵中的位置，利用L点与R点所处的矩阵位置可得这两点的列坐标差值ΔN，利用T点与B点所处的矩阵位置可得T点和B点之间的行坐标差值ΔM；从CAD原始模型上测得L点与R点之间的实际横向距离为Δx，T点和B点之间的实际纵向距离为Δy，则由此可以得到每个像素占据的实际横向长度m和纵向长度n分别为：

m＝Δx/ΔN,n＝Δy/ΔM；

同时，再输入L点的实际横坐标值Lx和B点的实际纵坐标值Ly，则提取出的交点E(i,j)的实际位置为：

X＝Lx+m×(i-g),Y＝X＝Ly+m×(j-c)。

上述第七步中去除重复的交点为：比较检测出的交点的矩阵相对位置，如果相邻两个交点的横向或纵向位置相差±1个像素值之内，则只保留行数和列数最小的一个。如果有连续的多个交点，则取其靠近局部中心的像素点为交点。

本发明采取的跟具体的技术方案为：

一种基于图像处理的有限元节点坐标提取方法，其步骤为：

第一步：获得划分好网格的模型几何图像。在CAD软件中，将原始模型图像的线条设置为黑色，手动对模型进行网格划分，新绘制的网格线使用红色线条，将模型划分为三角形单元或四边形单元，截取划分好网格的模型的图像，保存为.jpg、.bmp或.tiff格式的图像文件。

为了避免数据量过大又不使图像失真，图像像素不可低于96dpi；本发明中图像像素优选为96dpi。

第二步：对图像进行灰度处理，获得图像像素矩阵数据。通过程序语言读取第一步中获得的图片，并读取灰度值，获得图像上数据点的矩阵维数为M×N，并且获得矩阵中各个点的数值；

第三步：对图像数据进行二值化处理。由于图像各个像素点的数值不同，为了方便处理，将图像转化为具有两个值的黑白图像，1代表颜色为白色，0代表黑色。通过Matlab程序语言，设置一定的阈值，阈值确定原则为能从图像中识别出黑色的原模型线条，读取图像，此时图像矩阵为A；再通过程序，使黑色和红色颜色反转，识别出同时包含红色线条的图像矩阵，此矩阵为B。此时矩阵A和矩阵B有相同的维数；

第四步：提取图像中线段的交点。通过编制Matlab程序，使用A矩阵与B矩阵相加，获得新的矩阵C，检测矩阵C中数值为0的元素，其所处位置即为交点：

第五步：提取图像的边界点。通过程序语言，遍历图像矩阵B所有数值点，找到图像最高点T(a,b)、图像最低点B(c,d)、图像最右点R(e,f)和图像最左点L(g,h)，记录下其所处的矩阵的位置。

第六步：进行坐标变换，确定交点的实际位置。通过第四步得到交点的相对位置，即其在矩阵中的位置，利用L点与R点所处的矩阵位置可得这两点的列坐标差值ΔN，同理，可得T点和B点之间的行坐标差值ΔM。然后，从CAD原始模型上测得L点与R点之间的实际横向距离为Δx，T点和B点之间的实际纵向距离为Δy，则由此可以得到每个像素占据的实际横向长度m和纵向长度n分别为：

m＝Δx/ΔN,n＝Δy/ΔM。

同时，再输入L点的实际横坐标值Lx和B点的实际纵坐标值Ly，则提取出的交点E(i,j)的实际位置为：

X＝Lx+m×(i-g),Y＝X＝Ly+m×(j-c)。

第七步：去除重复的交点。比较检测出的交点的矩阵相对位置，如果相邻两个交点的横向或纵向位置相差±1个像素值之内，则只保留行数和列数最小的一个。如果有连续的多个交点，则取其靠近局部中心的像素点为交点。这样就可以方便的将模型中的交点提取出，极大地提高了有限元前处理的效率。

附图说明

图1在CAD软件中的初始几何模型；

图2在CAD软件中模型网格图；

图3为一个交点的几何示意图；

图4为矩阵A；

图5为矩阵B；

图6为矩阵C；

具体实施方式

下面将结合附图对本发明做进一步的详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式，但本发明的保护范围不限于下述实施例。

以图1作为本实施例的初始几何模型，根据本发明的实施步骤，首先在CAD软件中对几何模型进行手动划分网格，划分为三角形或四边形单元，如图2所示。为了更好的识别交点，将边界的模型线段延长，同时，原模型线条为黑色，网格线为红色。将整个模型网格所在区域保存为.jpg格式的图像，分别率为96dpi。

运用Matlab语言，读取图像，获得矩阵数据，矩阵大小为457×658。对图像进行二值化处理，由于数据量庞大，这里提取其中一个交点作为本实施例的解释，几何示意图如图3所示。通过Matlab程序读取其矩阵大小为14×15，首先对图像进行灰度处理，然后使用二值化程序，取阈值为0.1，进行二值化处理，处理所得矩阵A如图4所示，此时只包含黑色的线。然后对A矩阵进行运算，使矩阵中每个元素的值减小60，并取绝对值，对此矩阵进行二值化处理，此时设置阈值为0.5006，可获得包含红色线的图像矩阵B，如图5所示。

将A矩阵与B矩阵相加，得到C矩阵，如图6所示，C矩阵中值为0的元素即为交点。提取各个交点的位置，如下表所示，共有27个交点，其矩阵位置为：

编制程序，通过遍历矩阵中的所有元素，获得数值为0的列坐标最小的元素位置，确定图像左侧边界点L在矩阵中所处位置为(226,8)，同理，获得数值为0的列坐标最大的元素位置，确定右侧边界点R所处位置为(237,656)，获得数值为0的行坐标最小的元素位置，确定最高点T位置为(35,89)，获得数值为0的行坐标最大的元素位置，确定最低点B位置为(441,549)。

接下来进行坐标变换，由L点与R点所处的矩阵位置可得这两点的列坐标差值ΔN为648，同理，可得T点和B点之间的行坐标差值ΔM为460，L点与R点之间的横向实际距离33.9mm，T点和B点之间的纵向实际距离为21.3mm，B点的纵坐标值为0，L点的横坐标值为-28.4。那么，通过计算可得m值为0.0524，n值为0.524，则可得到各点的坐标值。

-25.3,8.4	-25.0,11.1	-24.8,13.4	-24.7,15.36	-24.5,17.0	-24.2,20.5	2.8,7.8
							-15.8,18.9	-15.9,16.5	-15.9,14.7	-16.0,12.8	-16.1,10.4	-17.1,7.1	1.4,4.0
-8.1,16.9	-8.2,15.9	-8.3,14.2	-8.4,12.4	-9.7,8.6	-10.7,5.5	0.3,1.0
							-0.9,14.5	-1.5,12.5	-2.2,9.9	-3.3,6.0	-4.1,3.0	4.0,11.1

应用上述方法进行坐标提取，极大的提高了节点坐标的提取效率，与手动方法提取相比节省了90％多的时间。

以上所述，仅为本发明较佳的具体实施方式，这些具体实施方式都是基于本发明整体构思下的不同实现方式，而且本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (8)

1.一种有限元节点坐标快速提取方法，包括如下步骤：

在CAD图形软件下，对二维几何模型划分网格，原模型和网格线为不同颜色，截取划分好网格的模型的图片，通过图像处理识别原模型线条，再次识别网格线线条，最后将两个图像叠加，通过识别像素点值的变化来确定各节点之间的相对位置，然后通过坐标变换，获得节点的真正坐标；

上述步骤具体包括：

第一步：获得划分好网格的模型几何图像，在CAD软件中，将原始模型图像的线条设置为黑色，对模型进行网格划分，新绘制的网格线使用红色的线条，截取划分好网格的模型的图像，保存为图像文件；

第二步：对图像进行灰度处理，获得图像像素矩阵数据，读取第一步中获得的图片，并读取灰度值，获得图像上数据点的矩阵维数为M×N，并且获得矩阵中各个点的数值；

第三步：对图像数据进行二值化处理；

第四步：提取图像中线段的交点；

第五步：提取图像的边界点，找到图像最高点T(a,b)、图像最低点B(c,d)、图像最右点R(e,f)和图像最左点L(g,h)，记录下其所处的矩阵的位置；

第六步：进行坐标变换，确定交点的实际位置；

所述第六步具体为：通过第四步得到交点的相对位置，利用L点与R点所处的矩阵位置可得这两点的列坐标差值ΔN，利用T点与B点所处的矩阵位置可得T点和B点之间的行坐标差值ΔM；从CAD原始模型上测得L点与R点之间的实际横向距离为Δx，T点和B点之间的实际纵向距离为Δy，则由此可以得到每个像素占据的实际横向长度m和纵向长度n分别为：

m＝Δx/ΔN,n＝Δy/ΔM；

同时，再输入L点的实际横坐标值Lx和B点的实际纵坐标值Ly，则提取出的交点E(i,j)的实际位置为：

X＝Lx+m×(i-g),Y＝X＝Ly+m×(j-c)。

2.根据权利要求1所述的方法，其特征在于，还包括第七步：去除重复的交点。

3.根据权利要求1所述的方法，其特征在于，上述第一步中，将模型划分为三角形单元或四边形单元。

4.根据权利要求1所述的方法，其特征在于，上述第一步中，将截取划分好网格的模型的图像，保存为.jpg、.bmp或.tiff格式的图像文件。

5.根据权利要求1所述的方法，其特征在于，上述第一步中，图像像素不低于96dpi。

6.根据权利要求1所述的方法，其特征在于，上述第三步中，对图像数据进行二值化处理：将图像转化为具有两个值的黑白图像，1代表颜色为白色，0代表黑色；从图像中识别出黑色的原模型线条，此时图像矩阵为A；使黑色和红色颜色反转，识别出同时包含红色线条的图像矩阵，此矩阵为B；此时矩阵A和矩阵B有相同的维数。

7.根据权利要求1所述的方法，其特征在于，上述第四步中提取图像中线段的交点为：使用A矩阵与B矩阵相加，获得新的矩阵C，检测矩阵C中数值为0的元素，其所处位置即为交点。

8.根据权利要求1所述的方法，其特征在于，述第七步中去除重复的交点为比较检测出的交点的矩阵相对位置，如果相邻两个交点的横向或纵向位置相差±1个像素值之内，则只保留行数和列数最小的一个；如果有连续的多个交点，则取其靠近局部中心的像素点为交点。

Images