CN113268830A - 基于移动距离动态检测的拆卸信息矩阵自动生成方法 - Google Patents

基于移动距离动态检测的拆卸信息矩阵自动生成方法 Download PDF

Info

Publication number
CN113268830A
CN113268830A CN202110611160.XA CN202110611160A CN113268830A CN 113268830 A CN113268830 A CN 113268830A CN 202110611160 A CN202110611160 A CN 202110611160A CN 113268830 A CN113268830 A CN 113268830A
Authority
CN
China
Prior art keywords
parts
interference
contact
matrix
machine tool
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
Application number
CN202110611160.XA
Other languages
English (en)
Other versions
CN113268830B (zh
Inventor
张哲昆
鄢萍
朱新华
陈剑
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.)
Chongqing University
Original Assignee
Chongqing University
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 Chongqing University filed Critical Chongqing University
Priority to CN202110611160.XA priority Critical patent/CN113268830B/zh
Publication of CN113268830A publication Critical patent/CN113268830A/zh
Application granted granted Critical
Publication of CN113268830B publication Critical patent/CN113268830B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/10Geometric CAD
    • G06F30/17Mechanical parametric or variational design
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/16Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Numerical Control (AREA)

Abstract

本发明涉及拆卸信息生成技术领域,具体涉及基于移动距离动态检测的拆卸信息矩阵自动生成方法,包括:建立待拆卸机床的三维模型信息;根据所述三维模型信息获取所述待拆卸机床所有零件的种类属性;根据所有零件的种类属性采用移动距离动态检测方法获得各个零件之间的位置关系、接触关系和重力支撑关系,并根据各个零件之间的位置关系、接触关系和重力支撑关系计算所述待拆卸机床对应的拆卸信息矩阵。本发明中基于移动距离动态检测的拆卸信息矩阵自动生成方法能够快捷且准确的获取机床的拆卸信息矩阵,从而能够提升机床拆卸的规划效率和效果。

Description

基于移动距离动态检测的拆卸信息矩阵自动生成方法
技术领域
本发明涉及拆卸信息生成技术领域,具体涉及基于移动距离动态检测的拆卸信息矩阵自动生成方法。
背景技术
机床作为加工各种构件的机器,在能源、交通、机械、航天航空等行业中占有重要的地位。机床构件就是组成机床的构件,有时候用户要对机床构件进行拆卸,以对机床构件进行检查和维修。
然而,目前的机床构件拆卸方法,无法直接获取机床构件的拆卸网址,不利于提高机床构件的拆卸效率。为此,公开号为CN108229039A的中国专利公开了《一种重型机床构件拆卸方法》,其包括拍摄待拆卸的重型机床构件,生成重型机床构件图像;导入重型机床构件图像;获取重型机床型号;获取当前输入的重型机床型号对应的重型机床构件模板图像数据库;获取重型机床构件模板图像;根据重型机床构件相似度生成模型、重型机床构件图像以及重型机床构件模板图像,生成重型机床构件相似度;获取重型机床构件模板图像;获取拆卸网址;打开拆卸网址,获取内嵌于网页的重型机床构件的拆卸视频,在屏幕上播放重型机床构件的拆卸视频,以供用户拆卸重型机床构件。
上述现有方案中的机床构件拆卸方法能够直接获取机床构件的拆卸网址,有利于提高机床构件的拆卸效率。但是,申请人在实际研究中发现,与机床构件拆卸网址,拆卸信息矩阵能够更好的反应机床各个零件之间的关系,例如位置关系、连接关系及重力支撑关系等。然而,机床零件数量繁多,通过现有人工方式识别零件间约束信息并手工输入拆卸信息矩阵的方式,不仅存在工作量大的问题,还很难保证数据真实性,导致机床拆卸的规划效率很低且效果不好。同时,申请人发现基于三维建模软件能够很好的建立机床三维模型,进而通过移动距离动态检测方法能够在三维建模软件中获得机床各个零件之间的关系。正是基于上述发现,申请人设计了一种基于移动距离动态检测的拆卸信息矩阵自动生成方法。
发明内容
针对上述现有技术的不足,本发明所要解决的技术问题是:如何提供一种基于移动距离动态检测的拆卸信息矩阵自动生成方法,以能够快捷且准确的获取机床的拆卸信息矩阵,从而能够提升机床拆卸的规划效率和效果。
为了解决上述技术问题,本发明采用了如下的技术方案:
基于移动距离动态检测的拆卸信息矩阵自动生成方法,包括以下步骤:
S1:建立待拆卸机床的三维模型信息;
S2:根据所述三维模型信息获取所述待拆卸机床所有零件的种类属性;
S3:根据所有零件的种类属性采用移动距离动态检测方法获得各个零件之间的位置关系、接触关系和重力支撑关系,并根据各个零件之间的位置关系、接触关系和重力支撑关系计算所述待拆卸机床对应的拆卸信息矩阵。
优选的,步骤S3中,首先根据所有零件的种类属性建立对应的零件集合;再判断所述零件集合中是否存在螺纹连接的零件:若是,则从所述零件集合中剔除用作螺纹连接紧固件的紧固零件,并将与所述紧固零件螺纹连接的零件标记为螺纹连接件,并执行后续的步骤;否则,直接进行后续的步骤。
优选的,步骤S3中,通过如下步骤实现各个零件之间的干涉判断,进而获得各个零件之间的位置关系:
S301:从所述零件集合中选取当前主动件pi
S302:从所述零件集合中选取零件作为被动件pj
S303:获取pi和pj的种类属性,并根据包围盒静态检测方法分别判断pi和pj在x、y、z三个方向是否存在干涉的可能性,若不存在,则pi和pj不存在干涉;若存在,则根据所述移动距离动态检测方法判断pi和pj在对应方向上是否干涉:若是,则pi和pj存在干涉,否则,pi和pj不存在干涉;
S304:从所述零件集合中重新选取当前主动件pi,并返回步骤S302;
S305:重复执行步骤S301至S304,当所述零件集合中所有零件之间的干涉判断全部完成后,根据各个零件之间干涉判断的结果生成对应的位置关系,并得到对应的拆卸干涉矩阵。
优选的,若pi和pj在x、y、z三个方向存在干涉的可能性,则首先计算移动步长D,然后以D为步长将pi沿对应方向移动进行动态干涉检测,以判断pi和pj在对应方向上是否干涉。
优选的,通过如下公式计算移动步长D:
D=min(li×ei,lj×ej)×0.1+λ×min(li,lj)/(li+lj);
ei=Vi/VAABBiej=Vj/VAABBj
式中:li、lj分别表示pi与pj的轴向包围盒在当前方向的长度;Vi、Vj分别表示pi和pj的实体体积;VAABBi、VAABBj分别表示pi和pj的包围盒体积;ei、ej分别表示pi和pj的实体体积系数;λ表示当前干涉判断过程零件已经移动的步数。
优选的,S303中,若pi和pj不存在干涉,则对应拆卸干涉矩阵的DIM[i,j]=0;若pi和pj存在干涉,则对应拆卸干涉矩阵的DIM[i,j]=1。
优选的,步骤S3中,通过如下步骤实现各个零件之间的接触判断,进而获得各个零件之间的接触关系:
S311:从所述零件集合中选取当前主动件pi
S312:以设置的固定步长Dg为步长将pi分别沿x、y、z方向移动进行动态干涉检测,并判断是否存在与pi存在干涉的被动件pj:若存在,则pi和pj存在接触;否则不存在与pi接触的零件;
S313:从所述零件集合中重新选取当前主动件pi,并返回步骤S312;
S314:重复执行步骤S311至S313,当所述零件集合中所有零件之间的接触判断全部完成后,根据各个零件之间接触判断的结果生成对应的接触关系,并得到对应的接触矩阵。
优选的,S312中,若pi和pj存在接触,则对应接触矩阵的CCM[i,j]=0;若不存在与pi接触的零件,则对应接触矩阵的CCM[i,jr]=1,jr表示所述零件集合中的任意零件;若pi为标记的螺纹连接件,则对应接触矩阵的CCM[i,jr]=2,jr表示所述零件集合中的任意零件。
优选的,步骤S3中,通过如下步骤实现各个零件之间的重力支撑判断,进而获得各个零件之间的重力支撑关系:
S321:从所述零件集合中选取当前主动件pi
S322:以设置的固定步长Dg为步长将pi分别沿z、-z方向进行动态干涉检测,并判断是否存在与pi存在干涉的被动件pj:若存在,则pi和pj存在重力支撑;否则不存在与pi重力支撑的零件;
S323:从所述零件集合中重新选取当前主动件pi,并返回步骤S322;
S324:重复执行步骤S321至S323,当所述零件集合中所有零件之间的重力支撑全部完成后,根据各个零件之间重力支撑判断的结果生成对应的重力支撑关系,并得到对应的重力支撑矩阵。
优选的,S312中,若pi和pj存在重力支撑,则对应重力支撑矩阵的SM[j,i]=0;若不存在与pi重力支撑的零件,则对应重力支撑矩阵的SM[jr,i]=1,jr表示所述零件集合中的任意零件。
本发明中的拆卸信息矩阵生成方法与现有技术相比,具有如下有益效果:
在本发明中,通过三维建模软件建立待拆卸机床的三维模型信息并获取零件的种类属性,能够有效的反映机床结构并生成零件信息;同时,通过移动距离动态检测方法能够基于三维模型信息和零件种类属性获得机床各个零件之间的位置关系、接触关系和重力支撑关系,进而并能够快捷且准确的自动生拆卸信息矩阵,从而能够提升机床拆卸的规划效率和效果。
附图说明
为了使发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述,其中:
图1为实施例中拆卸信息矩阵自动生成方法的逻辑框图;
图2为实施例中获得位置关系的流程图;
图3为实施例中包围盒静态检测方法的原理图;
图4为实施例中获得接触关系的流程图;
图5为实施例中获得重力支撑关系的流程图。
具体实施方式
下面通过具体实施方式进一步详细的说明:
实施例:
本实施例中公开了基于移动距离动态检测的拆卸信息矩阵自动生成方法。
如图1所示,基于移动距离动态检测的拆卸信息矩阵自动生成方法,包括以下步骤:
S1:建立待拆卸机床的三维模型信息。
S2:根据三维模型信息获取待拆卸机床所有零件的种类属性;具体的,本实施例以三维建模软件SolidWorks为二次开发对象,结合其提供的二次开发接口,建立待拆卸机床的三维模型信息和待拆卸机床所有零件的种类属性。零件的种类属性包括体积、包围盒体积和x、y、z三个正交方向上的长度。
S3:根据所有零件的种类属性采用移动距离动态检测方法获得各个零件之间的位置关系、接触关系和重力支撑关系,并根据各个零件之间的位置关系、接触关系和重力支撑关系计算待拆卸机床对应的拆卸信息矩阵。具体的,拆卸信息矩阵包括拆卸干涉矩阵、接触矩阵和重力支撑矩阵。
在本发明中,通过三维建模软件建立待拆卸机床的三维模型信息并获取零件的种类属性,能够有效的反映机床结构并生成零件信息;同时,通过移动距离动态检测方法能够基于三维模型信息和零件种类属性获得机床各个零件之间的位置关系、接触关系和重力支撑关系,进而并能够快捷且准确的自动生拆卸信息矩阵,从而能够提升机床拆卸的规划效率和效果。
具体实施过程中,步骤S3中,首先根据所有零件的种类属性建立对应的零件集合;再判断零件集合中是否存在螺纹连接的零件:若是,则从零件集合中剔除用作螺纹连接紧固件的紧固零件,并将与紧固零件螺纹连接的零件标记为螺纹连接件,并执行后续的步骤;否则,直接进行后续的步骤。
在本发明中,若两个零件之间为螺纹连接,则从零件集合中剔除用作螺纹连接紧固件的紧固零件,因为螺纹连接属于“虚假干涉”,剔除紧固零件有利于更为准确的生拆卸信息矩阵,从而能够进一步提升机床拆卸的规划效率和效果。
具体实施过程中,结合图2所示,通过如下步骤实现各个零件之间的干涉判断,进而获得各个零件之间的位置关系:
S301:从零件集合中选取当前主动件pi
S302:从零件集合中选取零件作为被动件pj
S303:获取pi和pj的种类属性,并根据包围盒静态检测方法分别判断pi和pj在x、y、z三个方向是否存在干涉的可能性,若不存在,则pi和pj不存在干涉;若存在,则根据移动距离动态检测方法判断pi和pj在对应方向上是否干涉:若是,则pi和pj存在干涉,否则,pi和pj不存在干涉。具体的,包围盒静态检测方法是判断存在干涉的可能性的成熟技术,其工作原理如图3所示,具体公式表示为A={(x,y,z)|lx<=x<=hx,ly<=y<=hy,lz<=z<=hz}。
其中,lx、hx、ly、hy、lz、hz分别是零件的AABB包围盒依次向各个平面投影得到的最小和最大坐标值。两个零件的轴向包围盒发生相交的充要条件是两零件的轴向包围盒在每个平面上的投影都有重合的区域。轴向包围盒在碰撞检测中使用的很广泛,因为构造起来比较容易,且SolidWorks软件内具有直接获取包围盒六个坐标顶点的二次开发函数,提取算法易于实现,但也存在一些缺点,例如包围盒与零件的外轮廓近似程度相对较差。
判断标准如表1所示。
表1基于AABB包围盒投影的干涉检测判断标准
Figure BDA0003095926400000061
S304:从零件集合中重新选取当前主动件pi,并返回步骤S302;
S305:重复执行步骤S301至S304,当零件集合中所有零件之间的干涉判断全部完成后,根据各个零件之间干涉判断的结果生成对应的位置关系,并得到对应的拆卸干涉矩阵。具体的,拆卸干涉矩阵能够反映零件之间的位置关系,拆卸干涉矩阵可通过如下公式表示:
Figure BDA0003095926400000062
Iijk表示零件pi与零件pj的在k方向的干涉情况,同时也表示着零件pj沿着-k方向与零件pi的干涉情况。定义Dij={Iij+x,Iij+y,Iij+z,Iij-x,Iij-y,Iij-z}={Iji-x,Iji-y,Iji-z,Iji+x,Iji+y,Iji+z},该式表示零件pi与pj在所有方向上的拆卸干涉情况。如果Dij=101111,表示零件pi可以沿着+y方向在零件pj前拆卸,其它方向由于发生干涉无法拆卸。若pi和pj不存在干涉,则对应拆卸干涉矩阵的DIM[i,j]=0;若pi和pj存在干涉,则对应拆卸干涉矩阵的DIM[i,j]=1。
在本发明中,通过上述步骤能够有效的实现各个零件之间的干涉判断,进而能够获得各个零件之间的拆卸干涉矩阵和位置关系,即能够更为准确的自动生拆卸信息矩阵,从而能够提升机床拆卸的规划效率和效果。
具体实施过程中,若pi和pj在x、y、z三个方向存在干涉的可能性,则首先计算移动步长D,然后以D为步长将pi沿对应方向移动进行动态干涉检测,以判断pi和pj在对应方向上是否干涉。具体的,通过如下公式计算移动步长D:
D=min(li×ei,lj×ej)×0.1+λ×min(li,lj)/(li+lj);
ei=Vi/VAABBiej=Vj/VAABBj
式中:li、lj分别表示pi与pj的轴向包围盒在当前方向的长度;Vi、Vj分别表示pi和pj的实体体积;VAABBi、VAABBj分别表示pi和pj的包围盒体积;ei、ej分别表示pi和pj的实体体积系数;λ表示当前干涉判断过程零件已经移动的步数。
在本发明中,通过上述公式能够在保证检测效率和准确度的前提下,根据检测零件间的几何特征和包围盒的尺寸设置合理的移动步长,进而能够更为准确的实现各个零件之间的干涉判断,能够获得各个零件之间的拆卸干涉矩阵和位置关系,即能够更为准确的自动生拆卸信息矩阵,从而能够提升机床拆卸的规划效率和效果。
具体实施过程中,如图4所示,通过如下步骤实现各个零件之间的接触判断,进而获得各个零件之间的接触关系:
S311:从零件集合中选取当前主动件pi
S312:以设置的固定步长Dg为步长将pi分别沿x、y、z方向移动进行动态干涉检测,并判断是否存在与pi存在干涉的被动件pj:若存在,则pi和pj存在接触;否则不存在与pi接触的零件;Dg设置为0.01mm。
S313:从零件集合中重新选取当前主动件pi,并返回步骤S312;
S314:重复执行步骤S311至S313,当零件集合中所有零件之间的接触判断全部完成后,根据各个零件之间接触判断的结果生成对应的接触关系,并得到对应的接触矩阵。具体的,接触矩阵能够反映零件之间的接触关系,获取到接触矩阵后通过输入零件连接关系的方式还能够进一步获取零件之间的接触-连接矩阵,接触-连接矩阵可通过如下公式表示:
Figure BDA0003095926400000071
由于零件本身与自己不存在连接关系,故Cij=0(i=j),即接触-连接矩阵CCM主对角线上的元素全为0。在数控滚齿机中,接触关系就是上文提到过的接触连接,稳定连接关系包括可拆卸的连接和不可拆卸的连接,即紧固件连接和固定连接,例如过盈配合、螺纹连接等。若pi和pj存在接触,则对应接触矩阵的CCM[i,j]=0;若不存在与pi接触的零件,则对应接触矩阵的CCM[i,jr]=1,jr表示零件集合中的任意零件;若pi为标记的螺纹连接件,则对应接触矩阵的CCM[i,jr]=2,jr表示零件集合中的任意零件。
在本发明中,通过上述步骤能够有效的实现各个零件之间的接触判断,进而能够获得各个零件之间的接触矩阵和接触关系,即能够更为准确的自动生拆卸信息矩阵,从而能够提升机床拆卸的规划效率和效果。
具体实施过程中,如图5所示,通过如下步骤实现各个零件之间的重力支撑判断,进而获得各个零件之间的重力支撑关系:
S321:从零件集合中选取当前主动件pi
S322:以设置的固定步长Dg为步长将pi分别沿z、-z方向进行动态干涉检测,并判断是否存在与pi存在干涉的被动件pj:若存在,则pi和pj存在重力支撑;否则不存在与pi重力支撑的零件;Dg设置为0.01mm。
S323:从零件集合中重新选取当前主动件pi,并返回步骤S322;
S324:重复执行步骤S321至S323,当零件集合中所有零件之间的重力支撑全部完成后,根据各个零件之间重力支撑判断的结果生成对应的重力支撑关系,并得到对应的重力支撑矩阵。具体的,重力支撑矩阵能够反映零件之间的重力支撑关系,重力支撑矩阵可通过如下公式表示:
Figure BDA0003095926400000081
由于零件与自己不存在支撑关系,故Sij=0(i=j),即支撑矩阵SM主对角线上的元素全为0。稳定支撑关系指两个存在支撑关系的零件,其支撑表面与地表面平行,例如零件pi在零件pj下方并且两者相互接触,则零件pi可以稳定支撑零件pj,此时Sij=1;显然,当零件pi在重力方向支撑零件pj处于不稳定状态或者两个零件间不存在接触关系时,Sij=0。
若pi和pj存在重力支撑,则对应重力支撑矩阵的SM[j,i]=0;若不存在与pi重力支撑的零件,则对应重力支撑矩阵的SM[jr,i]=1,jr表示零件集合中的任意零件。
在本发明中,通过上述步骤能够有效的实现各个零件之间的重力支撑判断,进而能够获得各个零件之间的重力支撑关系,即能够更为准确的自动生拆卸信息矩阵,从而能够提升机床拆卸的规划效率和效果。
需要说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管通过参照本发明的优选实施例已经对本发明进行了描述,但本领域的普通技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离所附权利要求书所限定的本发明的精神和范围。同时,实施例中公知的具体结构及特性等常识在此未作过多描述。最后,本发明要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (10)

1.基于移动距离动态检测的拆卸信息矩阵自动生成方法,其特征在于,包括以下步骤:
S1:建立待拆卸机床的三维模型信息;
S2:根据所述三维模型信息获取所述待拆卸机床所有零件的种类属性;
S3:根据所有零件的种类属性采用移动距离动态检测方法获得各个零件之间的位置关系、接触关系和重力支撑关系,并根据各个零件之间的位置关系、接触关系和重力支撑关系计算所述待拆卸机床对应的拆卸信息矩阵。
2.如权利要求1所述的基于移动距离动态检测的拆卸信息矩阵自动生成方法,其特征在于:步骤S3中,首先根据所有零件的种类属性建立对应的零件集合;再判断所述零件集合中是否存在螺纹连接的零件:若是,则从所述零件集合中剔除用作螺纹连接紧固件的紧固零件,并将与所述紧固零件螺纹连接的零件标记为螺纹连接件,并执行后续的步骤;否则,直接进行后续的步骤。
3.如权利要求2所述的基于移动距离动态检测的拆卸信息矩阵自动生成方法,其特征在于,步骤S3中,通过如下步骤实现各个零件之间的干涉判断,进而获得各个零件之间的位置关系:
S301:从所述零件集合中选取当前主动件pi
S302:从所述零件集合中选取零件作为被动件pj
S303:获取pi和pj的种类属性,并根据包围盒静态检测方法分别判断pi和pj在x、y、z三个方向是否存在干涉的可能性,若不存在,则pi和pj不存在干涉;若存在,则根据所述移动距离动态检测方法判断pi和pj在对应方向上是否干涉:若是,则pi和pj存在干涉,否则,pi和pj不存在干涉;
S304:从所述零件集合中重新选取当前主动件pi,并返回步骤S302;
S305:重复执行步骤S301至S304,当所述零件集合中所有零件之间的干涉判断全部完成后,根据各个零件之间干涉判断的结果生成对应的位置关系,并得到对应的拆卸干涉矩阵。
4.如权利要求3所述的基于移动距离动态检测的拆卸信息矩阵自动生成方法,其特征在于:若pi和pj在x、y、z三个方向存在干涉的可能性,则首先计算移动步长D,然后以D为步长将pi沿对应方向移动进行动态干涉检测,以判断pi和pj在对应方向上是否干涉。
5.如权利要求4所述的基于移动距离动态检测的拆卸信息矩阵自动生成方法,其特征在于:通过如下公式计算移动步长D:
D=min(li×ei,lj×ej)×0.1+λ×min(li,lj)/(li+lj);
ei=Vi/VAABBi ej=Vj/VAABBj
式中:li、lj分别表示pi与pj的轴向包围盒在当前方向的长度;Vi、Vj分别表示pi和pj的实体体积;VAABBi、VAABBj分别表示pi和pj的包围盒体积;ei、ej分别表示pi和pj的实体体积系数;λ表示当前干涉判断过程零件已经移动的步数。
6.如权利要求4所述的基于移动距离动态检测的拆卸信息矩阵自动生成方法,其特征在于:S303中,若pi和pj不存在干涉,则对应拆卸干涉矩阵的DIM[i,j]=0;若pi和pj存在干涉,则对应拆卸干涉矩阵的DIM[i,j]=1。
7.如权利要求2所述的基于移动距离动态检测的拆卸信息矩阵自动生成方法,其特征在于,步骤S3中,通过如下步骤实现各个零件之间的接触判断,进而获得各个零件之间的接触关系:
S311:从所述零件集合中选取当前主动件pi
S312:以设置的固定步长Dg为步长将pi分别沿x、y、z方向移动进行动态干涉检测,并判断是否存在与pi存在干涉的被动件pj:若存在,则pi和pj存在接触;否则不存在与pi接触的零件;
S313:从所述零件集合中重新选取当前主动件pi,并返回步骤S312;
S314:重复执行步骤S311至S313,当所述零件集合中所有零件之间的接触判断全部完成后,根据各个零件之间接触判断的结果生成对应的接触关系,并得到对应的接触矩阵。
8.如权利要求7所述的基于移动距离动态检测的拆卸信息矩阵自动生成方法,其特征在于:S312中,若pi和pj存在接触,则对应接触矩阵的CCM[i,j]=0;若不存在与pi接触的零件,则对应接触矩阵的CCM[i,jr]=1,jr表示所述零件集合中的任意零件;若pi为标记的螺纹连接件,则对应接触矩阵的CCM[i,jr]=2,jr表示所述零件集合中的任意零件。
9.如权利要求2所述的基于移动距离动态检测的拆卸信息矩阵自动生成方法,其特征在于,步骤S3中,通过如下步骤实现各个零件之间的重力支撑判断,进而获得各个零件之间的重力支撑关系:
S321:从所述零件集合中选取当前主动件pi
S322:以设置的固定步长Dg为步长将pi分别沿z、-z方向进行动态干涉检测,并判断是否存在与pi存在干涉的被动件pj:若存在,则pi和pj存在重力支撑;否则不存在与pi重力支撑的零件;
S323:从所述零件集合中重新选取当前主动件pi,并返回步骤S322;
S324:重复执行步骤S321至S323,当所述零件集合中所有零件之间的重力支撑全部完成后,根据各个零件之间重力支撑判断的结果生成对应的重力支撑关系,并得到对应的重力支撑矩阵。
10.如权利要求9所述的基于移动距离动态检测的拆卸信息矩阵自动生成方法,其特征在于:S312中,若pi和pj存在重力支撑,则对应重力支撑矩阵的SM[j,i]=0;若不存在与pi重力支撑的零件,则对应重力支撑矩阵的SM[jr,i]=1,jr表示所述零件集合中的任意零件。
CN202110611160.XA 2021-06-01 2021-06-01 基于移动距离动态检测的拆卸信息矩阵自动生成方法 Active CN113268830B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110611160.XA CN113268830B (zh) 2021-06-01 2021-06-01 基于移动距离动态检测的拆卸信息矩阵自动生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110611160.XA CN113268830B (zh) 2021-06-01 2021-06-01 基于移动距离动态检测的拆卸信息矩阵自动生成方法

Publications (2)

Publication Number Publication Date
CN113268830A true CN113268830A (zh) 2021-08-17
CN113268830B CN113268830B (zh) 2022-11-25

Family

ID=77233985

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110611160.XA Active CN113268830B (zh) 2021-06-01 2021-06-01 基于移动距离动态检测的拆卸信息矩阵自动生成方法

Country Status (1)

Country Link
CN (1) CN113268830B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101477590A (zh) * 2009-01-23 2009-07-08 清华大学 一种机电产品拆卸规划、拆卸信息管理的方法及系统
CN103605843A (zh) * 2013-11-13 2014-02-26 西安工业大学 一种基于delmia的复杂产品可装配性评价系统及方法
CN108568823A (zh) * 2017-10-26 2018-09-25 陈莛 一种可自动化工件加工的数控机床用机械手及其制造方法
CN109408857A (zh) * 2018-09-04 2019-03-01 中南大学 螺旋锥齿轮形性协同制造的智能参数驱动模块化设计方法
CN110390138A (zh) * 2019-06-24 2019-10-29 重庆大学 一种刀夹具的多目标综合优选方法
CN209850462U (zh) * 2019-05-14 2019-12-27 西安巨浪精密机械有限公司 一种小型排刀机床机内上下料装置及含有其的机床
CN111581841A (zh) * 2020-05-15 2020-08-25 成都飞机工业(集团)有限责任公司 一种基于delmia的五轴钻铆机床加工仿真任务自动创建方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101477590A (zh) * 2009-01-23 2009-07-08 清华大学 一种机电产品拆卸规划、拆卸信息管理的方法及系统
CN103605843A (zh) * 2013-11-13 2014-02-26 西安工业大学 一种基于delmia的复杂产品可装配性评价系统及方法
CN108568823A (zh) * 2017-10-26 2018-09-25 陈莛 一种可自动化工件加工的数控机床用机械手及其制造方法
CN109408857A (zh) * 2018-09-04 2019-03-01 中南大学 螺旋锥齿轮形性协同制造的智能参数驱动模块化设计方法
CN209850462U (zh) * 2019-05-14 2019-12-27 西安巨浪精密机械有限公司 一种小型排刀机床机内上下料装置及含有其的机床
CN110390138A (zh) * 2019-06-24 2019-10-29 重庆大学 一种刀夹具的多目标综合优选方法
CN111581841A (zh) * 2020-05-15 2020-08-25 成都飞机工业(集团)有限责任公司 一种基于delmia的五轴钻铆机床加工仿真任务自动创建方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
SHOZOTAKATA等: "Disassembly Operation Support System with Motion Monitoring of a Human Operator", 《ELSEVIER》 *
李伊 等: "基于CATIA/CAA的复杂产品装配干涉矩阵自动生成方法研究", 《机械设计与制造》 *
路苗苗 等: "面向数控机床维修维护服务的任务分配模型", 《新型工业化》 *

Also Published As

Publication number Publication date
CN113268830B (zh) 2022-11-25

Similar Documents

Publication Publication Date Title
JP2002222007A (ja) コンピュータ援用製造測定解析のための方法および媒体
CN107622530B (zh) 一种高效鲁棒的三角网切割方法
Trigui et al. An interoperability CAD assembly sequence plan approach
US6931294B2 (en) Method for generating three-dimensional CAD models of complex products or systems
CN112633657A (zh) 一种施工质量管理方法、装置、设备及存储介质
CN114119488A (zh) 一种面向工厂化的预制叠合板尺寸质量智能检测方法
CN112528379A (zh) 一种建筑模型生成方法、装置及电子设备
Yu et al. Method for discriminating geometric feasibility in assembly planning based on extended and turning interference matrix
CN109448112B (zh) 三维模型库的建立方法及装置
CN113268830B (zh) 基于移动距离动态检测的拆卸信息矩阵自动生成方法
CN115203778A (zh) 隧道超欠挖检测方法、装置、终端设备及存储介质
CN106447781B (zh) 一种基于Minkowski和面向自动装配的碰撞检测方法
CN110853103B (zh) 一种用于深度学习姿态估计的数据集制作方法
CN115641405A (zh) 一种三维建模方法及系统
CN112284287B (zh) 一种基于结构表面灰度特征的立体视觉三维位移测量方法
CN107610231A (zh) 一种动态碰撞检测方法
CN114089692A (zh) 一种适用于零件复杂细长面的快速数控编程方法
JP2021169947A (ja) 物体認識装置及び物体認識方法
Chang et al. Next viewing directions for the scanning of dental impressions
Hao et al. Study on digital inspection and planning technology of aviation sheet metal parts
US11410383B2 (en) Automated component design extraction
Nanxin et al. Research on BIM database based on point cloud model
Wang et al. The Study on the Implementation of Multi-Axis Cutting & Cyber-Physical System on Unity 3D Platform
Inui et al. Milling Simulation-Based Method to Evaluate Manufacturability of Machine Parts
CN116222402A (zh) 一种面向复杂曲面零件的壁厚自动检测方法及系统

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