CN112329282B - 孔周网格分类方法、装置及存储介质 - Google Patents
孔周网格分类方法、装置及存储介质 Download PDFInfo
- Publication number
- CN112329282B CN112329282B CN201910704442.7A CN201910704442A CN112329282B CN 112329282 B CN112329282 B CN 112329282B CN 201910704442 A CN201910704442 A CN 201910704442A CN 112329282 B CN112329282 B CN 112329282B
- Authority
- CN
- China
- Prior art keywords
- holes
- hole
- nodes
- inner ring
- grid
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 abstract description 12
- 238000004088 simulation Methods 0.000 abstract description 8
- 230000007547 defect Effects 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000003491 array Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- FWEOQOXTVHGIFQ-UHFFFAOYSA-N 8-anilinonaphthalene-1-sulfonic acid Chemical compound C=12C(S(=O)(=O)O)=CC=CC2=CC=CC=1NC1=CC=CC=C1 FWEOQOXTVHGIFQ-UHFFFAOYSA-N 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本申请提出一种孔周网格分类方法及装置,其中方法包括:获取计算机辅助工程CAE模型中的所有二维网格;针对所有二维网格中的每个二维网格,获取二维网格中的所有孔洞,并进行标记;针对每个被标记的孔洞,获取孔洞的分类参考信息;根据分类参考信息,确定孔洞的孔周网格的类型,由此,基于CAE模型中的所有二维网格,获取二维网格中的所有孔洞的分类参考信息,根据分类参考信息,确定孔洞的孔周网格的类型,实现了在CAE模型中孔周网格分类的自动化,用于快速统计因几何形状、网格划分尺寸、网格划分方法等造成孔周网格存在的诸多缺陷,大幅提高了仿真分析的效率,且避免了因手工操作带来的失误。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种孔周网格分类方法、装置及存储介质。
背景技术
计算机辅助工程(Computer Aided Engineering,简称CAE)作为一项跨学科的数值模拟技术,越来越受到科技界和工程界的重视,在汽车的研发过程中的应用也是越来越广泛,目前,在汽车产品开发流程中,CAE已经成为极其重要且不可缺失的一环。
目前,在利用有限元软件对汽车结构件进行CAE分析前处理时,把部件一般处理成二维网格,重点关注其孔周网格质量,例如:若孔周内圈节点数为奇数、孔周网格有三角形单元、节点不一致等将直接导致孔周应力集中、模型与加载虽然对称但孔周应力不对称的情况发生。
然而,现有最新版本CAE前处理软件如有限元处理器(HyperMesh或ANSA)并无孔周网格自动分类方法,工程师若想处理网格质量,一般也只能手工挑选部分重要的零部件进行一些简单分类,或是重新划分网格,耗时耗力,效果较差。同时人工检查容易产生遗漏、错误等问题,导致模型质量差,分析精度低,影响仿真分析的最终结果。
发明内容
本申请的目的旨在至少在一定程度上解决上述技术问题之一。
为此,本申请的第一个目的在于提出一种孔周网格分类方法,该方法基于CAE模型中的所有二维网格,获取二维网格中的所有孔洞的分类参考信息,根据分类参考信息,确定孔洞的孔周网格的类型,实现了在CAE模型中孔周网格分类的自动化,用于快速统计因几何形状、网格划分尺寸、网格划分方法等造成孔周网格存在的诸多缺陷,大幅提高了仿真分析的效率,且避免了因手工操作带来的失误。
本申请的第二个目的在于提出一种孔周网格分类装置。
本申请的第三个目的在于提出另一种孔周网格分类装置。
本申请的第四个目的在于提出一种计算机可读存储介质。
为达上述目的,本申请第一方面实施例提出了一种孔周网格分类方法,包括:获取计算机辅助工程CAE模型中的所有二维网格;针对所有二维网格中的每个二维网格,获取二维网格中的所有孔洞,并进行标记;针对每个被标记的孔洞,获取孔洞的分类参考信息;分类参考信息包括:孔洞内圈节点至孔洞中心的最大距离与最小距离的差值、内圈节点数量、外圈节点数量、孔洞的孔周网格单元中三角形单元数量;根据分类参考信息,确定孔洞的孔周网格的类型。
本申请实施例的孔周网格分类方法,通过获取计算机辅助工程CAE模型中的所有二维网格;针对所有二维网格中的每个二维网格,获取二维网格中的所有孔洞,并进行标记;针对每个被标记的孔洞,获取孔洞的分类参考信息;分类参考信息包括:孔洞内圈节点至孔洞中心的最大距离与最小距离的差值、内圈节点数量、外圈节点数量、孔洞的孔周网格单元中三角形单元数量;根据分类参考信息,确定孔洞的孔周网格的类型。由此,基于CAE模型中的所有二维网格,获取二维网格中的所有孔洞的分类参考信息,根据分类参考信息,确定孔洞的孔周网格的类型,实现了在CAE模型中孔周网格分类的自动化,用于快速统计因几何形状、网格划分尺寸、网格划分方法等造成孔周网格存在的诸多缺陷,大幅提高了仿真分析的效率,且避免了因手工操作带来的失误。
为达上述目的,本申请第二方面实施例提出了一种孔周网格分类装置,包括:获取模块,用于获取计算机辅助工程CAE模型中的所有二维网格;标记模块,用于针对所有二维网格中的每个二维网格,获取二维网格中的所有孔洞,并进行标记;获取模块,还用于针对每个被标记的孔洞,获取孔洞的分类参考信息;分类参考信息包括:孔洞内圈节点至孔洞中心的最大距离与最小距离的差值、内圈节点数量、外圈节点数量、孔洞的孔周网格单元中三角形单元数量;确定模块,用于根据分类参考信息,确定孔洞的孔周网格的类型。
本申请实施例的孔周网格分类装置,通过获取计算机辅助工程CAE模型中的所有二维网格;针对所有二维网格中的每个二维网格,获取二维网格中的所有孔洞,并进行标记;针对每个被标记的孔洞,获取孔洞的分类参考信息;分类参考信息包括:孔洞内圈节点至孔洞中心的最大距离与最小距离的差值、内圈节点数量、外圈节点数量、孔洞的孔周网格单元中三角形单元数量;根据分类参考信息,确定孔洞的孔周网格的类型。由此,基于CAE模型中的所有二维网格,获取二维网格中的所有孔洞的分类参考信息,根据分类参考信息,确定孔洞的孔周网格的类型,实现了在CAE模型中孔周网格分类的自动化,用于快速统计因几何形状、网格划分尺寸、网格划分方法等造成孔周网格存在的诸多缺陷,大幅提高了仿真分析的效率,且避免了因手工操作带来的失误。
为达上述目的,本申请第三方面实施例提出了另一种孔周网格分类装置,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如上所述的孔周网格分类方法。
为了实现上述目的,本申请第四方面实施例提出了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述的孔周网格分类方法。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本申请一个实施例的孔周网格分类方法的流程示意图;
图2为本申请实施例的孔周网格及节点示意图;
图3为根据本申请另一个实施例的孔周网格分类方法的流程示意图;
图4为根据本申请一个实施例的孔周网格分类装置的结构示意图;
图5为根据本申请另一个实施例的孔周网格分类装置的结构示意图;
图6为根据本申请一个实施例的另一种孔周网格分类装置的结构示意图。
具体实施方式
下面详细描述本申请的实施例,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,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的孔周网格分类方法、装置及存储介质。
图1为本申请实施例提供的一种孔周网格分类方法的流程示意图。如图1所示,该孔周网格分类方法包括以下步骤:
步骤101,获取计算机辅助工程CAE模型中的所有二维网格。
在本申请实施例中,可打开CAE分析前处理软件,并导入需对孔周网格进行分类的CAE模型,并获取CAE模型中的所有二维网格。其中,CAE分析前处理软件可以是但不限于有限元处理器(HyperMesh)。
步骤102,针对所有二维网格中的每个二维网格,获取二维网格中的所有孔洞,并进行标记。
步骤103,针对每个被标记的孔洞,获取孔洞的分类参考信息;分类参考信息包括:孔洞内圈节点至孔洞中心的最大距离与最小距离的差值、内圈节点数量、外圈节点数量、孔洞的孔周网格单元中三角形单元数量。
进一步地,获取计算机辅助工程CAE模型中的所有二维网格之后,如图2所示,可针对所有二维网格中的每个二维网格,获取二维网格中的所有孔洞,并进行标记。之后,可针对每个被标记的孔洞,获取孔洞的分类参考信息。其中,分类参考信息可包括但不限于孔洞内圈节点至孔洞中心的最大距离与最小距离的差值、内圈节点数量、外圈节点数量、孔洞的孔周网格单元中三角形单元数量等。其中,孔洞内圈节点至孔洞中心的最大距离与最小距离的差值的确定方法可以为,将孔洞的几何中心,确定为孔洞的孔洞中心;获取孔洞的各个内圈节点至孔洞中心的最大距离和最小距离;确定最大距离和最小距离的差值。另外,孔洞中心可通过以下方式进行确定,比如,任选三个内圈节点,将两个内圈节点连线,获取连线的中点,确定经过中点且垂直于所述连线的中线,在中线上选取距离所述三个内圈节点距离相同的点,将该点确定为圆孔的孔洞中心。内圈节点至孔洞中心的距离的确定可通过分别获取孔洞中心和内圈节点的坐标位置,计算两个坐标位置之间的距离,将该距离确定为内圈节点至孔洞中心的距离。
步骤104,根据分类参考信息,确定孔洞的孔周网格的类型。
在本申请实施例中,针对每个被标记的孔洞,获取孔洞的分类参考信息之后,可根据孔洞的分类参考信息,判断孔洞的孔周网格的类型,从而可确定出孔洞的孔周网格的类型。其中,需要说明的是,孔洞的孔周网格的类型可由孔洞是否为圆孔、内圈节点数量是否为奇数、孔周网格单元中是否存在三角形单元、内圈节点数量与外圈节点数量是否一致等信息中的任意一种或者多种组成。另外,孔洞的孔周网格的类型可包括但不限于非圆孔,且内圈奇数节点;非圆孔,且内圈偶数节点;非圆孔,且孔周网格存在三角形单元;非圆孔,且孔周网格不存在三角形单元;圆孔不贴几何;圆孔,且内圈奇数节点,且孔周网格存在三角形单元;圆孔,且内圈奇数节点,且孔周网格不存在三角形单元;圆孔,且内圈偶数节点,且孔周网格存在三角形单元;圆孔,且内圈偶数节点,且孔周网格不存在三角形单元,且内圈节点数量与外圈节点数量一致;圆孔,且内圈偶数节点,且孔周网格不存在三角形单元,且内圈节点数量与外圈节点数量不一致等。
其中,可选地,如图3所示,判断孔洞的孔周网格的类型中该孔洞是否为圆孔的具体步骤如下:
步骤301,判断孔洞的差值是否小于第一距离阈值,或大于第二距离阈值。
步骤302,若孔洞的差值小于等于第一距离阈值,则确定孔洞为圆孔。
步骤303,若孔洞的差值大于第一距离阈值,且小于第二距离阈值,则确定孔洞为圆孔不贴几何。
步骤304,若孔洞的差值大于第二距离阈值,则确定孔洞为非圆孔。
在本申请实施例中,可判断孔洞内圈节点至孔洞中心的最大距离与最小距离的差值与第一距离阈值和第二距离阈值之间的关系,当孔洞内圈节点至孔洞中心的最大距离与最小距离的差值小于等于第一距离阈值,可确定出该孔洞为圆孔;当孔洞内圈节点至孔洞中心的最大距离与最小距离的差值大于第一距离阈值,且小于第二距离阈值,可确定出该孔洞为圆孔不贴几何;当孔洞内圈节点至孔洞中心的最大距离与最小距离的差值大于第二距离阈值,可确定出该孔洞为非圆孔。其中,第一距离阈值和第二距离阈值为经验参数,可随分析模型类别、网格划分软件、网格划分尺寸的不同而不同,优选地,第一距离阈值为0.8,第二距离阈值为2.5。
在本申请实施例中,为了方便后续相关技术人员对孔周网格的分类处理进行参考,在根据分类参考信息,确定孔洞的孔周网格的类型之后,可将孔洞的标识以及孔洞的孔周网格的标识,存储到与孔洞的孔周网格的类型对应的类型文件中。
另外,作为一种示例,在CAE仿真软件中,可采用工具控制语言/图形工具箱(Tcl/Tk)脚本语言,将上述实施例步骤编成脚本文件即可实现孔周网格分类的批量化、自动化。
本申请实施例的孔周网格分类方法,通过获取计算机辅助工程CAE模型中的所有二维网格;针对所有二维网格中的每个二维网格,获取二维网格中的所有孔洞,并进行标记;针对每个被标记的孔洞,获取孔洞的分类参考信息;分类参考信息包括:孔洞内圈节点至孔洞中心的最大距离与最小距离的差值、内圈节点数量、外圈节点数量、孔洞的孔周网格单元中三角形单元数量;根据分类参考信息,确定孔洞的孔周网格的类型。由此,基于CAE模型中的所有二维网格,获取二维网格中的所有孔洞的分类参考信息,根据分类参考信息,确定孔洞的孔周网格的类型,实现了在CAE模型中孔周网格分类的自动化,用于快速统计因几何形状、网格划分尺寸、网格划分方法等造成孔周网格存在的诸多缺陷,大幅提高了仿真分析的效率,且避免了因手工操作带来的失误。
与上述几种实施例提供的孔周网格分类方法相对应,本申请的一种实施例还提供一种孔周网格分类装置,由于本申请实施例提供的孔周网格分类装置与上述几种实施例提供的孔周网格分类方法相对应,因此在前述孔周网格分类方法的实施方式也适用于本实施例提供的孔周网格分类装置,在本实施例中不再详细描述。图4为根据本申请一个实施例的孔周网格分类装置的结构示意图。如图4所示,该孔周网格分类装置包括:获取模块410、标记模块420、确定模块430。
其中,获取模块410,用于获取计算机辅助工程CAE模型中的所有二维网格;标记模块420,用于针对所有二维网格中的每个二维网格,获取二维网格中的所有孔洞,并进行标记;获取模块410,还用于针对每个被标记的孔洞,获取孔洞的分类参考信息;分类参考信息包括:孔洞内圈节点至孔洞中心的最大距离与最小距离的差值、内圈节点数量、外圈节点数量、孔洞的孔周网格单元中三角形单元数量;确定模块430,用于根据分类参考信息,确定孔洞的孔周网格的类型。
作为本申请实施例的一种可能的实现方式,孔洞内圈节点至孔洞中心的最大距离与最小距离的差值的确定方法为,将孔洞的几何中心,确定为孔洞的孔洞中心;获取孔洞的各个内圈节点至孔洞中心的最大距离和最小距离;确定最大距离和最小距离的差值。
作为本申请实施例的一种可能的实现方式,孔洞的孔周网格的类型由以下信息中的任意一种或者多种组成:孔洞是否为圆孔、内圈节点数量是否为奇数、孔周网格单元中是否存在三角形单元、内圈节点数量与外圈节点数量是否一致。
作为本申请实施例的一种可能的实现方式,类型包括:非圆孔,且内圈奇数节点;非圆孔,且内圈偶数节点;非圆孔,且孔周网格存在三角形单元;非圆孔,且孔周网格不存在三角形单元;圆孔不贴几何;圆孔,且内圈奇数节点,且孔周网格存在三角形单元;圆孔,且内圈奇数节点,且孔周网格不存在三角形单元;圆孔,且内圈偶数节点,且孔周网格存在三角形单元;圆孔,且内圈偶数节点,且孔周网格不存在三角形单元,且内圈节点数量与外圈节点数量一致;圆孔,且内圈偶数节点,且孔周网格不存在三角形单元,且内圈节点数量与外圈节点数量不一致。
作为本申请实施例的一种可能的实现方式,孔洞是否为圆孔的判断方法为,判断所述孔洞的所述差值是否小于第一距离阈值,或大于第二距离阈值;若所述孔洞的所述差值小于等于第一距离阈值,则确定所述孔洞为圆孔;若所述孔洞的所述差值大于第一距离阈值,且小于第二距离阈值,则确定所述孔洞为圆孔不贴几何;若所述孔洞的所述差值大于第二距离阈值,则确定所述孔洞为非圆孔。
作为本申请实施例的一种可能的实现方式,第一距离阈值为0.8;第二距离阈值为2.5。
作为本申请实施例的一种可能的实现方式,如图5所示,在图4所示基础上,孔周网格分类装置还包括:存储模块440。
其中,存储模块440用于将孔洞的标识以及孔洞的孔周网格的标识,存储到类型对应的类型文件中。
本申请实施例的孔周网格分类装置,通过获取计算机辅助工程CAE模型中的所有二维网格;针对所有二维网格中的每个二维网格,获取二维网格中的所有孔洞,并进行标记;针对每个被标记的孔洞,获取孔洞的分类参考信息;分类参考信息包括:孔洞内圈节点至孔洞中心的最大距离与最小距离的差值、内圈节点数量、外圈节点数量、孔洞的孔周网格单元中三角形单元数量;根据分类参考信息,确定孔洞的孔周网格的类型。由此,基于CAE模型中的所有二维网格,获取二维网格中的所有孔洞的分类参考信息,根据分类参考信息,确定孔洞的孔周网格的类型,实现了在CAE模型中孔周网格分类的自动化,用于快速统计因几何形状、网格划分尺寸、网格划分方法等造成孔周网格存在的诸多缺陷,大幅提高了仿真分析的效率,且避免了因手工操作带来的失误。
为了实现上述实施例,本申请实施例还提出另一种孔周网格分类装置,图6为本申请实施例提供的另一种孔周网格分类装置的结构示意图。该孔周网格分类装置包括:
存储器1001、处理器1002及存储在存储器1001上并可在处理器1002上运行的计算机程序。
处理器1002执行所述程序时实现上述实施例中提供的孔周网格分类方法。
进一步地,孔周网格分类装置还包括:
通信接口1003,用于存储器1001和处理器1002之间的通信。
存储器1001,用于存放可在处理器1002上运行的计算机程序。
存储器1001可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
处理器1002,用于执行所述程序时实现上述实施例所述的孔周网格分类方法。
如果存储器1001、处理器1002和通信接口1003独立实现,则通信接口1003、存储器1001和处理器1002可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(Industry Standard Architecture,简称为ISA)总线、外部设备互连(Peripheral Component,简称为PCI)总线或扩展工业标准体系结构(Extended IndustryStandard Architecture,简称为EISA)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器1001、处理器1002及通信接口1003,集成在一块芯片上实现,则存储器1001、处理器1002及通信接口1003可以通过内部接口完成相互间的通信。
处理器1002可能是一个中央处理器(Central Processing Unit,简称为CPU),或者是特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者是被配置成实施本申请实施例的一个或多个集成电路。
为了实现上述实施例,本申请还提出一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述的孔周网格分类方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (14)
1.一种孔周网格分类方法,其特征在于,包括:
获取计算机辅助工程CAE模型中的所有二维网格;
针对所有二维网格中的每个二维网格,获取所述二维网格中的所有孔洞,并进行标记;
针对每个被标记的孔洞,获取所述孔洞的分类参考信息;所述分类参考信息包括:所述孔洞内圈节点至孔洞中心的最大距离与最小距离的差值、内圈节点数量、外圈节点数量、所述孔洞的孔周网格单元中三角形单元数量;
根据所述分类参考信息,确定所述孔洞的孔周网格的类型;
所述类型由以下信息中的任意一种或者多种组成:孔洞是否为圆孔、内圈节点数量是否为奇数、孔周网格单元中是否存在三角形单元、内圈节点数量与外圈节点数量是否一致;
在所述计算机辅助工程CAE模型中,可将所述孔周网格分类方法编成脚本文件即可实现周网格分类的批量化、自动化。
2.根据权利要求1所述的方法,其特征在于,所述孔洞内圈节点至孔洞中心的最大距离与最小距离的差值的确定方法为,
将所述孔洞的几何中心,确定为所述孔洞的孔洞中心;
获取所述孔洞的各个内圈节点至所述孔洞中心的最大距离和最小距离;
确定所述最大距离和所述最小距离的差值。
3.根据权利要求1所述的方法,其特征在于,所述类型包括:非圆孔,且内圈奇数节点;
非圆孔,且内圈偶数节点;
非圆孔,且孔周网格存在三角形单元;
非圆孔,且孔周网格不存在三角形单元;
圆孔不贴几何;
圆孔,且内圈奇数节点,且孔周网格存在三角形单元;
圆孔,且内圈奇数节点,且孔周网格不存在三角形单元;
圆孔,且内圈偶数节点,且孔周网格存在三角形单元;
圆孔,且内圈偶数节点,且孔周网格不存在三角形单元,且内圈节点数量与外圈节点数量一致;
圆孔,且内圈偶数节点,且孔周网格不存在三角形单元,且内圈节点数量与外圈节点数量不一致。
4.根据权利要求3所述的方法,其特征在于,所述孔洞是否为圆孔的判断方法为,
判断所述孔洞的所述差值是否小于第一距离阈值,或大于第二距离阈值;
若所述孔洞的所述差值小于等于第一距离阈值,则确定所述孔洞为圆孔;
若所述孔洞的所述差值大于第一距离阈值,且小于第二距离阈值,则确定所述孔洞为圆孔不贴几何;
若所述孔洞的所述差值大于第二距离阈值,则确定所述孔洞为非圆孔。
5.根据权利要求4所述的方法,其特征在于,所述第一距离阈值为0.8;所述第二距离阈值为2.5。
6.根据权利要求1所述的方法,其特征在于,所述根据所述分类参考信息,确定所述孔洞的孔周网格的类型之后,还包括:
将所述孔洞的标识以及所述孔洞的孔周网格的标识,存储到所述类型对应的类型文件中。
7.一种孔周网格分类装置,其特征在于,所述装置用于实现如权利要求1所述的一种孔周网格分类方法,所述装置包括:
获取模块,用于获取计算机辅助工程CAE模型中的所有二维网格;
标记模块,用于针对所有二维网格中的每个二维网格,获取所述二维网格中的所有孔洞,并进行标记;
所述获取模块,还用于针对每个被标记的孔洞,获取所述孔洞的分类参考信息;所述分类参考信息包括:所述孔洞内圈节点至孔洞中心的最大距离与最小距离的差值、内圈节点数量、外圈节点数量、所述孔洞的孔周网格单元中三角形单元数量;
确定模块,用于根据所述分类参考信息,确定所述孔洞的孔周网格的类型;
所述类型由以下信息中的任意一种或者多种组成:孔洞是否为圆孔、内圈节点数量是否为奇数、孔周网格单元中是否存在三角形单元、内圈节点数量与外圈节点数量是否一致。
8.根据权利要求7所述的装置,其特征在于,所述孔洞内圈节点至孔洞中心的最大距离与最小距离的差值的确定方法为,
将所述孔洞的几何中心,确定为所述孔洞的孔洞中心;
获取所述孔洞的各个内圈节点至所述孔洞中心的最大距离和最小距离;
确定所述最大距离和所述最小距离的差值。
9.根据权利要求7所述的装置,其特征在于,所述类型包括:非圆孔,且内圈奇数节点;
非圆孔,且内圈偶数节点;
非圆孔,且孔周网格存在三角形单元;
非圆孔,且孔周网格不存在三角形单元;
圆孔不贴几何;
圆孔,且内圈奇数节点,且孔周网格存在三角形单元;
圆孔,且内圈奇数节点,且孔周网格不存在三角形单元;
圆孔,且内圈偶数节点,且孔周网格存在三角形单元;
圆孔,且内圈偶数节点,且孔周网格不存在三角形单元,且内圈节点数量与外圈节点数量一致;
圆孔,且内圈偶数节点,且孔周网格不存在三角形单元,且内圈节点数量与外圈节点数量不一致。
10.根据权利要求9所述的装置,其特征在于,所述孔洞是否为圆孔的判断方法为,
判断所述孔洞的所述差值是否小于第一距离阈值,或大于第二距离阈值;
若所述孔洞的所述差值小于等于第一距离阈值,则确定所述孔洞为圆孔;
若所述孔洞的所述差值大于第一距离阈值,且小于第二距离阈值,则确定所述孔洞为
圆孔不贴几何;
若所述孔洞的所述差值大于第二距离阈值,则确定所述孔洞为非圆孔。
11.根据权利要求10所述的装置,其特征在于,所述第一距离阈值为0.8;所述第二距离阈值为2.5。
12.根据权利要求7所述的装置,其特征在于,还包括:存储模块,用于将所述孔洞的标识以及所述孔洞的孔周网格的标识,存储到所述类型对应的类型文件中。
13.一种孔周网格分类装置,其特征在于,包括:
存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-6任一所述的孔周网格分类方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6任一所述的孔周网格分类方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910704442.7A CN112329282B (zh) | 2019-07-31 | 2019-07-31 | 孔周网格分类方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910704442.7A CN112329282B (zh) | 2019-07-31 | 2019-07-31 | 孔周网格分类方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112329282A CN112329282A (zh) | 2021-02-05 |
CN112329282B true CN112329282B (zh) | 2023-12-12 |
Family
ID=74319704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910704442.7A Active CN112329282B (zh) | 2019-07-31 | 2019-07-31 | 孔周网格分类方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112329282B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113704923A (zh) * | 2021-09-01 | 2021-11-26 | 恒大新能源汽车投资控股集团有限公司 | 一种螺栓模型构建方法、系统、螺栓连接装置及存储介质 |
CN116257927B (zh) * | 2023-05-10 | 2023-08-18 | 北京市第三建筑工程有限公司 | 基于bim的异形洞口生成方法、装置和设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105761307A (zh) * | 2016-02-18 | 2016-07-13 | 中国科学院长春光学精密机械与物理研究所 | 三角网格模型中空洞的获取方法及装置 |
CN105787226A (zh) * | 2016-05-11 | 2016-07-20 | 上海理工大学 | 四边有限元网格模型的参数化模型重建 |
CN109063295A (zh) * | 2018-07-20 | 2018-12-21 | 北京长城华冠汽车技术开发有限公司 | 基于cae模型的节点信息优化处理方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9697645B2 (en) * | 2014-02-25 | 2017-07-04 | The Boeing Company | Two-dimensional model of triangular sectors for use in generating a mesh for finite element analysis |
-
2019
- 2019-07-31 CN CN201910704442.7A patent/CN112329282B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105761307A (zh) * | 2016-02-18 | 2016-07-13 | 中国科学院长春光学精密机械与物理研究所 | 三角网格模型中空洞的获取方法及装置 |
CN105787226A (zh) * | 2016-05-11 | 2016-07-20 | 上海理工大学 | 四边有限元网格模型的参数化模型重建 |
CN109063295A (zh) * | 2018-07-20 | 2018-12-21 | 北京长城华冠汽车技术开发有限公司 | 基于cae模型的节点信息优化处理方法和装置 |
Non-Patent Citations (1)
Title |
---|
曲面特征恢复的三角网格模型孔洞修补算法;贺强 等;哈尔滨工业大学学报;第43卷(第11期);第120-124页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112329282A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112329282B (zh) | 孔周网格分类方法、装置及存储介质 | |
CN108805180B (zh) | 目标对象的检测方法及装置 | |
CN109885929B (zh) | 自动驾驶决策规划数据复现方法及装置 | |
CN112224355A (zh) | 船舶电缆开孔轮廓生成方法、系统、介质及装置 | |
CN114780326B (zh) | 一种跨平台标定测试方法、装置及设备 | |
CN107895064B (zh) | 元器件极性检测方法、系统、计算机可读存储介质及设备 | |
CN111127439A (zh) | 车辆轮胎的胎纹检测方法、装置、电子设备及存储介质 | |
DE112019007519T5 (de) | Sensordiagnoseeinrichtung und sensordiagnoseprogramm | |
CN114443483A (zh) | 人工智能系统的测试方法、装置、电子设备及介质 | |
CN117724982A (zh) | 仿真测评方法、装置、电子设备及存储介质 | |
CN109933856B (zh) | 自动驾驶决策规划数据复现方法及装置 | |
JP2011257915A (ja) | 設計支援装置および設計支援方法 | |
CN111159262B (zh) | 自动驾驶仿真数据处理方法和装置 | |
CN111123730B (zh) | 无人驾驶故障仿真方法、装置、设备及计算机可读介质 | |
CN115952757A (zh) | 一种寄存器测试方法和装置 | |
CN113836199B (zh) | 车辆的传感数据处理方法、装置、电子设备及存储介质 | |
CN112395725A (zh) | 螺栓模拟方法及装置 | |
CN112329124B (zh) | Cae模型查错方法、装置、计算机设备和存储介质 | |
CN111198774B (zh) | 无人车仿真异常追踪方法、装置、设备及计算机可读介质 | |
CN112329127A (zh) | 孔周网格处理方法、装置及存储介质 | |
CN113485859A (zh) | 故障定位方法、装置、电子设备和计算机可读存储介质 | |
CN113378304A (zh) | 一种车辆性能目标的确定方法、装置、存储介质及设备 | |
CN112527631A (zh) | bug定位方法、系统、电子设备及存储介质 | |
CN112395782A (zh) | 基于cae的批量计算焊点坐标的方法和装置 | |
CN112949214B (zh) | 机器学习建模方法、可视化建模平台及电子设备 |
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 |