CN111774565B - 基于特征提取思维模型的3d打印送粉修复识别方法 - Google Patents

基于特征提取思维模型的3d打印送粉修复识别方法 Download PDF

Info

Publication number
CN111774565B
CN111774565B CN202010484749.3A CN202010484749A CN111774565B CN 111774565 B CN111774565 B CN 111774565B CN 202010484749 A CN202010484749 A CN 202010484749A CN 111774565 B CN111774565 B CN 111774565B
Authority
CN
China
Prior art keywords
repair
printing
deposition
difference
molten state
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
Application number
CN202010484749.3A
Other languages
English (en)
Other versions
CN111774565A (zh
Inventor
隋少春
荣鹏
王大为
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Aircraft Industrial Group Co Ltd
Original Assignee
Chengdu Aircraft Industrial Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Aircraft Industrial Group Co Ltd filed Critical Chengdu Aircraft Industrial Group Co Ltd
Priority to CN202010484749.3A priority Critical patent/CN111774565B/zh
Publication of CN111774565A publication Critical patent/CN111774565A/zh
Application granted granted Critical
Publication of CN111774565B publication Critical patent/CN111774565B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B33ADDITIVE MANUFACTURING TECHNOLOGY
    • B33YADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y50/00Data acquisition or data processing for additive manufacturing
    • B33Y50/02Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/903Querying
    • G06F16/90335Query processing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures

Abstract

本发明涉及3D打印修复技术领域,具体公开了基于特征提取思维模型的3D打印送粉修复识别方法,具体是指:基于扫描策略与填充策略的工艺数据库,实时提取修复打印过程中当前层的打印形状的缺失,在下一层打印改变对应的填充路径和策略,完成修复。

Description

基于特征提取思维模型的3D打印送粉修复识别方法
技术领域
本发明涉及3D打印技术领域,具体的说,是基于特征提取思维模型的3D打印送粉修复识别方法。
背景技术
增材制造技术(又称“3D打印技术”)的概念起源于上世纪八十年代,它的出现对发展了2000多年的等材制造技术和发展了300多年的减材制造技术造成了深远的影响,它引入了一种新的思维制造模式,即:增材制造模式。从人类资源开发的未来发展模式看,增材制造技术的出现是解决未来资源紧缺情况下的一种有效途径。
最近十年,增材制造技术的快速发展已经给传统制造业带来了巨大变革,凭借该技术的任意自由度特点,重塑了设计思维,实现了变不可能为可能,缓解了设计方案向制造技术妥协的窘境。增材制造技术的出现不仅仅解决了传统制造方法不能制造的负责零件的出现,同时也利用该技术实现了对传统昂贵零部件出现缺陷以后的修复再延寿。
增材制造技术快速发展的同时也带来了相关其他行业的发展,如粉末原材料、3D打印设备、医疗生物、检验检测等,但是目前现有的检测手段还未能实现对增材制造结构的快速检测,尤其是增材制造修复技术修复结果的快速检测。
增材制造修复技术又称激光送粉成形修复技术,该技术不受修复尺寸限制,可以实现力学性能与锻件相当的复杂高性能构件的高效率制造和快速修复。该技术以信息技术为支撑,以柔性化的产品制造方式最大限度地满足无限丰富的个性化需求,技术应用前景广阔。
目前,激光送粉成形修复技术主要应用于昂贵金属构件的修复再延寿工作,利用该技术对已有缺陷构件进行修复时,通常情况下会留有修复余量,以便于后期机械加工,最终获得满足要求的修复构件。整个过程需要对修复构件进行多次外形尺寸检测,第一次检测打印修复组织外形尺寸是否满足既定的余量标准,第二次需要对结合区的原有缺陷三维图像和机械加工后的修复组织的三维图像进行检测对比,第三次需要对整体零件进行整体尺寸的检测对比。
现有的检测方法无论是三维扫描、蓝光检测以及多坐标特征检测等方法,都是将现有尺寸和既定尺寸进行直接比较,这种比较方法存在数模处理量大、处理速度慢的缺点。这些缺点主要是因为3D打印片层数模是由点-线-面,面-面叠加形成的,其数据量较大,点点对比模式会对处理器要求较高,处理结果需求时间长,而且无法进行原位测量,只能进行后期检测,严重影响修复的效率,未能满足实际需求。
发明内容
本发明的目的在于提供基于特征提取思维模型的3D打印送粉修复识别方法,实现原位修复检测和修复尺寸快速对比检测;大大的减低了运算量,节约时间;有效的提高了检测效率,由于修复数据可实时调控,修复精度高。
本发明通过下述技术方案实现:
基于特征提取思维模型的3D打印送粉修复识别方法,基于扫描策略与填充策略的工艺数据库,实时提取修复打印过程中当前层的打印形状的缺失,在下一层打印改变对应的填充路径和策略,完成修复。
进一步地,为了更好的实现本发明,具体包括以下步骤:
步骤S1:提取前期修复构件数模的特征值;
步骤S2:提取修复区域三维数模特征值;
步骤S3:获取分层打印路径;
步骤S4:预估熔融态尺寸和最终修复结构沉积态的尺寸;
步骤S5:根据步骤S4中预估尺寸,在原位检测识别模块的协助下,选择熔融态和最终修复结构沉积态的结构特征点;
步骤S6:根据结构特征点划分比对区域、比对层数;
步骤S7:计算得到熔融态结构和沉积态结构分别与修复区域三维数模特征点的差值;并判断差值是否符合要求;
步骤S8:若熔融态结构与修复区域三维数模特征点的差值不符合要求,返回步骤S2;
若沉积态结构与修复区域三维数模特征点的差值不符合要求,停止修复指令,返回步骤S3;
符合要求,执行修复做作业,直至修复完成。
进一步地,为了更好的实现本发明,所述原位检测识别模块包括:设置在熔覆头上有用于识别熔融态特征点的A原位检测模块、设置在机床工作台上且用于沉积台特征点检测的B原位检测识别模块。
进一步地,为了更好的实现本发明,所述步骤S4具体是指:基于沉积态数模引入熔融-沉积缩比因子,得出熔融态数模尺寸。
进一步地,为了更好的实现本发明,所述步骤S7中的差值包括:依据特征点对打印过程中熔融态的特征点进行对比得到预估熔融态结构与修复区域三维数模熔融态结构的差值A以及依据特征点对打印完成后沉积态的特征点对比得到预估沉积态与修复区域三维数模沉积态结构的差值B。
进一步地,为了更好的实现本发明,所述步骤S8具体是指:对差值A和差值B的判断;若差值A和差值B符合要求,执行修复作业,完成修复;
若差值A不符合要求,返回步骤S2执行,修正修复区域三维数模尺寸;
若差值B不符合要求,停止修复工作,检查工艺路径是否需要修正,并返回步骤S3。
本发明与现有技术相比,具有以下优点及有益效果:
本发明本发明同传统检测方法相比,极大的减低了运算量,节约了时间,大幅度提升了检测效率,同时可以实现修复数据的实时调控,确保最终修复结构完全满足精细机械加工的需求。
附图说明
图1为本发明的工作流程图;
图2为本发明中实施例7示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面结合实施例对本发明作进一步地详细说明,但本发明的实施方式不限于此。
实施例1:
本发明通过下述技术方案实现,如图1所示,基于特征提取思维模型的3D打印送粉修复识别方法,基于扫描策略与填充策略的工艺数据库,实时提取修复打印过程中当前层的打印形状,并与预估的形状尺寸对比,在下一层打印改变对应的填充路径和策略,完成修复。
需要说明的是,通过上述改进,对于实时提取修复打印过程中当前层的打印形状采用的是增加了原位检测识别模块来实现实时提取特征点,将每层的特征点与修复区域三维数模进行对比,从而大大缩小数据对比运算量,实现实时答应过程中的数据与理论数据的快速匹配,提高了修复打印的精度。
实施例2:
本实施例在上述实施例的基础上做进一步优化,如图1所示,进一步地,为了更好的实现本发明,具体包括以下步骤:
步骤S1:提取前期修复构件数模的特征值;
步骤S2:提取修复区域三维数模的特征值;
步骤S3:获取分层打印路径;打印路径为工艺数据库中储存的一项参数指标。
步骤S4:基于工艺数据库,预估每层打印或前几层打印熔融态结构尺寸和最终修复结构沉积态尺寸;
步骤S5:根据步骤S4中预估的熔融态结构尺寸和最终修复结构沉积态尺寸,在原位检测识别模块的协助下,选择打印时熔融态和最终修复结构沉积态的结构特征点;
步骤S6:根据特征点划分比对区域、比对层数;
步骤S7:计算得到熔融态结构和沉积态结构分别与修复区域三维数模特征点的差值;并判断差值是否符合要求;
若熔融态结构与修复区域三维数模特征点的差值不符合要求,返回步骤S2;
若沉积态结构与修复区域三维数模特征点的差值不符合要求,停止修复指令,返回步骤S3;
若差值符合要求,执行修复做作业,直至修复完成。
需要说明的是,通过上述改进,通过将理论状态和实时打印状态下熔融态对比、将理论状态和实时打印状态下沉积态的对比可以,减小计算量的同时实现信息实时交互纠正。当熔融态的结构尺寸不满足给定要求时,可以实时调整当前打印路径,对熔融态结构重新进行补充修复,确保最终的沉积态结构可以完全满足后续加工需求,实现了同时修复、同时监测、同时修正模式。
通过增添原位检测识别模块,满足修复打印过程中的原位识别检测功能,同样将每层的数据进行单层或多层整合,选择同样的特征点。最终只要将这些特征点进行采集以后,同给定的修复方案数模上相应的特征点进行分析对比就可以大大缩小数据对比的运算量,实现实际情况与理论数值的快速匹配。
本实施例的其他部分与上述实施例相同,故不再赘述。
实施例3:
本实施例在上述实施例的基础上做进一步优化,如图1所示,进一步地,为了更好的实现本发明,所述原位检测识别模块包括:设置在熔覆头上有用于识别熔融态特征点的A原位检测模块、设置在机床工作台上且用于沉积台特征点检测的B原位检测识别模块。
需要说明的是,通过上述改进,A原位检测模块设置在熔覆头上,主要用于对打印时当前层熔融态结构特征点的提取;B原位检测识别模块设置在待修复构件的四周,安装在机床的工作台上,主要用于打印完成后该层沉积态结构特征点的提取。
本实施例的其他部分与上述实施例相同,故不再赘述。
实施例4:
本实施例在上述实施例的基础上做进一步优化,如图1所示,进一步地,为了更好的实现本发明,所述步骤S4具体是指:基于沉积态数模引入熔融-沉积缩比因子,得出熔融态数模尺寸。
需要说明的是,通过上述改进,通过熔融-沉积缩比因子与沉积态数模尺寸,计算得到熔融态数模尺寸。
本实施例的其他部分与上述实施例相同,故不再赘述。
实施例5:
本实施例在上述实施例的基础上做进一步优化,如图1所示,进一步地,为了更好的实现本发明,所述步骤S7中的差值包括:依据特征点对打印过程中熔融态的特征点进行对比得到预估熔融态结构与修复区域三维数模熔融态结构的差值A以及依据特征点对打印完成后沉积态的特征点对比得到预估沉积态与修复区域三维数模沉积态结构的差值B。
需要说明的是,通过上述改进,通过实时打印时熔融态的特征点与预估打印的熔融态的特征点进行对比得到差值A;通过打印完成后沉积态的特征点对比得到预估沉积态的特征点进行对比得到差值B;即可得到每一块图像识别区域上的差异,最后进行累加,即可得到整个数模实际特征点与理论数模特征点之间的差值。
本实施例的其他部分与上述实施例相同,故不再赘述。
实施例6:
本实施例在上述实施例的基础上做进一步优化,如图1所示,进一步地,为了更好的实现本发明,所述步骤S8具体是指:对差值A和差值B的判断;若差值A和差值B符合要求,执行修复作业,完成修复;
若差值A不符合要求,返回步骤S2执行,修正修复区域三维数模尺寸;
若差值B不符合要求,停止修复工作,检查工艺路径是否需要修正,并返回步骤S3。
需要说明的是,通过上述改进,
本实施例的其他部分与上述实施例相同,故不再赘述。
实施例7:
本实施例为采用本方法实现修改的实施例,如图2所示,数模为一个虚线实体,确定修复打印数模以及打印修复路径以后,预估打印出的沉积态实体形状为一个个长条形组成的待精细机械加工的异形结构,基于沉积态数模引入数据库存储的熔融—沉积缩比因子,得出熔融态数模形貌尺寸,同样由长条形结构组成。这一个个大小不同的长条形结构即为独立的图像识别区域,具有可识别的特征点;可识别的特征点可采用单层或多层选择,主要根据数模的结构外形来确定。识别一个个不同尺寸的长条形图像识别区域内的特征点,并与实际图像上相应的特征点进行对比,即可得到每一块图像识别区域上的差异,最后进行累加,即可得到整个数模与理论数模之间的差值。
熔覆头和机床工作台的四周设置的原位检测识别模块,用于对每层或多层结构的外观尺寸进行采集,得到特征点,可以随着打印过程的进行对三角形区域(熔融区:当前打印层或前面几层的给定特征点描绘的区域)的特征点进行识别对比分析,判断打印维修路径的合理性,以便随时做出修正调整方案,最终保证得到合理有效的打印修复结构。
以上所述,仅是本发明的较佳实施例,并非对本发明做任何形式上的限制,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化,均落入本发明的保护范围之内。

Claims (5)

1.基于特征提取思维模型的3D打印送粉修复识别方法,其特征在于:基于扫描策略与填充策略的工艺数据库,实时提取修复打印过程中当前层的打印形状的缺失,在下一层打印改变对应的填充路径和策略,完成修复;
具体包括以下步骤:
步骤S1:提取前期修复构件数模的特征值;
步骤S2:提取修复区域三维数模特征值;
步骤S3:获取分层打印路径;
步骤S4:预估熔融态尺寸和最终修复结构沉积态的尺寸;
步骤S5:根据步骤S4中预估尺寸,在原位检测识别模块的协助下,选择熔融态和最终修复结构沉积态的结构特征点;
步骤S6:根据结构特征点划分比对区域、比对层数;
步骤S7:计算得到熔融态结构和沉积态结构分别与修复区域三维数模特征点的差值;并判断差值是否符合要求;
步骤S8:若熔融态结构与修复区域三维数模特征点的差值不符合要求,返回步骤S2;
若沉积态结构与修复区域三维数模特征点的差值不符合要求,停止修复指令,返回步骤S3;
符合要求,执行修复做作业,直至修复完成。
2.根据权利要求1所述的基于特征提取思维模型的3D打印送粉修复识别方法,其特征在于:所述原位检测识别模块包括:设置在熔覆头上有用于识别熔融态特征点的A原位检测模块、设置在机床工作台上且用于沉积台特征点检测的B原位检测识别模块。
3.根据权利要求1所述的基于特征提取思维模型的3D打印送粉修复识别方法,其特征在于:所述步骤S4具体是指:基于沉积态数模引入熔融-沉积缩比因子,得出熔融态数模尺寸。
4.根据权利要求1所述的基于特征提取思维模型的3D打印送粉修复识别方法,其特征在于:所述步骤S7中的差值包括:依据特征点对打印过程中熔融态的特征点进行对比得到预估熔融态结构与修复区域三维数模熔融态结构的差值A以及依据特征点对打印完成后沉积态的特征点对比得到预估沉积态与修复区域三维数模沉积态结构的差值B。
5.根据权利要求4所述的基于特征提取思维模型的3D打印送粉修复识别方法,其特征在于:所述步骤S8具体是指:对差值A和差值B的判断;若差值A和差值B符合要求,执行修复作业,完成修复;
若差值A不符合要求,返回步骤S2执行,修正修复区域三维数模尺寸;
若差值B不符合要求,停止修复工作,检查工艺路径是否需要修正,并返回步骤S3。
CN202010484749.3A 2020-06-01 2020-06-01 基于特征提取思维模型的3d打印送粉修复识别方法 Active CN111774565B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010484749.3A CN111774565B (zh) 2020-06-01 2020-06-01 基于特征提取思维模型的3d打印送粉修复识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010484749.3A CN111774565B (zh) 2020-06-01 2020-06-01 基于特征提取思维模型的3d打印送粉修复识别方法

Publications (2)

Publication Number Publication Date
CN111774565A CN111774565A (zh) 2020-10-16
CN111774565B true CN111774565B (zh) 2022-05-10

Family

ID=72754604

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010484749.3A Active CN111774565B (zh) 2020-06-01 2020-06-01 基于特征提取思维模型的3d打印送粉修复识别方法

Country Status (1)

Country Link
CN (1) CN111774565B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113560574B (zh) * 2021-06-10 2023-05-26 广东工业大学 3d打印缺陷修复方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105666877A (zh) * 2016-03-22 2016-06-15 中国工程物理研究院材料研究所 具有三维图形反馈系统的3d打印机及其打印方法
CN106126132A (zh) * 2016-06-22 2016-11-16 北京小米移动软件有限公司 通过三维打印修复器具的方法及装置
CN108340582A (zh) * 2018-02-09 2018-07-31 中国商用飞机有限责任公司北京民用飞机技术研究中心 增材制造的方法、装置、控制装置、存储介质及制造系统
CN108381916A (zh) * 2018-02-06 2018-08-10 西安交通大学 一种非接触识别缺损形貌的复合3d打印系统及方法
CN110052607A (zh) * 2019-03-11 2019-07-26 上海交通大学 基于视觉监测的粉床式3d打印闭环控制装置、系统及方法
CN110253019A (zh) * 2019-07-25 2019-09-20 阳江市五金刀剪产业技术研究院 一种激光选区熔化的质量监控与控制方法
CN110328848A (zh) * 2019-06-18 2019-10-15 沈阳精合数控科技开发有限公司 一种激光修复方法及装置
CN110370649A (zh) * 2019-07-11 2019-10-25 中国科学院自动化研究所 3d打印设备的在线监测装置、系统
DE102018110742A1 (de) * 2018-05-04 2019-11-07 Liebherr-Werk Biberach Gmbh Verfahren und Vorrichtung zum Warten und/oder Reparieren einer Baumaschine
CN110487240A (zh) * 2019-08-29 2019-11-22 哈尔滨工业大学 基于3d打印技术的路面变形监测感知元件及其应用
EP3587006A1 (en) * 2018-06-27 2020-01-01 Siemens Aktiengesellschaft 3d-printing method and manufacturing device

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102309212B1 (ko) * 2015-03-17 2021-10-08 한국전자통신연구원 3d 프린팅 시뮬레이션 장치 및 방법
US10442182B2 (en) * 2015-11-24 2019-10-15 The Texas A&M University System In vivo live 3D printing of regenerative bone healing scaffolds for rapid fracture healing
CN105642895A (zh) * 2016-03-03 2016-06-08 中研智能装备有限公司 一种模具等离子3d打印再制造设备及方法
CN107180451A (zh) * 2016-03-09 2017-09-19 北京大学口腔医院 三维打印方法和装置
CN107305556A (zh) * 2016-04-20 2017-10-31 索尼公司 用于3d打印的装置及方法
CN108060417A (zh) * 2016-11-07 2018-05-22 东台精机股份有限公司 粉末积层制造的检测修补装置及其方法
CN109047756B (zh) * 2018-08-03 2021-01-08 西安空天能源动力智能制造研究院有限公司 一种金属增材制造产品的可追溯方法
CN109202378B (zh) * 2018-08-30 2021-02-05 大连交通大学 一种金属零部件的增减复合智能修复方法
CN109158599B (zh) * 2018-09-18 2019-08-06 西南交通大学 金属零部件损伤的3d打印原位修复系统及其修复方法
CN111168064B (zh) * 2019-12-02 2022-04-05 西安铂力特增材技术股份有限公司 一种基于增材制造的支撑自动修复方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105666877A (zh) * 2016-03-22 2016-06-15 中国工程物理研究院材料研究所 具有三维图形反馈系统的3d打印机及其打印方法
CN106126132A (zh) * 2016-06-22 2016-11-16 北京小米移动软件有限公司 通过三维打印修复器具的方法及装置
CN108381916A (zh) * 2018-02-06 2018-08-10 西安交通大学 一种非接触识别缺损形貌的复合3d打印系统及方法
CN108340582A (zh) * 2018-02-09 2018-07-31 中国商用飞机有限责任公司北京民用飞机技术研究中心 增材制造的方法、装置、控制装置、存储介质及制造系统
DE102018110742A1 (de) * 2018-05-04 2019-11-07 Liebherr-Werk Biberach Gmbh Verfahren und Vorrichtung zum Warten und/oder Reparieren einer Baumaschine
EP3587006A1 (en) * 2018-06-27 2020-01-01 Siemens Aktiengesellschaft 3d-printing method and manufacturing device
CN110052607A (zh) * 2019-03-11 2019-07-26 上海交通大学 基于视觉监测的粉床式3d打印闭环控制装置、系统及方法
CN110328848A (zh) * 2019-06-18 2019-10-15 沈阳精合数控科技开发有限公司 一种激光修复方法及装置
CN110370649A (zh) * 2019-07-11 2019-10-25 中国科学院自动化研究所 3d打印设备的在线监测装置、系统
CN110253019A (zh) * 2019-07-25 2019-09-20 阳江市五金刀剪产业技术研究院 一种激光选区熔化的质量监控与控制方法
CN110487240A (zh) * 2019-08-29 2019-11-22 哈尔滨工业大学 基于3d打印技术的路面变形监测感知元件及其应用

Also Published As

Publication number Publication date
CN111774565A (zh) 2020-10-16

Similar Documents

Publication Publication Date Title
CN110640146B (zh) 一种零件表面缺损区域模块化增减材复合修复方法
CN104923593B (zh) 一种基于视觉的顶层折弯板材定位方法
CN114354639B (zh) 一种基于3d点云的焊缝缺陷实时检测方法及系统
CN111774565B (zh) 基于特征提取思维模型的3d打印送粉修复识别方法
CN110942107B (zh) 基于零件工程图像的复合磨削加工特征自动识别方法
CN108356526A (zh) 一种增减材一体制造的加工设备
JP3913352B2 (ja) 加工工程の決定方法
Eger et al. Part variation modeling in multi-stage production systems for zero-defect manufacturing
CN103631982A (zh) 一种基于pro/e的逆向工程数字化模型重构方法
WO2024055773A1 (zh) 一种基于粉末床与五轴增减材复合制造方法
CN112557445A (zh) 一种基于增材制造的缺陷在线检测方法、装置和系统
CN111069973B (zh) 一种复杂外形铸件快速找正的方法及装置
JP2006320996A (ja) 二番金型の製作方法
CN111283342A (zh) 工件缺陷修复方法及工件缺陷修复机器人
CN116664508A (zh) 一种焊缝表面质量检测方法及计算机可读存储介质
CN105549537A (zh) 基于实物扫描的装配体参数化及自动化数控加工方法
CN108107835A (zh) 一种基于正交ccd图像反馈的自动打标控制系统
CN107931631A (zh) 喷口套安装边的加工方法
López et al. An approach to reverse engineering methodology for part reconstruction with additive manufacturing
CN113843575A (zh) 一种用于铝合金模板板面开孔的再制造修复系统及方法
CN115812181A (zh) 用于维修工件的方法和装置
CN112327754A (zh) 一种汽车模具基于经验知识的一键式智能nc编程方法
CN112388107A (zh) 一种增材制造成形几何在线监控与校正方法
CN117123891B (zh) 一种基于机械臂智能控制的零部件增减材修复方法及装置
CN112000063B (zh) 一种模具分层清角数控加工系统及其工艺方法

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