CN113268830B - 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 PDFInfo
- Publication number
- CN113268830B CN113268830B CN202110611160.XA CN202110611160A CN113268830B CN 113268830 B CN113268830 B CN 113268830B CN 202110611160 A CN202110611160 A CN 202110611160A CN 113268830 B CN113268830 B CN 113268830B
- Authority
- CN
- China
- Prior art keywords
- parts
- interference
- contact
- matrix
- relation
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability 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
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/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。
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,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
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:
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/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。
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:
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:
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 (4)
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;
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;
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;
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;
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;
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;
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。
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: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。
3.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: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。
4.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: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。
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 CN113268830A (zh) | 2021-08-17 |
CN113268830B true 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)
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 |
-
2021
- 2021-06-01 CN CN202110611160.XA patent/CN113268830B/zh active Active
Patent Citations (7)
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)
Title |
---|
Disassembly Operation Support System with Motion Monitoring of a Human Operator;ShozoTakata等;《Elsevier》;20011231;305-308 * |
基于CATIA/CAA的复杂产品装配干涉矩阵自动生成方法研究;李伊 等;《机械设计与制造》;20160108;36-39 * |
面向数控机床维修维护服务的任务分配模型;路苗苗 等;《新型工业化》;20130420;47-56 * |
Also Published As
Publication number | Publication date |
---|---|
CN113268830A (zh) | 2021-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109815604B (zh) | 基于建筑要素拓扑关系的bim室内空间连通图构建方法 | |
Lin et al. | Semantic decomposition and reconstruction of residential scenes from LiDAR data | |
CN110569621A (zh) | 一种基于bim技术的多维曲面玻璃幕墙设计加工及安装方法 | |
CN107622530B (zh) | 一种高效鲁棒的三角网切割方法 | |
CN1873647A (zh) | Cad方法、cad系统以及存储其cad程序的程序存储介质 | |
Trigui et al. | An interoperability CAD assembly sequence plan approach | |
CN112633657A (zh) | 一种施工质量管理方法、装置、设备及存储介质 | |
Besl | Triangles as a primary representation | |
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 | |
JP5560925B2 (ja) | 3次元形状検索装置、3次元形状検索方法、及びプログラム | |
CN112149211B (zh) | 一种基于bim模型的幕墙的建模方法及系统 | |
TW201317815A (zh) | 尺寸號資訊處理系統及方法 | |
CN110377997B (zh) | 一种建筑铝模板配模设计漏板检查方法及漏板检查系统 | |
WO2024045415A1 (zh) | 一种数字孪生模型合并方法 | |
CN110853103A (zh) | 一种用于深度学习姿态估计的数据集制作方法 | |
CN107315392B (zh) | 冲床自动送料机的异形工件排料优化算法及其容忍度算法 | |
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 | |
CN108415267B (zh) | 基于apdl语言用于机床等效结合面快速定义的方法 | |
Chang | A review on shape engineering and design parameterization in reverse engineering |
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 |