CN113792362B - 一种机械设计方案分步推荐方法 - Google Patents
一种机械设计方案分步推荐方法 Download PDFInfo
- Publication number
- CN113792362B CN113792362B CN202111121320.9A CN202111121320A CN113792362B CN 113792362 B CN113792362 B CN 113792362B CN 202111121320 A CN202111121320 A CN 202111121320A CN 113792362 B CN113792362 B CN 113792362B
- Authority
- CN
- China
- Prior art keywords
- design
- recommended
- processed
- parts
- mechanical
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/12—Geometric CAD characterised by design entry means specially adapted for CAD, e.g. graphical user interfaces [GUI] specially adapted for CAD
-
- 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
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Human Computer Interaction (AREA)
- Architecture (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种机械设计方案分步推荐方法,步骤包括:建立机械设计方案推荐模型;在机械设计方案推荐模型中导入待加工部件数模;确定待加工单元的第一个零件,根据待加工部件数模信息在机械设计方案推荐模型中推荐、选择第一个零件的设计方案;根据零件设计顺序确定待加工单元的第N个零件,N≥2,并在机械设计方案推荐模型中导出第N个零件的推荐结果;直至零件设计顺序结束,所有单个零件推荐设计方案的集合形成机械结构的整体推荐设计方案。本发明单步顺序推荐零件结构及其约束,方法简单、易行,可极大地提升机械的设计效率、准确率,节省设计周期,减少对设计人员的经验要求,具有良好的工程推广应用价值。
Description
技术领域
本发明涉及计算机技术,特别是一种机械设计方案分步推荐方法。
背景技术
计算机辅助设计(CAD)技术已成为当前设计行业的主体技术和方法,CAD的软件也众多,如CATIA、PRO/E、UG、Auto CAD等。这些设计软件均依托几何引擎和渲染引擎技术,在设计人员的交互设计应用下实现产品的设计,对设计人员的经验、能力等要求较高。随着人工智能技术的兴起,将人工智能技术融入传统机械设计领域,改善机械设计技术的现状已成为行业技术人员关注重点。
CN202011167540.0公开了一种机械设计方案推荐方法及装置,该方法包括如下步骤:确定设计需求数据,并对所述设计需求数据进行特征提取得到待推荐特征;基于预先确定的分类逻辑确定所述待推荐特征所对应的待推荐类别;基于所述待推荐类别对应的历史机械设计方案确定所述设计需求数据的推荐机械设计方案。
CN202110022171.4公开了机械设计方案推荐方法、装置及电子设备,涉及计算机技术领域,该方法先获取设计需求信息,包括数模信息和工艺信息;然后再确定与设计需求信息对应的目标工作场景类别;进而推荐对应的目标设计方案。
上述两份专利文献中均根据机械设计需求数据,推荐机械结构设计方案,且两份专利均为整体设计方案推荐。然而,整体设计推荐方法对历史设计数据需求量极大,推荐的方案正确率也较低。另外,由于推荐仅为结构数据模型,缺少零件间的约束关系等信息,导致后续设计方案修改工作量也极大。因此,业界尤其是汽车焊装夹具设计领域迫切需要一种专业化更强、设计能力和设计效率更高的设计方法。
发明内容
针对现有技术中存在的问题,本发明提供了一种可有效提高设计速度和正确率,且可为机械结构设计的高效修改提供基础的机械设计方案分步推荐方法。
本发明的目的通过以下技术方案实现。
一种机械设计方案分步推荐方法,步骤包括:
1)建立机械设计方案推荐模型;
2)在机械设计方案推荐模型中导入待加工部件数模;
3)根据待加工部件数模推荐、确定第一个零件设计方案:根据待加工部件数模在机械设计方案推荐模型中导出第一个零件的推荐结果,所述第一个零件的推荐结果包括至少一组推荐设计方案、零件设计顺序,并选择一组推荐设计方案;
4)根据零件设计顺序推荐、确定第N个零件设计方案:其中N≥2,并在机械设计方案推荐模型中导出第N个零件的推荐结果,所述第N个零件的推荐结果包括第N个零件的至少一组推荐设计方案、零件设计顺序和与前一个零件的几何约束关系,并选择一组推荐设计方案;
5)直至零件设计顺序结束,所有单个零件推荐设计方案的集合形成机械结构的整体推荐设计方案。
所述推荐第一个零件设计方案信息包括:零件结构、空间位置以及与待加工零件的几何约束关系。
所述步骤3)和步骤4)中选择一组推荐设计方案的选择约束条件包括结构尺寸约束、顺序约束和几何关系约束。
所述步骤1)具体包括如下步骤:
1.1)创建历史机械结构的零件数据库、各零部件间以及零件与待加工零件间的约束关系库;
1.2)建立机械结构各零件及其与约束关系的映射关系;
1.3)训练算法推荐机械设计方案推荐模型。
所述步骤3)和步骤4)中对推荐设计方案及选择信息进行收集,并反馈至机械结构中零件结构数据库、各零部件间以及零部件与待加工零件间的约束关系库。
所述各零部件间以及零部件与待加工零件间的约束关系库包括顺序约束关系、结构约束关系以及几何关系约束关系。
所述步骤1.2):根据历史设计数据,将机械结构中各零部件结构与其自身结构尺寸约束,零部件间、零部件与待加工零件间的相互位置、姿态约束的相互映射关系建立,形成零件结构形状、零件结构尺寸、零件间位置和姿态、零件与待加工零件的尺寸、位置和姿态间的映射关系库作为样本。
所述步骤1.3)为深度学习的神经网络模型,包括三部分:第一部分为零件推荐设计顺序,第二部分为零件结构推荐,第三部分为约束关系匹配。
一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本发明所述的方法。
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行本发明所述的方法。
相比于现有技术,本发明的优点在于:本发明基于机械结构中各零部件的结构尺寸、设计顺序以及零部件间的相互关系,分步推荐并选择单个零件的设计方案,组合成待加工单元的整体设计方案,并训练智能算法模型,因为是分步推荐,设计者可及时纠错并修改,训练的算法模型又可尽量避免重复出错,本发明单步顺序推荐零件结构及其约束,方法简单、易行,该方法极大地提升了机械设计效率、准确率,节省设计周期,减少对设计人员的经验要求,具有良好的工程推广应用价值。
附图说明
图1 待加工部件(某汽车侧围)模型;
图2 定位单元的第一个零件(定位销)推荐;
图3 定位单元的第二个零件(支柱)推荐;
图4 整个定位单元设计方案;
图5 夹紧单元的第一个零件(托压块)推荐;
图6 夹紧单元第二个零件(支柱和气缸)推荐;
图7 整个夹紧单元设计方案,其中:1-单步推荐设计的整个定位单元;2-单步推荐设计的整个夹紧单元。
实施方式
下面结合说明书附图和具体的实施例,对本发明作详细描述。
一种机械设计方案分步推荐方法,步骤包括:
1)建立机械设计方案推荐模型;
2)在机械设计方案推荐模型中导入待加工部件数模;
3)根据待加工部件数模推荐、确定第一个零件设计方案:根据待加工部件数模在机械设计方案推荐模型中导出第一个零件的推荐结果,所述第一个零件的推荐结果包括至少一组推荐设计方案、零件设计顺序,并选择一组推荐设计方案;
4)根据零件设计顺序推荐、确定第N个零件设计方案:其中N≥2,并在机械设计方案推荐模型中导出第N个零件的推荐结果,所述第N个零件的推荐结果包括第N个零件的至少一组推荐设计方案、零件设计顺序和与前一个零件的几何约束关系,并选择一组推荐设计方案;
5)直至零件设计顺序结束,所有单个零件推荐设计方案的集合形成机械结构的整体推荐设计方案。
所述推荐第一个零件设计方案信息包括:零件结构、空间位置以及与待加工零件的几何约束关系。
所述步骤3)和步骤4)中选择一组推荐设计方案的选择约束条件包括结构尺寸约束、顺序约束和几何关系约束。
所述步骤1)具体包括如下步骤:
1.1)创建历史机械结构的零件数据库、各零部件间以及零件与待加工零件间的约束关系库;
1.2)建立机械结构各零件及其与约束关系的映射关系;
1.3)训练算法推荐机械设计方案推荐模型。
所述步骤3)和步骤4)中对推荐设计方案及选择信息进行收集,并反馈至机械结构中零件结构数据库、各零部件间以及零部件与待加工零件间的约束关系库。
所述各零部件间以及零部件与待加工零件间的约束关系库包括顺序约束关系、结构约束关系以及几何关系约束关系。
所述步骤1.2):根据历史设计数据,将机械结构中各零部件结构与其自身结构尺寸约束,零部件间、零部件与待加工零件间的相互位置、姿态约束的相互映射关系建立,形成零件结构形状、零件结构尺寸、零件间位置和姿态、零件与待加工零件的尺寸、位置和姿态间的映射关系库作为样本。
所述步骤1.3)为深度学习的神经网络模型,包括三部分:第一部分为零件推荐设计顺序,第二部分为零件结构推荐,第三部分为约束关系匹配。
一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本发明所述的方法。
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行本发明所述的方法。
实施例1:汽车侧围的定位单元设计推荐
一、汽车侧围的定位单元设计单步推荐。
1、导入信息至训练的算法模型。导入待加工汽车侧围零件数模(如图1所示)信息。
2、定位单元第一个零件(定位销)的设计方案推荐。推荐的定位销至少有一种设计方案,优选1-3中,本实施例推荐3种定位销设计方案。推荐定位销设计方案根据待加工侧围零件的定位孔信息,自动设计定位销结构,并根据定位销与定位孔的几何约束关系(定位销的轴心线与定位孔的中心线重合),摆正选择的定位销空间位置(如图2所示)。
3、定位单元的第二个零件(支柱)的设计方案推荐。推荐结果包含了零件设计顺序、设计方案以及推荐零件与前一个零件的几何约束关系等。本实施例推荐定位单元第二个零件为支柱,设计方案为3种形式(如图3所示),支柱摆放时需保证与待加工零件间距离一般为10-40mm,支柱下部L形底部摆放向待加工零件侧。
4、定位单元的剩余零件(本实施例中为连接块)单个推荐。选择的设计方案信息包含结构尺寸约束、顺序约束和几何关系约束。整个单元零件设计完成后,设计方案如图4所示。
二、定位单元的算法推荐模型训练。
1、创建历史定位单元设计零件、各零部件间以及零部件与待加工零件间的约束关系库。定位单元大概包含定位销、立柱、连接块。根据定位单元各零部件库,建立定位单元结构中各零部件间的约束关系库,包含顺序、结构以及几何关系三种约束关系。其中:顺序约束为定位销设计完成后,推荐立柱及附属结构,再推荐连接块等;结构约束为各零部件自身结构设计尺寸;几何关系约束为各零部件间、零部件与待加工零件间的相互位置和姿态约束。零部件、约束关系库的数据样本量各自约为1200个,并分类存储。
2、建立定位单元的各零件及其与约束关系的映射关系。根据历史设计数据,将定位单元的各零部件结构与其自身结构尺寸约束,零部件间、零部件与待加工零件间的相互位置、姿态约束的相互映射关系建立,形成零件结构形状、零件结构尺寸、零件间位置和姿态、零件与待加工零件的尺寸、位置和姿态间的映射关系库作为样本。
3、推荐算法模型训练。算法推荐模型为深度学习的神经网络模型,模型分三部分:第一部分为零件推荐设计顺序,第二部分为零件结构推荐,第三部分为约束关系匹配。将定位单元的各零部件结构与其自身结构尺寸约束,零部件间、零部件与待加工零件间的相互位置、姿态约束的相互映射关系输入推荐算法模型,通过模型学习零件结构、零件结构尺寸、零件间位置和姿态、零件与待加工零件的尺寸、位置和姿态间的映射关系。
4、推荐方案输出。推荐算法模型训练后,根据导入的待加工零件和基准定位点信息后,推荐的方案包含零件结构、零件间的约束关系。且推荐、选择的方案等信息自动存储到零件库和约束关系库。
实施例2:汽车侧围的夹紧单元设计推荐
一、汽车侧围的夹紧单元设计单步推荐。
1、导入信息。导入待加工汽车侧围零件数模(采用夹紧单元设计后的数模,即图4所示)和基准定位点信息。
2、夹紧单元第一个零件(拖延看)的设计方案推荐。推荐的托压块至少有一种设计方案,优选1-3中,本实施例推荐3种托压块设计方案。推荐托压块设计方案根据待加工侧围零件夹紧位置的结构信息,自动设计托压块结构,并根据托压块与零件夹紧处的几何约束关系(托压块的主轴方向与待加工零件基准面垂直),摆正选择的托压块的空间位置(如图5所示)。
3、夹紧单元的第二个零件(支柱和气缸)的设计方案推荐。实施例推荐夹紧单元第二个零件为支柱和气缸,设计方案为3种形式(图6),支柱摆放时需保证与待加工零件间距离一般为10-40mm,支柱下部L形底部摆放向待加工零件侧。
4、夹紧单元的剩余零件(本实施例为连接块)单个推荐。选择的设计方案信息包含结构尺寸约束、顺序约束和几何关系约束。整个单元零件设计完成后,设计方案如图7所示。
二、夹紧单元的算法推荐模型训练。
1、创建历史夹紧单元设计零件、各零部件间以及零部件与待加工零件间的约束关系库。夹紧单元主要包含托压块、立柱(含气缸)、连接块等。夹紧单元的各零部件、约束关系库的建立与定位单元相近,其数据样本量各自约为1500个,分类存储。
2、建立夹紧单元的各零件及其与约束关系的映射关系。根据历史夹紧单元设计数据,将零件结构、零件结构尺寸、零件间位置和姿态、零件与待加工零件的尺寸、位置和姿态间的映射关系库作为样本。
3、推荐算法模型训练。夹紧单元的算法推荐模型与定位单元近似,仅算法模型学习的数据样本不同。将夹紧单元的各零部件结构与其自身结构尺寸约束,零部件间、零部件与待加工零件间的相互位置、姿态约束的相互映射关系输入推荐算法模型,模型学习零件结构、零件结构尺寸、零件间位置和姿态、零件与待加工零件的尺寸、位置和姿态间的映射关系。
4、推荐方案输出及选择。推荐算法模型训练后,根据导入的待加工零件和基准定位点信息后,推荐的方案包含零件结构、零件间的约束关系。且推荐、选择的方案等信息自动存储到零件库和约束关系库。
Claims (9)
1.一种机械设计方案分步推荐方法,其特征在于步骤包括:
1)建立机械设计方案推荐模型;
2)在机械设计方案推荐模型中导入待加工部件数模;
3)根据待加工部件数模推荐、确定第一个零件设计方案:根据待加工部件数模在机械设计方案推荐模型中导出第一个零件的推荐结果,所述第一个零件的推荐结果包括至少一组推荐设计方案、零件设计顺序,并选择一组推荐设计方案;
4)根据零件设计顺序推荐、确定第N个零件设计方案:其中N≥2,并在机械设计方案推荐模型中导出第N个零件的推荐结果,所述第N个零件的推荐结果包括第N个零件的至少一组推荐设计方案、零件设计顺序和与前一个零件的几何约束关系,并选择一组推荐设计方案;
5)直至零件设计顺序结束,所有单个零件推荐设计方案的集合形成机械结构的整体推荐设计方案;
所述步骤1)具体包括如下步骤:
1.1)创建历史机械结构的零件数据库、各零部件间以及零件与待加工零件间的约束关系库;
1.2)建立机械结构各零件及其与约束关系的映射关系;
1.3)训练算法推荐机械设计方案推荐模型。
2.根据权利要求1所述的一种机械设计方案分步推荐方法,其特征在于所述推荐设计方案信息包括:零件结构、空间位置以及与待加工零件的几何约束关系。
3.根据权利要求1或2所述的一种机械设计方案分步推荐方法,其特征在于所述步骤3)和步骤4)中选择一组推荐设计方案包括结构尺寸约束、顺序约束和几何关系约束。
4.根据权利要求1所述的一种机械设计方案分步推荐方法,其特征在于所述步骤3)和步骤4)中对推荐设计方案及选择信息进行收集,并反馈至机械结构的零件数据库、各零部件间以及零部件与待加工零件间的约束关系库。
5.根据权利要求1或4所述的一种机械设计方案分步推荐方法,其特征在于所述各零部件间以及零部件与待加工零件间的约束关系库包括顺序约束关系、结构约束关系以及几何关系约束关系。
6.根据权利要求1或4所述的一种机械设计方案分步推荐方法,其特征在于所述步骤1.2):根据历史设计数据,将机械结构中各零件结构与其自身结构尺寸约束,零部件间、零部件与待加工零件间的相互位置、姿态约束的相互映射关系建立,形成零件结构形状、零件结构尺寸、零件间位置和姿态、零件与待加工零件的尺寸、位置和姿态间的映射关系库作为样本。
7.根据权利要求1或4所述的一种机械设计方案分步推荐方法,其特征在于所述步骤1.3)的机械设计方案推荐模型为深度学习的神经网络模型,包括三部分:第一部分为零件推荐设计顺序,第二部分为零件结构推荐,第三部分为约束关系匹配。
8.一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述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计算机程序时实现权利要求1-7中任一项所述的方法。
9.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器运行时执行权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111121320.9A CN113792362B (zh) | 2021-09-24 | 2021-09-24 | 一种机械设计方案分步推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111121320.9A CN113792362B (zh) | 2021-09-24 | 2021-09-24 | 一种机械设计方案分步推荐方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113792362A CN113792362A (zh) | 2021-12-14 |
CN113792362B true CN113792362B (zh) | 2023-09-19 |
Family
ID=78879218
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111121320.9A Active CN113792362B (zh) | 2021-09-24 | 2021-09-24 | 一种机械设计方案分步推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113792362B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102117357A (zh) * | 2010-12-14 | 2011-07-06 | 深圳市大族激光科技股份有限公司 | Pcb数控钻铣机零件减重优化设计方法 |
CN103810307A (zh) * | 2012-11-08 | 2014-05-21 | 史树元 | 一种基于cad的复杂机械设计方法 |
CN104598697A (zh) * | 2015-02-11 | 2015-05-06 | 广东航宇卫星科技有限公司 | 一种产品仿真三维模型的构建方法 |
CN111310287A (zh) * | 2020-02-14 | 2020-06-19 | 广东省智能制造研究所 | 一种机械结构信息的推荐方法及装置 |
CN112182393A (zh) * | 2020-10-09 | 2021-01-05 | 浙江工业大学 | 一种基于可拓设计的产品个性化定制系统 |
CN112861384A (zh) * | 2021-02-10 | 2021-05-28 | 西南交通大学 | 一种基于catia的静电除尘器三维模型构建方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9744727B2 (en) * | 2014-04-02 | 2017-08-29 | Autodesk, Inc. | Electro-mechanical 3D printing design system |
-
2021
- 2021-09-24 CN CN202111121320.9A patent/CN113792362B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102117357A (zh) * | 2010-12-14 | 2011-07-06 | 深圳市大族激光科技股份有限公司 | Pcb数控钻铣机零件减重优化设计方法 |
CN103810307A (zh) * | 2012-11-08 | 2014-05-21 | 史树元 | 一种基于cad的复杂机械设计方法 |
CN104598697A (zh) * | 2015-02-11 | 2015-05-06 | 广东航宇卫星科技有限公司 | 一种产品仿真三维模型的构建方法 |
CN111310287A (zh) * | 2020-02-14 | 2020-06-19 | 广东省智能制造研究所 | 一种机械结构信息的推荐方法及装置 |
CN112182393A (zh) * | 2020-10-09 | 2021-01-05 | 浙江工业大学 | 一种基于可拓设计的产品个性化定制系统 |
CN112861384A (zh) * | 2021-02-10 | 2021-05-28 | 西南交通大学 | 一种基于catia的静电除尘器三维模型构建方法 |
Non-Patent Citations (2)
Title |
---|
"玻璃器皿压制机的参数化设计研究";张建国 等;《机械设计与制造》(第8期);53-55 * |
田立群."自由形状基准特征部件几何尺寸与公差基准系创建规则初探".《机械工程师》.2020,105-109. * |
Also Published As
Publication number | Publication date |
---|---|
CN113792362A (zh) | 2021-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108595763A (zh) | 基于模型检索技术的模具组件设计方法 | |
CN109344497B (zh) | 一种模具基础本体的设计实现方法 | |
CN106249698A (zh) | 基于三维图形设计平台的智能化线切割编程方法及系统 | |
CN110795835A (zh) | 一种基于自动同步建模的三维工序模型逆向生成方法 | |
CN109344498B (zh) | 一种斜楔模块的设计实现方法 | |
CN113052955A (zh) | 一种点云补全方法、系统及应用 | |
US9886529B2 (en) | Methods and systems for feature recognition | |
CN113792362B (zh) | 一种机械设计方案分步推荐方法 | |
CN107330179B (zh) | 一种含有工艺辅助特征的三维工序模型快速创建方法 | |
CN113436350A (zh) | 一种三维模型生成方法及系统 | |
CN111353255A (zh) | 加工参数自动产生系统 | |
CN107330199B (zh) | 基于catia的汽车散热器自动化设计系统及设计方法 | |
CN115048707B (zh) | 一种基于建筑信息模型的边缘构件拆分方法 | |
CN113139241B (zh) | 一种基于图像的车身结构概念模型自动建模方法 | |
CN114089692B (zh) | 一种适用于零件复杂细长面的快速数控编程方法 | |
CN113805541B (zh) | 一种零件装配体的装配方法及系统 | |
Chen | An evolutionary neural network approach to machining process planning: A proof of concept | |
CN112837420B (zh) | 基于多尺度和折叠结构的兵马俑点云的形状补全方法及系统 | |
CN112509156B (zh) | 基于ug的轮胎花纹快速编辑系统及其方法 | |
CN116631634B (zh) | 一种基于点云深度学习的可摘全口义齿的智能设计方法 | |
JP4748049B2 (ja) | 加工工程の決定方法 | |
Wu et al. | Application of Product Form Recognition Combined with Deep Learning Algorithm | |
CN115351524B (zh) | 一种数字孪生多层级模型组装方法 | |
CN112287481B (zh) | 基于三维点云的机械设计方案搜索方法及装置 | |
CN114186359B (zh) | 一种机械产品可制造性智能分析方法及系统 |
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 |