CN114491824B - 有限元网格自动划分方法、设备和存储介质 - Google Patents
有限元网格自动划分方法、设备和存储介质 Download PDFInfo
- Publication number
- CN114491824B CN114491824B CN202210352626.3A CN202210352626A CN114491824B CN 114491824 B CN114491824 B CN 114491824B CN 202210352626 A CN202210352626 A CN 202210352626A CN 114491824 B CN114491824 B CN 114491824B
- Authority
- CN
- China
- Prior art keywords
- dimensional
- grid
- feature
- features
- dimensional geometric
- 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
- G06F30/15—Vehicle, aircraft or watercraft design
-
- 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
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明实施例公开了一种有限元网格自动划分方法、设备和存储介质。其中,方法包括:从CAE软件获取目标零部件的三维几何特征;根据所述三维几何特征的特点,确定需要清理的特征并进行清理;利用CAE软件对清理后的三维几何特征进行网格生成,得到三维网格特征;根据所述三维几何特征的分类,调整每个分类对应的三维网格特征;根据网格质量要求,对调整后的三维网格特征进行修正。本实施例实现了自动化的有限元网格划分流程,提高了网格划分效率。
Description
技术领域
本发明实施例涉及有限元网格处理技术,尤其涉及一种有限元网格自动划分方法、设备和存储介质。
背景技术
汽车车身结构开发过程中,CAE性能仿真是必不可少的环节,而有限元网格划分是影响仿真结果的关键因素。目前已有专业前处理工具进行网格划分,如Altair的Hypermesh和BETA公司的ANSA,两款软件均包含一维、二维、三维的网格划分算法。
但在现有的汽车开发过程中,仍需要手动操作软件工具,在网格划分的各个环节进行人工识别或调整,使最终得到的有限元网格更加符合CAE性能仿真的要求。该过程十分耗时,需要投入的人力较多、费用较高。
发明内容
本发明实施例提供一种有限元网格自动划分方法、设备和存储介质,实现了自动化的有限元网格划分流程,提高了网格划分效率。
第一方面,本发明实施例提供了一种有限元网格自动划分方法,包括:
从CAE软件获取目标零部件的三维几何特征;
根据所述三维几何特征的特点,确定需要清理的特征并进行清理;
利用CAE软件对清理后的三维几何特征进行网格生成,得到三维网格特征;
根据所述三维几何特征的分类,调整每个分类对应的三维网格特征;
根据网格质量要求,对调整后的三维网格特征进行修正。
第二方面,本发明实施例还提供了一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如任一实施例所述的有限元网格自动划分方法。
第三方面,本发明实施例还提供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任一实施例所述的有限元网格自动划分方法。
本实施例根据三维几何特征的特点实现几何特征进行自动清理,使清理后的几何特征更加符合网格生成的要求;并根据三维几何特征的分类实现初始三维网格特征的自动调整,减少初始网格中的不合格网格;最后根据网格质量要求对调整后的三维网格特征进行修正,使修正后的三维网格特征更加符合有限元计算的要求。以上一系列的网格划分流程,一方面能够有效区分不同几何特征的特点并进行针对性的处理,使最终得到的网格划分结果很好地适配几何特征的特点;另一方面能够由电子设备自动执行,无需人工操作软件进行手动几何清理或网格调整等,实现了有限元网格划分的全流程自动化,提高了网格化分效率。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种有限元网格自动划分方法的流程图;
图2是本发明实施例提供的一种几何清理的示意图;
图3是本发明实施例提供的三维凸包和外轮廓三角平面的示意图;
图4是本发明实施例提供的二维几何特征的外轮廓的示意图;
图5是本发明实施例提供的由完整环路构成的4种二维几何特征的示意图;
图6是本发明实施例提供的清理一圈的二维几何特征的示意图;
图7是本发明实施例提供的清理两圈的二维几何特征的示意图;
图8是本发明实施例提供的图5所示二维几何特征清理完成的二维几何特征的示意图;
图9是本发明实施例提供的由非完整环路构成的二维几何特征的示意图;
图10是本发明实施例提供的图9所示二维几何特征历次清理的结果示意图;
图11是本发明实施例提供的包括曲面特征的二维几何特征的示意图;
图12是本发明实施例提供的图11所示二维几何特征最终清理的结果示意图;
图13是本发明实施例提供的车身结构的示意图;
图14为本发明实施例提供的地板结构的网格聚类结果;
图15是本发明实施例提供的修补前后的第二二维几何特征的示意图;
图16是本发明实施例提供的凸多边形切分的示意图;
图17是本发明实施例提供的线段集合的示意图;
图18是本发明实施例提供的第一对向线段集合和第二对向线段集合的示意图;
图19是本发明实施例提供的一种节点总数相等时逐行生成网格的示意图;
图20是本发明实施例提供的另一种节点总数相等时逐行生成网格的示意图;
图21是本发明实施例提供的节点总数不相等时逐行生成网格的示意图;
图22是本发明实施例提供的网格插值的示意图;
图23是本发明实施例提供的一种网格翘曲角度的示意图;
图24是本发明实施例提供的一种网格最小角度的示意图;
图25是本发明实施例提供的一种网格最小高度的示意图;
图26是本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行清楚、完整的描述。显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例,都属于本发明所保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,还需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
本发明实施例提供一种有限元网格自动划分方法,适用于对汽车的板壳结构零部件进行有限元网格自动划分的情况,以解决汽车结构开发中结构网格划分效率低,需投入人员与费用较多的问题。该方法可以由电子设备执行。参见图1,本实施例提供的方法包括:
S110、从CAE软件获取目标零部件的三维几何特征。
目标零部件指需要进行有限元网格划分的汽车零部件。将目标零部件的CAD模型导入到CAE软件中,得到该零部件的三维几何特征。需要说明的是,板壳结构零部件大部分采用冲压工艺制成,存在大量的工艺孔、安装孔、倒角、冲压筋等不同的特点。本实施例将针对每种三维几何特征的特点进行针对性的几何清理。
可选的,通过二次开发的程序从CAE软件中读取三维几何特征,包括目标零部件CAD模型中的点、线、面的数据,具体包括各点的编号、在整车坐标系中的坐标,线段的编号,面的编号等,并将点与线段信息保存,为后续步骤提供数据输入。
S120、根据所述三维几何特征的特点,确定需要清理的特征并进行清理。
本步骤对三维几何特征进行自动几何清理,主要目的是清除三维几何特征中多余的线段,使得后续网格生成的效果更接近网格建模的要求。图2是本发明实施例提供的一种几何清理的示意图。其中,图2(a)为清理前的三维几何特征,图2(b)为清理后的三维几何特征。可以看出,几何清理去除了封闭环路之间的多余线段,消除了这些线段对后续网格生成造成的影响。
本步骤的几何清理基于三维几何特征的特点进行,针对不同特点执行相应的几何清理算法,使目标零部件中的各三维几何特征满足网格生成的要求。图2显示了一种三维几何特征的清理效果,更多的自动几何清理算法将在后续实施例中详细说明。
S130、利用CAE软件对清理后的三维几何特征进行网格生成,得到三维网格特征。
通过二次开发的程序,利用CAE软件对清理后的三维几何特征进行网格生成,得到初始化的三维网格特征。后续将以此初始网格为基础,进行局部的网格调整和修正。
可选地,所述三维网格特征包括:构成三维网格的点、线、面的数据,具体包括各点的编号、在原始坐标系中的坐标,线段的编号,面的编号等,并将点与线段信息保存,为后续步骤提供数据输入。其中,原始坐标系指三维空间坐标系,可以为整车坐标系、用户自定义坐标系或装配坐标系。
S140、根据所述三维几何特征的分类,调整每个分类对应的三维网格特征。
得到初始化三维网格特征后,本实施例针对目标零部件中的复杂区域进行局部网格调整,目的是减少初始三维网格中的不合格网格。可选地,根据三维几何特征的特点将三维几何特征分为两类,一类为目标零部件中的典型几何结构特征,包括倒角特征、圆形筋特征、长方形筋特征、孔特征、翻边特征等,统称为设定几何特征;另一类为设定几何特征之外的其它几何特征,例如包括多边形平面和多边形简单曲面等形状的普通几何特征。本实施例根据三维几何特征的分类,分别确定每个分类对应的复杂区域,并对复杂区域中的三维网格特征分别进行调整。
S150、根据网格质量要求,对调整后的三维网格特征进行修正。
有限元网格的质量指标包括:网格雅克比、翘曲角度、最小角度、网格最小高度等。本步骤根据网格质量指标的要求进行网格修正,目的是使修正后的三维网格特征更满足有限元求解计算的要求。具体来说,首先从CAE软件中筛选出不满足网格质量要求的三维网格特征,并且将其分组为不满足雅克比要求、不满足翘曲角度要求、不满足最小角度要求、不满足网格最小高度要求等组别;然后针对不同的组别的三维网格特征分别进行修正,使其分别满足对应的质量要求。
本实施例根据三维几何特征的特点实现几何特征进行自动清理,使清理后的几何特征更加符合网格生成的要求;并根据三维几何特征的分类实现初始三维网格特征的自动调整,减少初始网格中的不合格网格;最后根据网格质量要求对调整后的三维网格特征进行修正,使修正后的三维网格特征更加符合有限元计算的要求。以上一系列的网格划分方法,一方面能够有效区分不同几何特征的特点并进行针对性的处理,使最终得到的网格划分结果很好地适配几何特征的特点;另一方面能够由电子设备自动执行,无需人工操作软件进行手动几何清理或网格调整等,实现了有限元网格划分的全流程自动化,提高了网格化分效率。
在上述实施例和下述实施例的基础上,本实施例对几何清理的过程进行细化。可选地,将三维几何特征投影到二维平面,通过二维几何特征的特点来表征三维几何特征的特点,根据不同特点确定需要清理的特征并进行清理。具体来说,所述根据所述三维几何特征的特点,确定需要清理的特征并进行清理,包括如下步骤:
步骤一、根据所述三维几何特征的三维凸包确定面积最大的外轮廓三角平面。
根据上述三维几何特征计算整个特征的三维凸包,然后基于三维凸包,找到面积最大的外轮廓三角平面,如图3所示。
步骤二、将所述三维几何特征向所述外轮廓三角平面进行投影,得到二维几何特征。
由于外轮廓三角平面是由三维凸包确定的面积最大的平面,从而将其它点、线投影到该平面上可以保证所有点、线落在该平面上,进而将三维几何特征完全地转换为二维几何特征。在实际投影过程中,由于三维几何特征是基于整车坐标系(或者用户自定义坐标系或装配坐标系)定义的,为了便于运算可以先基于外轮廓三角平面构建局部坐标系;根据所述局部坐标系与三维几何特征的原始坐标系之间的空间关系,对所述三维几何特征的整体进行平移和旋转;将平移和旋转之后的三维几何特征向所述外轮廓三角平面进行投影,得到二维几何特征。也就是说,坐标变换后再行投影。
具体的,以三维几何特征中各点的形心作为原点O',以外轮廓三角平面的法向量和最长的边分别为Z'轴和X'轴,建立局部坐标系,由于后续坐标线性变换均需要在同一个原点上进行,因此需要将局部坐标系的原点移动至整体坐标系的原点O,移动后局部坐标系中X'、Y'、Z'三个坐标轴相对于整体坐标系的X、Y、Z三个坐标轴相对角度不变。具体移动局部坐标系至整车坐标系时需要计算其原点在整车坐标系下的向量v,随后按照向量v的负方向移动一个以向量长度的距离,此时局部坐标系各轴相对于整车坐标系各轴的角度维持不变。
由于三维几何特征整体形状并不能完全垂直或者平行于整车坐标系的某个平面,因此在进行进一步处理特征信息时需要将特征整体在空间上进行旋转和平移。
计算局部坐标系各轴相较于整车坐标系各轴的角度,此时需要根据角度结果将特征沿整车坐标系进行旋转,使得整个特征中整体是平行于整车坐标系的XOY平面或XOZ、YOZ平面。计算局部坐标系各轴相对于整车坐标系各轴的角度,并且沿整车坐标系旋转,本质上是局部坐标系上的坐标点或整车坐标系上的坐标点乘以一个3×3旋转矩阵,该矩阵的各元素组成为上述局部坐标系与整车坐标系各轴之间角度值的三角函数。将完成坐标变换的点向局部坐标系XOY平面上投影,得到投影后的平面几何坐标点集和线段集,构成二维几何特征。
步骤三、在所述二维几何特征中确定具有相互连接关系的外轮廓。
在所述二维几何特征中选取具有相互连接关系的点,并确定所述点的二维凸包;将所述二维凸包上的点以及点之间的连接关系构成所述外轮廓。
图4是本发明实施例提供的二维几何特征的外轮廓的示意图。外轮廓是一个有向的环路次序,由外轮廓上的点集和点之间的线段构成。
步骤四、根据所述外轮廓和所述二维几何特征的特点,确定需要清理的特征并进行清理。
可选地,所述目标零部件为板壳结构。汽车板壳结构中的几何清理主要以删减几何模型中的线段为主,本实施例通过开发几何清理算法,确定需要清理的特征并传输给CAE软件,通过控制CAE软件进行清理的操作,从而实现汽车零件自动化几何清理功能。
外轮廓是后续网格生成的边界,是最主要的特征,需要保留。除外轮廓之外的其它特征需要根据二维几何特征的特点确定需要清理的特征,从而进行清理。可选的,二维几何特征的特点包括二维几何特征由完整环路构成,二维几何特征由非完整环路构成,二维几何特征包括曲面边界特征。这就需要预先按照二维几何特征的特征,对板壳结构零件的各二维几何特征进行分类,本实施例不限定分类的具体方法,例如可以通过图像识别算法进行分类。
基于二维几何特征不同的特点,本步骤包括以下三种可选实施方式。
第一种可选实施方式,如果所述二维几何特征由完整环路构成,根据所述外轮廓以及所述二维几何特征与外轮廓的连接关系,确定需要清理的特征并进行清理。
图5是本发明实施例提供的由完整环路构成的4种二维几何特征的示意图。这些二维几何特征都是凸多边形。完整环路指的是360度的环路,环路之间存在嵌套。
以图5中特征外围环路线段为基础,此时整个二维几何特征的线段分为三种:第一种是线段只有一个端点在环路上;第二种是两个端点在环路上,也就是整个外围环路是由这种线段组成的;最后一种是线段的两个端点均未在环路上。根据几何清理需求,如果二维几何特征由完整环路构成,其对应几何的纹理是一圈一圈的圆环,完整环路本身贴合零件的几何边界,但是圆环之间的线段不够贴合零件的几何边界,而且该种线段的存在容易生成不规则网格。因此,第一种线段是需要清理的,即如果所述二维几何特征由完整环路构成,将所述二维几何特征中一个端点在外轮廓上,另一个端点不在外轮廓上的线段确定为需要清理的特征并进行清理。接着,将所述外轮廓移动到保留特征集合中,更新所述二维几何特征。此时的二维几何特征如图6所示,清理了一圈的线段。返回在所述二维几何特征中确定具有相互连接关系的外轮廓的步骤,随即将所述二维几何特征中一个端点在外轮廓上,另一个端点不在外轮廓上的线段确定为需要清理的特征并进行清理,并将新的外轮廓移动到保留特征集合中,此时的二维几何特征如图7所示,如此循环直到所述二维几何特征处理完全,最终的二维几何特征如图8所示。
保留特征集合可以为字典或者列表等数据结构,其存储了嵌套的多个外轮廓的点集和线段集合,用于网格生成。
在实际应用场景中,如果外轮廓比较密的话,会影响生成网格的质量,因此需要清理一些密集的外轮廓。在所述二维几何特征处理完全之后,还包括:在所述保留特征集合中,计算相邻外轮廓线之间的平均欧式距离;如果所述平均欧式距离小于设定值,将所述相邻外轮廓线中周长较短的外轮廓线确定为需要清理的特征并进行清理。其中,设定值可以根据网格生成质量进行调整。
整体而言,在本可选实施方式中,将特征向外轮廓三角平面进行投影,此时三维空间的特征会压缩成二维平面图形,部分的几何特征尺寸上收到了压缩,但并未发生干涉,不影响后续算法计算。此时使用二维凸包算法计算出其二维几何特征中最外围的点集、线段集,而两端端点都在该几何线段集与两端端点都不在该几何线段集的线段是需要保留的,只有一端端点在该点集的是需要清理的线段。此时需要进一步对该二维几何特征内部的几何信息进行判断,因此从整个二维几何特征的点集中去掉先前判断出来的二维凸包点集,将剩下几何点集进行进一步的二维凸包判断、两端端点判断,然后删除线段直至整体的二维几何特征的点集为空。
第二种可选实施方式,如果所述二维几何特征由非完整环路构成,根据所述外轮廓以及所述三维几何特征中相邻面的夹角,确定需要清理的特征并进行清理。
图9是本发明实施例提供的由非完整环路构成的二维几何特征的示意图,与图5不同的是,非完整环路是小于360度的环路,环路之间也存在嵌套。
如果二维几何特征由非完整环路构成,说明该零件的面结构比较多,则从面结构入手进行几何清理。如果相邻面构成了显著的棱角/边角,则该特征也是一个显著的能体现零件几何特点的特征,同时也是贴合零件几何边界的特征,需要保留。反之,如果相邻面未构成显著的棱角/边角,几乎相当于平面,则为了简化的目的,保证网格质量,清理相邻面的共用边。
可选的,采用相邻面的法向量夹角,衡量相邻面是否构成显著的棱角/边角。具体的,在所述三维几何特征遍历相邻面并计算相邻面的夹角;如果所述相邻面的法向量夹角小于设定角度,将所述相邻面的共用边确定为需要清理的特征并进行清理;将清理后剩余的特征和所述外轮廓移动到保留特征集合中;其中,保留特征集合用于网格生成。
假设整个面的集合为U,从面集合U中选取面积最大的平面fmax,以fmax为起点,遍历面集合U中的各个面,其中每处理一个面f时,均需要处理与面f相邻的面n,分别计算面f与面n的法向量,以面f与面n的法向量为基准建立一个平面p并将两个法向量投影在该平面p上,计算平面p中两个法向量的夹角α,若该角度α小于等于20度(该参数可根据实际情况进行调整),则该面f与面n的共用边需要删除,若该角度α大于20度(该参数可根据实际情况进行调整),则保留面f与面n的共用边,以此遍历整个面集合U中的面,直至所有面被处理完毕,图10示出了随着相邻面的遍历,历次清理的结果。
第三种可选实施方式,如果所述二维几何特征包括曲面特征,根据所述外轮廓以及所述三维几何特征中的最大面积曲面,确定需要清理的特征并进行清理。
图11是本发明实施例提供的包括曲面特征的二维几何特征的示意图。由于曲面特征能够反映零件的几何形状,是零件的重要特征,同时为了避免网格失真,有必要保留曲面特征。经过实践发现,曲面周围的线段比较杂乱,参见图11,无法生成规则的网格,则可以较为激进地清理除外轮廓和三维几何特征中的最大面积曲面之外的全部点集和线段。基于此,如果所述二维几何特征包括曲面边界特征,确定除所述最大面积曲面和所述外轮廓之外的特征为需要清理的特征并进行清理;将所述最大面积曲面和所述外轮廓移动到保留特征集合中;其中,所述保留特征集合用于网格生成。最终清理后的二维几何特征参见图12。
本发明实施例通过确定面积最大的外轮廓三角平面,将三维几何特征投影为二维几何特征,从而便于确定外轮廓。进一步的,根据外轮廓和所述三维几何特征的特点,确定需要清理的特征,从而基于三维几何特征不同的特点自动确定需要清理的特征,并进行清理,实现了目标零部件三维几何特征的自动清理。
在上述实施例和下述实施例的基础上,本实施例对网格调整的过程进行细化。可选地,所述根据所述三维几何特征的分类,调整每个分类对应的三维网格特征,包括:对于所述三维几何特征中的设定几何特征,采用CAE软件对所述设定几何特征进行网格重构;对于所述三维几何特征中的其它几何特征,以不合格网格为中心将对应的三维网格特征进行聚类并调整。
如上述实施例所述,设定几何特征包括倒角特征、圆形筋特征、长方形筋特征、孔特征、翻边特征等,本实施例首先以设定几何特征为界限将三维几何特征分为两类。可选地,采用训练好的深度学习神经网络模型,识别所述三维几何特征中的设定几何特征,从而将所述三维几何特征划分为设定几何特征和其它几何特征两类。
所述深度学习神经网络可以通过大量汽车零部件的CAD数据训练得到。在一具体实施方式中,将车身结构的CAD数据集分为前机舱、中地板、后地板、侧围、顶盖等总成集合,如图13所示。可选地,使用CAE软件中的特征管理器识别各总成中的倒角特征、筋特征、圆孔特征、翻边特征等,或将三维几何特征投影到二维平面后,采用上述实施例所述的二维几何特征的分类方法进行特征识别;将识别出的零件特征做成图像数据集,并使用该数据集训练深度学习神经网络模型。可选地,将数据集分为训练集与测试集,整个深度学习神经网络使用训练集进行训练,训练完成后通过测试集合进行测试,使其可自动识别车身结构中的预设几何特征,从而完成三维几何特征的分类。
得到三维几何特征的分类后,分别从每个分类对应的三维网格特征中确定复杂结构区域,并对复杂结构区域的三维网格进行调整。下面分情况说明每个分类的复杂结构区域确定方法和调整方法。
情况一、对于所述三维几何特征中的设定几何特征,即目标零部件中包括的倒角特征、筋特征、孔特征或翻边特征等,这些设定几何特征本身就是复杂结构区域。为了使网格划分更加合理,采用CAE软件单独对这些设定几何特征重新生成三维网格,作为这些设定几何特征最终的三维网格特征。可选地,采用CAE软件中的网格重构、圆形网格区域重构与四边形网格区域重构等操作调整设定几何特征对应的三维网格。
情况二、对于设定几何特征之外的其它几何特征,这些特征主要包括多边形平面、多边形简单曲面等几何形状,其中的复杂结构区域主要取决于不合格网格的位置。本实施例使用无监督学习的聚类方法,根据不合格网格的位置确定有限元网格中的复杂结构区域。
可选地,将整个目标零部件的三维网格特征进行聚类,得到包围不合格网格的连通区域,所述连通区域即为复杂结构区域,对应的三维网格特征为待调整的三维网格特征。其中,不合格网格的确定方式有多种,可选地,将三角形网格作为不合格网格。
具体来说,以不合格网格之间的距离为目标对二维几何特征进行聚类,得到至少一个局部网格连通区域。图14为本发明实施例提供的地板结构的网格聚类结果,包括多个连通区域。可以看出,聚类得到的连通区域之间相互独立,并不干涉。可选地,距离较近的多个不合格网格及其周围的正常网格聚为一簇,网格数较少的簇可以扩大范围形成新的连通区域。
得到待调整的三维网格特征后,本实施例将待调整的三维网格特征映射到二维平面,得到对应的二维网格特征并调整;再将调整后的二维网格特征映射回三维空间,从而实现三维网格特征的调整。可选地,聚类后的网格调整过程包括如下具体步骤:
步骤一、将所述待调整的三维网格特征向指定平面映射,得到第二二维几何特征。
本实施例将网格特征从三维空间映射到二维平面,得到平面几何坐标点集和线段集,反映目标零部件的二维几何特征。该二维几何特征用于确定二维平面内的网格调整范围。
可选地,首先根据所述待调整的三维网格特征的三维凸包确定另一个面积最大的外轮廓三角平面,所述外轮廓三角平面即为所述指定平面。得到所述外轮廓三角平面后,将所述待调整的三维网格特征向所述外轮廓三角平面进行投影,得到对应的二维几何特征。
需要说明的是,本实施例中对待调整的三维网格特征的映射过程,与上述实施例中对整个目标零部件的三维网格特征的投影过程类似。为了便于区分和描述,以下将整个目标零部件对应的二维几何特征称为第一二维几何特征,将待调整的三维网格特征对应的二维几何特征称为第二二维几何特征。
步骤二、在所述第二二维几何特征中确定具有相互连接关系的第二外轮廓。
本步骤的外轮廓确定过程与上述第一二维几何特征的外轮廓确定过程类似,都是为了将对应的二维几何特征进一步抽象,概括为更加简单的边缘信息。为了便于区分和描述,以下第一二维几何特征的外轮廓称为第一外轮廓,将第二二维几何特征的外轮廓称为第二外轮廓。
步骤三、在所述第二外轮廓包围的范围内逐行重新生成网格,并将重新生成得到的网格特征映射回三维空间。
具体来说,将第二外轮廓包围的平面范围内沿某一方向划分为多行;将划分结果逐行传输给CAE软件,通过CAE软件重新划分网格,从而实现目标零部件自动化网格调整功能。逐行调整二维网格后,再将重新生成的网格节点的二维坐标映射回三维空间内,从而构成新的三维网格特征。
本实施例将三维网格特征投影为二维几何特征,然后在二维平面内对外轮廓包围的范围内逐行重新生成网格,降低了网格调整的空间维度,简化计算的同时保证网格调整的自动有序进行;最后将调整后的二维网格特征映射回三维空间,实现了三维网格的自动调整。
在上述实施例和下述实施例的基础上,本实施例对确定第二外轮廓和重新生成网格的过程进行细化。可选地,在所述第二二维几何特征中确定具有相互连接关系的第二外轮廓,具体包括如下步骤:
步骤一、对所述第二二维几何特征进行修补。
所述第二二维几何特征由三维空间中的连通区域映射而来,在二维空间中也对应连通区域。当二维连通区域包括锯齿状结构时,对二维连通区域进行修补,消除锯齿状的边界。具体来说,在锯齿状网格旁增加网格,或删除锯齿状网格,使二维连通区域外围的网格形状规整,避免出现锯齿状结构,即保证每个节点都是凸的。
图15是本发明实施例提供的修补前后的第二二维几何特征的示意图。其中,图15(a)为修补前的第二二维几何特征,存在锯齿状结构;通过增加相邻网格对锯齿状结构进行修补,使相邻两端网格线的内角为大钝角;修补后的第二二维几何特征如图15(b)所示。
步骤二、判断所述修补后的第二二维几何特征是否为凸多边形。
本实施例将基于凸多边形重新进行网格生成。
步骤三、如果所述修补后的二维几何特征为凸多边形,则在所述修补后的二维几何特征中确定具有相互连接关系的第二外轮廓。如果不为凸多边形,将所述修补后的二维几何特征切分为至少两个凸多边形;在切分后的每个凸多边形中,确定具有相互连接关系的第二外轮廓。图16是本发明实施例提供的凸多边形切分的示意图。如图16所示,将一个二维连通区域划分为6个凸多边形。
在一具体实施方式中,所述第二外轮廓归类为4个首尾相连的线段集合,包括两组对向线段集合。图17是本发明实施例提供的线段集合的示意图,包括以下两种情况:
1)所述第二外轮廓为4条首尾相连的线段,如图17(a)所示。这时,每条线段为一个线段集合。对向线段集合指“面对面”的线段集合,在图17(a)中,线段集合a、c和线段集合b、d构成两组对向线段集合。
2)所述第二外轮廓包括5条以上首尾相连的线段,如图17(b)所示。这时得到所述外轮廓后,按照相连两线段夹角的要求,将所述外轮廓归类为4个首尾相连的线段集合。
具体来说,可选地,从满足夹角要求的相连线段中,选取内角最大的相连线段归类为一个线段集合;如果归类后线段集合与未选取线段的数量之和仍大于4,从未被选取的线段中选取内角最大的相邻线段归类为一个线段集合,依此类推,直到归类后线段集合与未选取线段的数量之和等于4,这时每条未选取的线段视为一个线段集合。
可选地,所述夹角要求包括:相连两线段的内角大于60°且小于110°。以图17右边的图为例,外轮廓包括首尾相接的5条线段a1、a2、b、c和d,其中,a1与a2的夹角大于60°且小于110°,则将a1与a2归类为一个线段集合a,b、c和d各自作为一个线段集合。线段集合a、c构成一组对向线段集合,线段集合b、d构成另一组对向线段集合。需要说明的是,本步骤仅将多条线段归类为4个线段集合,并不改变二维凸包的形状。
将所述第二外轮廓归类为4个首尾相连的线段集合后,在所述第二外轮廓包围的范围内逐行重新生成网格,具体包括如步骤:
步骤一、计算所述第二外轮廓的每组对向线段集合的节点总数的差值,并确定差值较少的第一对向线段集合。另一组对向线段集合为第二对向线段集合。
以图17为例,在a和c构成的一组对向线段集合中,获取线段集合a包括的网格节点总数与线段集合c包括的网格节点总数,其中每个线段集合的网格节点总数为每个线段集合包括的所有线段上的网格节点总数(两条线段连接处的网格节点只进行一次计数);将两个网格节点总数相减,得到a和c构成的一组对向线段集合对应的差值。同样地,计算b和d构成的另一组对向线段集合对应的差值。
得到每组对向线段集合对应的差值后,将差值较小的一组对象线段集合作为第一对向线段集合,包括的两个线段集合分别作为第一线段集合和第二线段集合;另一组对向线段集合作为第二对向线段集合,包括的两个线段集合分别作为第三线段集合和第四线段集合。图18是本发明实施例提供的第一对向线段集合和第二对向线段集合的示意图。
步骤二、在所述第一线段集合和第二线段集合之间逐行重新生成网格,以下通过两种可选实施方式说明该网格生成过程。
在第一种可选实施方式中,第一线段集合和第二线段集合的节点总数相等,则以第二对向线段集合中的线段方向为行,在所述第一线段集合和第二线段集合上逐行选定位置对应的点对,并经过所述点对绘制直线;然后逐行在两条相邻的直线之间重新生成网格。
图19和图20分别是本发明实施例提供的两种节点总数相等时逐行生成网格的示意图。其中,图19中第三线段集合和第四线段集合的节点总数相等,图20中第三线段集合第四线段集合的节点总数不等。
如图19或图20所示,将第一线段集合和第二线段集合上的节点按照第一方向(例如从上往下)排序后,将节点序号i初始化为1,分别选取第一线段集合中的第i个节点和第二线段集合中的i个节点,组成位置对应的点对;经过所述点对绘制直线,根据上一条直线上的网格节点,使用CAE软件的网格创建操作在新绘制的直线上插入一系列网格节点,生成新网格;将节点序号i加1,返回选取位置对应的点对的步骤,直至外轮廓包围的区域被填充完毕。其中,i=1时,将第三线段集合中的网格节点作为上一条直线上的网格节点。
图19与图20的区别在于,图19中相邻两条直线上的网格点数量一致,生成一行四边形网格;而图20中如果相邻两条直线上的网格节点数量不一致,则生成的一行网格中存在三角形网格。
在第二种可选实施方式中,第一线段集合和第二线段集合的节点总数不等,则确定节点数较多的第一线段集合,相应地,在第一线段集合和第二线段集合之间逐行重新生成网格的过程分为两个阶段:
第一阶段:以第二对向线段集合中的线段方向为行,在所述第一线段集合和第二线段集合上逐行选定位置对应的点对,并经过所述点对绘制直线,逐行在两条相邻的直线之间重新生成网格,直至第二线段集合中的节点选取完毕。具体过程如上一可选实施方式所述,不再赘述。
第二阶段:第二线段集合中的节点选取完毕后,经过所述第一线段集合中未选取的点绘制直线,继续在两条相邻的直线之间重新生成网格。为了便于区分和描述,将第一阶段中绘制的直线称为第一直线,将第二阶段中绘制的直线称为第二直线。
图21是本发明实施例提供的节点总数不相等时逐行生成网格的示意图。如图21所示,所述第一对向线段集合包括线段集合a和线段集合c,将节点数较多a确定为第一线段集合,以第二对向线段集合中的线段方向为行,分别选取第三线段集合b中的第i个节点和第四线段集合d中的第i个节点,组成位置对应的点对,并经过所述点对绘制直线;根据上一条直线上的网格节点,使用CAE软件的网格创建操作在新绘制的直线上插入一系列网格节点,生成新网格;将选取的节点序号i加1,返回选取位置对应的点对的操作,直至第二线段集合中的节点选取完毕。其中,i=1时,将第一线段集合中的网格节点作为上一条直线上的网格节点。
第二线段集合中的节点选取完毕后,第一线段集合中还存在未选取的节点。将另一节点序号j初始化为1,从第一线段集合的未选取节点中选取第j个节点,经过所述第j个节点沿第二线段集合的方向逐行绘制直线;根据上一条直线上的网格节点,使用CAE软件的网格创建操作在新绘制的直线上插入一系列网格节点,生成新网格;将节点序号j加1,返回从第一线段集合的未选取节点中选取第j个节点的操作,直至第一线段集合中的节点选取完毕。为了便于区分,在图21中用实线表示第一直线,用虚线表示第二直线。
可选地,在二维平面内得到重新生成的网格后,根据所述第二外轮廓的二维几何特征与三维空间的映射关系,采用插值法将重新生成得到的网格特征映射回三维空间。
由上述实施例可知,所述二维几何特征是原始坐标系中的三维网格特征进行平移、旋转及投影后得到的,因此根据所述平移、旋转及投影操作的逆映射,仍可以将二维几何特征映射回三维空间。同理,根据所述逆映射,也可以将重新生成得到的网格特征映射回三维空间。
图22是本发明实施例提供的网格插值的示意图。以图22为例,二维平面内的网格节点A、B是由三维空间中的网格节点进行平移、旋转及投影后得到的,将所述平移、旋转及投影操作记为映射m。C、D为通过上述实施例记载的步骤在二维平面内重新生成的网格节点。在将C、D映射回三维空间时,首先根据A、B在二维空间内的坐标,插值得到C、D在二维空间内的坐标;然后将该坐标通过m的逆映射映射回三维空间,得到三维空间内的新网格节点。这样就实现了三维网格的调整。
本实施例通过在对向线段集合之间自动绘制直线,在相邻直线之间重新生成二维网格。与原始二维网格相比,重新生成的二维网格形状更加规则,不合格网格的数量更少,从而使三维空间的网格划分更加合理,更有利于后续的有限元计算。
在上述实施例和下述实施例的基础上,本实施例对基于网格质量的网格修正进行细化。可选地,所述根据网格质量要求,对调整后的三维网格特征进行修正,包括:修正所述调整后的网格,使修正后的网格的雅克比、翘曲角度、最小角度和网格最小高度均处于对应的设定范围内。
具体来说,网格的雅克比是通过网格内部角度计算得出的,三角形网格与四边形网格均需要满足雅克比要求。优选地,修正所述调整后的网格,使修正后的网格各内角均处于[25°,120°]区间内,即可满足雅克比要求。
翘曲角度是指四边形网格以对角线为界切分后形成的两个三角形单元的法向向量之间的夹角,如图23所示。优选地,翘曲角度的设定范围为[0°,10°],通过改变四边形网格四个角点的空间相对位置修正该四边形单元的翘曲角度,使修正后的翘曲角度处于[0°,10°]区间内。
最小角度是指三角形网格或四边形网格各内角中的最小值,如图24所示,三角形网格三个内角中的最小值,或四边网格四个内角中的最小值。优选地,最小角度的设定范围为[25°,30°],改变三角形网格或四边形网格各角点的空间相对位置修正最小角度,使修正后的最小角度处于[25°,30°]区间内。
最小高度是指四边形网格或三角形网格中各个方向的最小高度值,如图25所示。优选地,最小高度值的设定范围为[2mm,5mm],改变三角形网格或四边形单元网格各角点的空间相对位置修正最小高度,使修正后的最小高度处于[2mm,5mm]区间内。
本实施例给定了各网格质量指标的优选范围,通过改变网格各角点的空间相对位置修正各网格质量指标,将修正后的各网格质量指标限制在各自的优选范围内。修正后的有限元网格更满足有限元求解计算的要求。
图26为本发明实施例提供的一种电子设备的结构示意图,如图26所示,该设备包括处理器40、存储器41、输入装置42和输出装置43;设备中处理器40的数量可以是一个或多个,图26中以一个处理器40为例;设备中的处理器40、存储器41、输入装置42和输出装置43可以通过总线或其他方式连接,图26中以通过总线连接为例。
存储器41作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的有限元网格自动划分方法对应的程序指令/模块。处理器40通过运行存储在存储器41中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的有限元网格自动划分方法。
存储器41可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器41可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器41可进一步包括相对于处理器40远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置42可用于接收输入的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置43可包括显示屏等显示设备。
本发明实施例还提供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任一实施例的有限元网格自动划分方法。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种有限元网格自动划分方法,其特征在于,包括:
从CAE软件获取目标零部件的三维几何特征;
根据所述三维几何特征的特点,确定需要清理的特征并进行清理;
利用CAE软件对清理后的三维几何特征进行网格生成,得到三维网格特征;
根据所述三维几何特征的分类,调整每个分类对应的三维网格特征;
根据网格质量要求,对调整后的三维网格特征进行修正;
所述根据所述三维几何特征的特点,确定需要清理的特征并进行清理,包括:
根据所述三维几何特征的三维凸包确定面积最大的外轮廓三角平面;
将所述三维几何特征向所述外轮廓三角平面进行投影,得到第一二维几何特征;
在所述第一二维几何特征中确定具有相互连接关系的第一外轮廓;
根据所述第一外轮廓和所述第一二维几何特征的特点,确定需要清理的特征并进行清理。
2.根据权利要求1所述的方法,其特征在于,根据所述第一外轮廓和所述第一二维几何特征的特点,确定需要清理的特征并进行清理,包括:
如果所述第一二维几何特征由完整环路构成,根据所述第一外轮廓以及所述第一二维几何特征与第一外轮廓的连接关系,确定需要清理的特征并进行清理;
如果所述第一二维几何特征由非完整环路构成,根据所述第一外轮廓以及所述三维几何特征中相邻面的夹角,确定需要清理的特征并进行清理;
如果所述第一二维几何特征包括曲面边界特征,根据所述第一外轮廓以及所述三维几何特征中的最大面积曲面,确定需要清理的特征并进行清理。
3.根据权利要求1所述的方法,其特征在于,所述根据所述三维几何特征的分类,调整每个分类对应的三维网格特征,包括:
对于所述三维几何特征中的设定几何特征,采用CAE软件对所述设定几何特征进行网格重构;
对于所述三维几何特征中的其它几何特征,以不合格网格为中心将对应的三维网格特征进行聚类并调整。
4.根据权利要求3所述的方法,其特征在于,在所述根据所述三维几何特征的分类,调整每个分类对应的三维网格特征之前,还包括:
采用训练好的深度学习神经网络模型,识别所述三维几何特征中的设定几何特征。
5.根据权利要求3所述的方法,其特征在于,以不合格网格为中心将对应的三维网格特征进行聚类并调整,包括:
将聚类后的三维网格特征向指定平面映射,得到第二二维几何特征;
在所述第二二维几何特征中确定具有相互连接关系的第二外轮廓;
在所述第二外轮廓包围的范围内逐行重新生成网格,并将重新生成得到的网格特征映射回三维空间。
6.根据权利要求5所述的方法,其特征在于,所述第二外轮廓归类为4个首尾相连的线段集合,包括两组对向线段集合;
在所述第二外轮廓包围的范围内逐行重新生成网格,包括:
计算所述第二外轮廓的每组对向线段集合的节点总数的差值,并确定差值较少的第一对向线段集合;所述第一对向线段集合包括第一线段集合和第二线段集合;
在所述第一线段集合和第二线段集合上选定位置对应的点对,并经过所述点对绘制直线;
在两条相邻直线之间重新生成网格。
7.根据权利要求1所述的方法,其特征在于,所述根据网格质量要求,对调整后的三维网格特征进行修正,包括:
修正所述调整后的网格,使修正后的网格的雅克比、翘曲角度、最小角度和网格最小高度均处于对应的设定范围内。
8.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的有限元网格自动划分方法。
9.一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1-7中任一所述的有限元网格自动划分方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210352626.3A CN114491824B (zh) | 2022-04-06 | 2022-04-06 | 有限元网格自动划分方法、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210352626.3A CN114491824B (zh) | 2022-04-06 | 2022-04-06 | 有限元网格自动划分方法、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114491824A CN114491824A (zh) | 2022-05-13 |
CN114491824B true CN114491824B (zh) | 2022-06-17 |
Family
ID=81488173
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210352626.3A Active CN114491824B (zh) | 2022-04-06 | 2022-04-06 | 有限元网格自动划分方法、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114491824B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114781233B (zh) * | 2022-06-20 | 2022-09-20 | 中汽研(天津)汽车工程研究院有限公司 | 有限元网格几何结构外形轮廓识别方法、设备及介质 |
CN115374542B (zh) * | 2022-10-24 | 2023-03-24 | 中汽研(天津)汽车工程研究院有限公司 | 基于三角形网格位置的网格调整方法、设备和存储介质 |
CN116433873B (zh) * | 2023-06-13 | 2023-12-01 | 广州中望龙腾软件股份有限公司 | 一种网格划分方法、装置及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1991846A (zh) * | 2005-12-29 | 2007-07-04 | 比亚迪股份有限公司 | 一种生成三维有限元网格的方法 |
CN101013454A (zh) * | 2007-02-02 | 2007-08-08 | 郑州机械研究所 | Cae软件系统网格剖分的智能化方法 |
WO2014001684A1 (fr) * | 2012-06-29 | 2014-01-03 | Real Fusio France | Procédé de génération d'un maillage d'au moins un objet en trois dimensions |
CN105718641A (zh) * | 2016-01-18 | 2016-06-29 | 东风柳州汽车有限公司 | 批量化建立cae二维网格的方法 |
CN113221403A (zh) * | 2021-04-28 | 2021-08-06 | 中汽数据(天津)有限公司 | 基于深度强化学习的有限元网格优化方法、设备和介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102306396B (zh) * | 2011-09-15 | 2013-09-25 | 山东大学 | 一种三维实体模型表面有限元网格自动生成方法 |
CN111709092B (zh) * | 2020-06-20 | 2022-04-29 | 山东大学 | 一种基于有限元单元节点的子午线轮胎胎面花纹有限元自动建模方法 |
-
2022
- 2022-04-06 CN CN202210352626.3A patent/CN114491824B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1991846A (zh) * | 2005-12-29 | 2007-07-04 | 比亚迪股份有限公司 | 一种生成三维有限元网格的方法 |
CN101013454A (zh) * | 2007-02-02 | 2007-08-08 | 郑州机械研究所 | Cae软件系统网格剖分的智能化方法 |
WO2014001684A1 (fr) * | 2012-06-29 | 2014-01-03 | Real Fusio France | Procédé de génération d'un maillage d'au moins un objet en trois dimensions |
CN105718641A (zh) * | 2016-01-18 | 2016-06-29 | 东风柳州汽车有限公司 | 批量化建立cae二维网格的方法 |
CN113221403A (zh) * | 2021-04-28 | 2021-08-06 | 中汽数据(天津)有限公司 | 基于深度强化学习的有限元网格优化方法、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114491824A (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114491824B (zh) | 有限元网格自动划分方法、设备和存储介质 | |
CN108537876B (zh) | 三维重建方法、装置、设备及存储介质 | |
CN114494648B (zh) | 基于有限元网格划分的网格调整方法、设备和存储介质 | |
Gupta et al. | Variational solid modeling for tolerance analysis | |
US7825925B2 (en) | Method and system for repairing triangulated surface meshes | |
CN114494649B (zh) | 有限元网格划分几何清理方法、设备和存储介质 | |
CN112669463B (zh) | 三维点云的曲面重建方法、计算机设备和计算机可读存储介质 | |
CN109541997A (zh) | 一种面向平面/近似平面工件的喷涂机器人快速智能编程方法 | |
CN116071519B (zh) | 基于调和映射生成网格模型的图像处理方法和装置 | |
CN113221403B (zh) | 基于深度强化学习的有限元网格优化方法、设备和介质 | |
CN114782630A (zh) | 点云数据的生成方法、装置、可读存储介质和扫地机器人 | |
CN113724401A (zh) | 一种三维模型切割方法、装置、计算机设备和存储介质 | |
CN110689620A (zh) | 一种多层次优化的网格曲面离散样条曲线设计方法 | |
CN115758938A (zh) | 面向粘性边界流场数值模拟的附面层网格生成方法 | |
CN109903389B (zh) | 一种三维模型网格处理方法及系统 | |
CN113111741B (zh) | 一种基于三维特征点的装配状态识别方法 | |
US6121973A (en) | Quadrilateral mesh generation method and apparatus | |
Nieser et al. | Patch layout from feature graphs | |
CN110349265B (zh) | 一种四面体拓扑网格生成方法及电子设备 | |
Denker et al. | On-line reconstruction of CAD geometry | |
Bevilacqua et al. | An evolutionary optimization method for parameter search in 3d points cloud reconstruction | |
CN117807782B (zh) | 一种实现三维仿真模型的方法 | |
CN117058300B (zh) | 一种基于kd树加速光线与未裁剪曲面交点计算的方法 | |
US11615590B2 (en) | Methods and systems for generating surfaces from polygonal data | |
EP4310786A1 (en) | Automatic creation of three-dimensional (3d) variable resolution region geometries |
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 |