CN110659652A - 风机装置Creo模型的特征匹配性检测系统 - Google Patents
风机装置Creo模型的特征匹配性检测系统 Download PDFInfo
- Publication number
- CN110659652A CN110659652A CN201910850923.9A CN201910850923A CN110659652A CN 110659652 A CN110659652 A CN 110659652A CN 201910850923 A CN201910850923 A CN 201910850923A CN 110659652 A CN110659652 A CN 110659652A
- Authority
- CN
- China
- Prior art keywords
- feature
- features
- hole
- obtaining
- characteristic
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Multimedia (AREA)
- Computer Graphics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种风机装置Creo模型的特征匹配性检测系统,该系统包括特征识别模块、特征信息提取模块和特征对齐检测模块。特征识别模块能够检测出三维模型的各类特征,包括孔、封闭腔特征、开放腔特征、凸台等;特征信息提取模块能够获得特征的尺寸、位置信息,特征对齐检测模块能够检测Creo模型中特征的对齐状况,并且判断对齐的特征尺寸是否一致。本发明可以检测风机装置Creo模型中组件间连接方式的合理性,从而指导实际生产,提高风机装置的装配效率,减少生产成本。
Description
技术领域
本发明涉及一种风机装置三维模型的检验系统,尤其涉及一种基于Creo Toolkit的特征匹配性检测系统。
背景技术
随着风力发电的飞速发展,风机装置的机械结构的设计越来越复杂,模型各个零部件的设计和建模需要专业人员的协作,将风机装置的各个数字化零部件装配在一起,装配的协调性往往需要花费很长时间来进行调整。利用模型特征的匹配性分析,进行自动化检测,对于风机装置的装配有一定的研究意义。在风机装置的装配环节,经常使用到的机械紧固件有螺栓、螺钉,零部件上有许多腔体特征。待装配的两个零件可能出现由于某组待连接的特征未对齐导致无法装配成功的现象,通过Creo的二次开发自动检测出这些问题,有助于减少生产成本,提高装配效率。
发明内容
本发明的目的是:针对风机装置在装配环节出现零部件间无法装配成功的现象,对其三维设计模型进行特征匹配性检测,根据检测结果找出导致装配失败的特征。
为了达到上述目的,本发明的技术方案是提供了一种风机装置Creo模型的特征匹配性检测系统,其特征在于,包括特征识别模块、特征信息提取模块及特征对齐检测模块:
特征识别模块,特征识别模块利用基于邻接面的凹凸属性与特征截面形状的识别方法有效识别在三维装配体模型表面上含有的封闭轮廓的特征的类型,基于邻接面的凹凸属性与特征截面形状的识别方法包括以下步骤:
步骤1、获得三维装配体模型中的所有零件;
步骤2、对于每个零件,遍历零件上的所有表面,若当前表面上的内部轮廓和外部轮廓都不为0,则当前表面上含有特征,否则跳过当前表面;
步骤3、对于每个零件,遍历通过步骤2获得的所有含有特征的表面,对每个含有特征的表面过滤外部轮廓,随后对内部轮廓进行如下操作以获得当前表面上含有的封闭轮廓的特征的类型:
步骤301、由当前内部轮廓的一条边获取其邻接面,然后获取当前表面和邻接面的外法向量,并获得当前表面和邻接面的公共边的方向向量或切向量,计算当前表面的外法向量、邻接面的外法向量及公共边的方向向量或切向量的叉积,从而判断当前表面所含有特征的凹凸属性,即特征凹凸属性;
步骤302、获得当前内部轮廓的所有边,并获得各条边的类型和尺寸,由此得到当前内部轮廓的形状,即截面轮廓形状;
步骤303、通过步骤301得到的特征凹凸属性及步骤302得到的截面轮廓形状判断出当前表面上含有的封闭轮廓的特征的类型;
若通过特征识别模块识别得到的表面上含有的封闭轮廓的特征的类型为孔特征,则通过特征信息提取模块提取孔特征的尺寸信息和位置信息;
基于特征识别模块检测到的三维装配体模型中所有零件的表面含有的封闭轮廓的特征的类型为孔特征以及特征信息提取模块提取到的所有孔特征的尺寸信息和位置信息,对不同零件上的孔特征进行匹配性检测。
优选地,所述孔特征的位置信息为孔特征的中心轴线。
优选地,所述特征对齐检测模块进行匹配性检测包括以下步骤:
步骤1、获得三维装配体模型中各个零件的装配矩阵;
步骤2、将各个孔特征的圆心坐标转换为所在装配路径下的坐标,由转换后的孔特征上下表面两个圆心坐标获得孔特征的轴线方程;
步骤3、比较不同零件上各个孔特征的轴线方程,找出互相平行的轴线,若平行则比较这两个孔特征的圆心是否重合,如果圆心也重合则比较这两个孔特征的直径是否一致,如果不同零件上的两孔特征轴线对齐、圆心重合且半径相等,则这两个孔特征互相匹配。
本发明的特征识别模块能够检测出三维模型的各类特征,包括孔、封闭腔特征、开放腔特征、凸台等;特征信息提取模块能够获得特征的尺寸、位置信息,特征对齐检测模块能够检测Creo模型中特征的对齐状况,并且判断对齐的特征尺寸是否一致。本发明可以检测风机装置Creo模型中组件间连接方式的合理性,从而指导实际生产,提高风机装置的装配效率,减少生产成本。
附图说明
图1为本发明系统基本组成示意图;
图2为特征识别模块的流程图;
图3为以孔为例,孔特征信息提取的示意图;
图4为零件装配矩阵获取模块的流程图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明公开了一种Creo模型的特征匹配性检测系统,包括特征识别模块、特征信息提取模块和特征对齐检测模块。
特征识别模块用于找出Creo模型中的特征。特征识别模块包括面上是否含有特征的判断模块、相邻面凹凸属性的判断模块、特征截面形状判断模块。面上是否含有特征的判断模块实现过滤属于某个特征的表面以及不含特征的表面。面上是否含有特征的判断模块依据Creo系统的特性,获取某一个面轮廓的数目以及各轮廓的类型,即该轮廓是外部轮廓还是内部轮廓,然后根据判断条件:轮廓数目是否大于1以及内外轮廓是否都不为0来判断。相邻面凹凸属性判断模块实现两个邻接面凹凸性的判断。特征截面形状判断模块用于实现确定特征的类型。
本实施例中,特征识别模块提出了一种基于邻接面的凹凸属性与特征截面形状的识别方法,该识别方法能够有效识别在表面上含有封闭轮廓的特征。所述特征识别方法主要分为两个步骤。步骤一为找出三维模型中含有特征的表面,具体如下:首先遍历三维模型中的所有面,然后对各个面进行筛选,若面上含有特征,则该面的外轮廓数和内轮廓数都大于1;步骤二对特征的类型进行判断,具体如下:遍历该面上的所有轮廓,过滤外轮廓,根据内轮廓上边的数量、长度等得出特征的截面形状,再根据表面与特征面的凹凸关系判断特征的凹凸属性,从而得出特征类型。
特征识别模块是特征匹配性检测系统的基础,通过该模块识别出Creo模型中的特征,才能进行后续操作,本实施例中其实现流程如图2所示,具体步骤如下:
1)获得当前窗口中的装配体模型,通过二次开发接口ProSolidFeatVisit()获得装配体中的所有零件;
2)对装配体模型中的各个零件都进行以下操作:通过二次开发接口ProSolidSurfaceVisit()遍历零件上的所有表面,对于每个表面,获得表面上的轮廓及其类型,若表面的内部轮廓和外部轮廓都不为0,则该表面上含有特征,否则跳过该表面;
3)对含有特征的表面进行如下操作:通过二次开发接口ProSurfaceContourVisit()遍历表面上的所有轮廓,过滤外部轮廓。对内部轮廓进行如下操作:由内部轮廓的一条边获取其邻接面,然后获取表面和邻接面的外法向量,并获得公共边的方向向量或切向量,计算三者的叉积,从而判断该特征的凹凸属性;
4)通过二次开发接口ProContourEdgeVisit()获得内部轮廓的所有边,并获得各条边的类型和尺寸,由此得到该内部轮廓的形状;
5)通过步骤3、4中得到的特征凹凸属性和截面轮廓形状可以判断出特征的类型。
特征信息提取模块,能够获得特征的尺寸、ID、位姿等信息。具体如下:在特征识别的基础上,利用相关Creo Toolkit函数访问特征的面、边等的尺寸数据,提取特征的尺寸信息,并获得特征上下两个面的中心点,由这两个点获得特征的中心轴线。特征信息提取模块包括尺寸信息提取模块和位姿信息提取模块。尺寸信息提取模块是在特征识别的基础上,获取特征的面、边等数据,从而获得特征的尺寸信息。位姿信息提取模块用于获取特征在所属零件坐标系下的位置信息。
特征信息提取模块主要用于获取通过特征识别模块识别到的类型为孔特征的特征的位置和尺寸信息,主要是在特征识别的基础上,通过二次开发接口获得相关信息,其实现方式如图3所示,具体步骤如下:
1)通过二次开发接口ProGeomitemdataGet()获得孔特征的半径以及孔特征上下表面的两个圆心坐标,由此可以得到孔特征的位置信息;
2)通过二次开发接口ProSurfaceAreaEval()获得孔特征圆柱面的面积,由面积和半径可以得到孔特征的深度,并且通过二次开发接口ProSurfaceIDGet()可以获得孔特征的圆柱面的ID。
特征对齐检测模块用于检测Creo装配体模型中的特征对齐状况,并找出孤立特征。特征对齐检测模块包括装配体中组件装配矩阵的获取模块、特征位置转化模块和特征对齐判断模块。装配体中组件装配矩阵的获取模块实现获取装配体中的所有零件及其装配矩阵。装配体中组件装配矩阵的获取模块,首先要遍历装配体中的所有特征,从而找到所有零件,然后根据各零件的标识符表获取其装配路径,由装配路径得到该零件的装配矩阵。特征位置转化模块实现特征位置信息从零件到装配体的转换。特征对齐判断模块实现检测Creo模型中的特征对齐状况。特征对齐判断模块,对某两个零件上的特征进行比较,首先根据特征的位置信息,判断零件上的某个特征是否能作另一个零件上找到位置匹配的特征,若位置匹配则比较这两个特征的尺寸,从而完成装配体中的特征匹配性检测。
特征对齐检测系统是通过特征的中心轴线来检测的,主要分为三个步骤。步骤一为获取装配体中各个零件的装配路径,装配路径在遍历装配体组件时一并获得,首先获取各个零件的标识符表,即其所属层数以及各层的特征标识,然后通过标识符表得到零件的装配路径;步骤二为获得各个特征中心轴线的直线方程,具体如下:首先获得各零件装配路径的坐标转换矩阵,然后通过坐标转换矩阵将特征两个中心点的默认坐标转换为在装配体中的坐标,通过这两个中心点的坐标可以获取特征中心轴线的方程;步骤三为检索各个零件上的特征,得出零件间特征的匹配关系,具体步骤如下:分别比较两个零件上各个特征的轴线方程,满足两轴线平行且两个特征的表面重合后,计算两轴线间的距离,计算结果即为两轴线的偏差。
特征对齐检测模块是在特征识别模块和特征信息提取模块的基础上,对不同零件上的孔特征进行匹配性检测,具体步骤如下:
1)首先获得装配体模型中各个零件的装配矩阵,其实现流程如图4所示,先获得各个零件的标识表,然后通过标识表获得零件的装配路径,再由装配路径获得零件的装配矩阵;
2)将各个孔的圆心坐标转换为所在装配路径下的坐标,由转换后的孔上下表面两个圆心坐标获得孔的轴线方程;
3)比较不同零件上各个孔的轴线方程,找出互相平行的轴线,若平行则比较这两个孔特征的圆心是否重合,如果圆心也重合则比较这两个孔的直径是否一致,如果不同零件上的两孔轴线对齐、圆心重合且半径相等,则这两个孔互相匹配,在检测过程中可设置偏差值,比如对齐的两个轴线间的距离和两孔圆心间的距离,这样就可以找出已匹配的特征和孤立特征。
Claims (3)
1.一种风机装置Creo模型的特征匹配性检测系统,其特征在于,包括特征识别模块、特征信息提取模块及特征对齐检测模块:
特征识别模块,特征识别模块利用基于邻接面的凹凸属性与特征截面形状的识别方法有效识别在三维装配体模型表面上含有的封闭轮廓的特征的类型,基于邻接面的凹凸属性与特征截面形状的识别方法包括以下步骤:
步骤1、获得三维装配体模型中的所有零件;
步骤2、对于每个零件,遍历零件上的所有表面,若当前表面上的内部轮廓和外部轮廓都不为0,则当前表面上含有特征,否则跳过当前表面;
步骤3、对于每个零件,遍历通过步骤2获得的所有含有特征的表面,对每个含有特征的表面过滤外部轮廓,随后对内部轮廓进行如下操作以获得当前表面上含有的封闭轮廓的特征的类型:
步骤301、由当前内部轮廓的一条边获取其邻接面,然后获取当前表面和邻接面的外法向量,并获得当前表面和邻接面的公共边的方向向量或切向量,计算当前表面的外法向量、邻接面的外法向量及公共边的方向向量或切向量的叉积,从而判断当前表面所含有特征的凹凸属性,即特征凹凸属性;
步骤302、获得当前内部轮廓的所有边,并获得各条边的类型和尺寸,由此得到当前内部轮廓的形状,即截面轮廓形状;
步骤303、通过步骤301得到的特征凹凸属性及步骤302得到的截面轮廓形状判断出当前表面上含有的封闭轮廓的特征的类型;
若通过特征识别模块识别得到的表面上含有的封闭轮廓的特征的类型为孔特征,则通过特征信息提取模块提取孔特征的尺寸信息和位置信息;
基于特征识别模块检测到的三维装配体模型中所有零件的表面含有的封闭轮廓的特征的类型为孔特征以及特征信息提取模块提取到的所有孔特征的尺寸信息和位置信息,对不同零件上的孔特征进行匹配性检测。
2.如权利要求1所述的一种风机装置Creo模型的特征匹配性检测系统,其特征在于,所述孔特征的位置信息为孔特征的中心轴线。
3.如权利要求2所述的一种风机装置Creo模型的特征匹配性检测系统,其特征在于,所述特征对齐检测模块进行匹配性检测包括以下步骤:
步骤1、获得三维装配体模型中各个零件的装配矩阵;
步骤2、将各个孔特征的圆心坐标转换为所在装配路径下的坐标,由转换后的孔特征上下表面两个圆心坐标获得孔特征的轴线方程;
步骤3、比较不同零件上各个孔特征的轴线方程,找出互相平行的轴线,若平行则比较这两个孔特征的圆心是否重合,如果圆心也重合则比较这两个孔特征的直径是否一致,如果不同零件上的两孔特征轴线对齐、圆心重合且半径相等,则这两个孔特征互相匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910850923.9A CN110659652B (zh) | 2019-09-10 | 2019-09-10 | 风机装置Creo模型的特征匹配性检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910850923.9A CN110659652B (zh) | 2019-09-10 | 2019-09-10 | 风机装置Creo模型的特征匹配性检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110659652A true CN110659652A (zh) | 2020-01-07 |
CN110659652B CN110659652B (zh) | 2023-08-18 |
Family
ID=69038020
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910850923.9A Active CN110659652B (zh) | 2019-09-10 | 2019-09-10 | 风机装置Creo模型的特征匹配性检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110659652B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113421225A (zh) * | 2021-06-02 | 2021-09-21 | 安徽巨一科技股份有限公司 | 一种快速检查数模孔位匹配情况的方法、系统、装置和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104573233A (zh) * | 2015-01-07 | 2015-04-29 | 北京数码大方科技股份有限公司 | 基于特征识别的计算机模型装配处理方法及装置 |
CN106503358A (zh) * | 2016-11-02 | 2017-03-15 | 北京汽车研究总院有限公司 | 一种零部件装配检测方法及系统 |
CN106815585A (zh) * | 2017-01-20 | 2017-06-09 | 浙江大学 | 一种复杂动态环境孔特征的高精视觉定位方法 |
CN109242955A (zh) * | 2018-08-17 | 2019-01-18 | 山东师范大学 | 一种基于单幅图像的工件制造特征自动识别方法及装置 |
CN109341532A (zh) * | 2018-11-05 | 2019-02-15 | 航天材料及工艺研究所 | 一种面向自动装配的基于结构特征的零件坐标标定方法 |
-
2019
- 2019-09-10 CN CN201910850923.9A patent/CN110659652B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104573233A (zh) * | 2015-01-07 | 2015-04-29 | 北京数码大方科技股份有限公司 | 基于特征识别的计算机模型装配处理方法及装置 |
CN106503358A (zh) * | 2016-11-02 | 2017-03-15 | 北京汽车研究总院有限公司 | 一种零部件装配检测方法及系统 |
CN106815585A (zh) * | 2017-01-20 | 2017-06-09 | 浙江大学 | 一种复杂动态环境孔特征的高精视觉定位方法 |
CN109242955A (zh) * | 2018-08-17 | 2019-01-18 | 山东师范大学 | 一种基于单幅图像的工件制造特征自动识别方法及装置 |
CN109341532A (zh) * | 2018-11-05 | 2019-02-15 | 航天材料及工艺研究所 | 一种面向自动装配的基于结构特征的零件坐标标定方法 |
Non-Patent Citations (1)
Title |
---|
袁浩等: "《机械零件3D网格模型的特征识别研究》", 《机械设计与制造》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113421225A (zh) * | 2021-06-02 | 2021-09-21 | 安徽巨一科技股份有限公司 | 一种快速检查数模孔位匹配情况的方法、系统、装置和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110659652B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104680550A (zh) | 一种通过图像特征点的轴承表面瑕疵检测的方法 | |
CN111854700B (zh) | 基于物联网和云计算的无人机监测管理系统 | |
CN114119470B (zh) | 一种基于深度学习的电芯密封钉焊缝外观检测算法及系统 | |
CN109598705B (zh) | 一种基于检测特征的检验规程自动生成方法 | |
CN115993096A (zh) | 一种高层建筑变形测量方法 | |
CN108711148A (zh) | 一种基于深度学习的轮胎缺陷智能检测方法 | |
CN106383121B (zh) | 一种可自适应多品牌的视觉检测方法及系统 | |
CN110659652B (zh) | 风机装置Creo模型的特征匹配性检测系统 | |
CN116071298A (zh) | 一种基于目标检测模型的刀具损耗识别方法、装置 | |
CN114581412A (zh) | 一种基于神经网络的键合焊点缺陷智能识别方法 | |
CN105404682A (zh) | 一种基于数字图像内容的图书检索方法 | |
CN113269234B (zh) | 一种基于目标检测的连接件装配检测方法和系统 | |
CN106447781B (zh) | 一种基于Minkowski和面向自动装配的碰撞检测方法 | |
CN113436102A (zh) | 一种加工零件表面缺陷检测方法 | |
CN113392852B (zh) | 一种基于深度学习的车辆检测方法及系统 | |
CN113469995B (zh) | 一种变电站设备热故障诊断方法及系统 | |
CN116798028A (zh) | 三维零件的尺寸自动标注方法 | |
CN114596439A (zh) | 一种基于图像的车险智能定损及核损方法、装置和电子设备 | |
CN118134918B (zh) | 基于机器视觉的储热导热双用组件的故障检测方法 | |
CN112860760A (zh) | 一种配电网设备智能辨识系统 | |
CN114076680A (zh) | 发动机装配检测方法、系统、存储介质以及电子设备 | |
CN111784281A (zh) | 一种基于ai的资产识别方法及系统 | |
CN118447018B (zh) | 模具表面曲线识别方法、装置、电子设备及存储介质 | |
LU505688B1 (en) | Nonlinear error detection and control system and method for five-axis machining | |
CN118172735B (zh) | 一种智能房屋的安全监控方法 |
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 |