CN116756875B - 基于柱坐标映射的批量叶片工艺模型多源信息关联方法 - Google Patents
基于柱坐标映射的批量叶片工艺模型多源信息关联方法 Download PDFInfo
- Publication number
- CN116756875B CN116756875B CN202310742135.4A CN202310742135A CN116756875B CN 116756875 B CN116756875 B CN 116756875B CN 202310742135 A CN202310742135 A CN 202310742135A CN 116756875 B CN116756875 B CN 116756875B
- Authority
- CN
- China
- Prior art keywords
- blade
- data
- cad
- model
- theoretical model
- 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 112
- 230000008569 process Effects 0.000 title claims abstract description 69
- 238000013507 mapping Methods 0.000 title claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000004088 simulation Methods 0.000 claims abstract description 31
- 238000005259 measurement Methods 0.000 claims abstract description 25
- 238000013461 design Methods 0.000 claims abstract description 20
- 238000004519 manufacturing process Methods 0.000 claims abstract description 10
- 238000010276 construction Methods 0.000 claims abstract description 8
- 108091026890 Coding region Proteins 0.000 claims description 15
- 239000013598 vector Substances 0.000 claims description 8
- 238000003754 machining Methods 0.000 claims description 4
- 230000007704 transition Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 240000004307 Citrus medica Species 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000010220 Pearson correlation analysis Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开基于柱坐标映射的批量叶片工艺模型多源信息关联方法,包括:对叶片CAD理论模型进行分类,获取类型组合;其中,类型组合包括:叶冠特征、型面特征、附加特征、叶根特征和榫头特征;将叶片CAD理论模型,构建为全息属性面边图;基于全息属性面边图和类型组合,对叶片CAD理论模型进行离散并映射,获取叶片CAD理论模型的标识数据;分别获取各工序工艺仿真模型、叶片各工序现场的实测数据、精度和形状设计数据和历史加工实测数据的标识数据;完成工艺模型构建所有信息的关联。本发明以柱坐标参数映射方式进行航发叶片制造过程孪生数据的低维度关联,避免了复杂的关联算法,提高了数字孪生环境下工艺模型实时构建的运行效率。
Description
技术领域
本发明属于航发叶片批量过程数字孪生领域,尤其涉及基于柱坐标映射的批量叶片工艺模型多源信息关联方法。
背景技术
由于叶片具有难加工材料、复杂功能曲面、薄壁弱刚性结构等制造难题,因此在复杂叶片的制造过程中,各工序的工艺模型是不同的、且在一定程度上是不确定的,而由此工艺模型确定的工艺流程、加工轨迹也不相同,因此带来数字孪生环境下复杂叶片工艺模型实时创建的工程需求。
在数字孪生环境下实现工艺模型的实时构建,前提是实现工艺模型相关多源异构信息的关联,包括物理实体信息(特征类型、实测数据)、虚拟模型信息(CAD理论模型数据、CAM刀轨数据、加工仿真数据)、服务相关信息(精度和形状设计数据)、融合数据(同批次叶片历史加工实测数据),上述信息的实时关联才是工艺模型实时创建的基础。
其中,通过数据关联进行信息压缩,以达到缩减数据量、提高搜索效率的目的,是实现实时关联的有效前提。
在此前提下,目前研究人员主要从以下两个方面开展研究,提高关联效率。
1)从关联算法角度进行提效
将压缩后的数据进行时空配准,如利用最小二乘配准法使数据在时间维度同步、在空间处于同一坐标系,随后基于皮尔逊相关性分析方法、K-means、Apriori算法等最大程度地挖掘配准后数据间的时空关联性。在此基础上,通过统计法、聚类法、分类法等进一步实现信息推理,并以知识图谱的形式直观地描述信息间的相互联系。
然而,该方法用于简单、批量零件时,关联效率较高。但由于前面提到的复杂叶片加工特点,非规律性的制造过程误差、工艺系统误差等复杂信息,使得上述时空配准、关联关系挖掘、信息推理等算法效率得不到有效提升。
2)从关联关系角度进行提效
特征关联是一种经典的关联关系,是首先利用模型各相邻几何元素间拓扑关系来识别带有特定加工工程语义的几何形状,然后将实测-CAD理论模型数据通过识别得到的特征ID方式进行关联。在此基础上,对于CAM刀轨数据,将相应特征的单个加工刀位点定义为一维向量进行关联,从而对于所有特征的多个刀位点建立向量关联矩阵。
然而,该方法仍旧用于由简单几何体构建的复杂构建较为适合,但对于复杂叶片,其本身特征定义较为复杂,现有特征识别算法无法适用。此外,采用CAM刀轨数据为关联关系中间量的方式,将CAM刀轨数据中原本就不存在的几何拓扑连续性信息完全舍弃,对于具有复杂曲面和复杂结构组合的叶片而言,阻碍了后续借助关联关系进行的工艺模型的构建。
发明内容
为解决上述技术问题,本发明提出基于柱坐标映射的批量叶片工艺模型多源信息关联方法,尤其针对具有复杂曲面和复杂结构组合特征的叶片零件,提升数字孪生多源异构信息的关联效率以及质量。
为实现上述目的,本发明提供了基于柱坐标映射的批量叶片工艺模型多源信息关联方法,包括:
对叶片CAD理论模型进行分类,获取类型组合;其中,所述类型组合包括:叶冠特征、型面特征、附加特征、叶根特征和榫头特征;
将所述叶片CAD理论模型,构建为全息属性面边图;
基于所述全息属性面边图和所述类型组合,对所述叶片CAD理论模型进行离散并映射,获取所述叶片CAD理论模型的标识数据;
分别获取各工序工艺仿真模型、叶片各工序现场的实测数据、精度和形状设计数据和历史加工实测数据的标识数据;
基于所述叶片CAD理论模型、各工序工艺仿真模型、叶片各工序现场的实测数据、精度和形状设计数据和历史加工实测数据的标识数据,完成工艺模型构建所有信息的关联。
可选地,构建为所述全息属性面边图包括:
获取所述类型组合中所有线、面元素标识码及所属特征;
基于所有线、面元素标识码及所属特征,建件所述叶片CAD理论模型的所述全息属性面边图。
可选地,对所述叶片CAD理论模型进行离散并映射包括:
基于所述全息属性面边图和预设编码规则,对所述类型组合进行特征编码,获取叶片编码序列;
基于所述全息属性面边图和叶片编码序列,将所述叶片CAD理论模型进行离散并映射。
可选地,获取所述叶片CAD理论模型的标识数据包括:
基于所述全息属性面边图和叶片编码序列,将所述叶片CAD理论模型以最终工序CAM刀轨数据方式离散,并映射至柱坐标系Z=0的平面参数域空间,则所述叶片CAD理论模型任一点标识为(ρ,θ,0,n);其中,ρ为柱坐标系中半径,θ为柱坐标系中角度,0为柱坐标系中高度,n为叶片编码序列;其中,所述全息属性面边图用于确定平面参数域内各面边的拓扑关系,所述叶片编码序列用于确定平面参数域内各特征面数量。
可选地,获取各工序工艺仿真模型的标识数据包括:
对复杂叶片、加工设备、各工序CAM刀轨数据进行数字孪生环境加工过程的应力应变、温度、加工参数、变形和生产流程仿真,获取各工序加工仿真数据,将所述各工序加工仿真数据映射至柱坐标系Z=a1的平面参数域空间,则各工序工艺仿真模型任一点标识为(ρ,θ,a1,n);其中,a1为柱坐标系的高度值。
可选地,获取叶片各工序现场的实测数据的标识数据包括:
对真实物理环境下进行叶片各工序现场实时数据的采集,获取叶片各工序现场的实测数据,将所述实测数据与对应工序工艺仿真模型求矢量偏差,则所述实测数据任一点标识为(ρ,θ,a1+ε1,n);其中ε1为实测数据与对应工序工艺仿真模型的矢量偏差。
可选地,获取精度和形状设计数据的标识数据包括:
将所述精度和形状设计数据,根据特征编码,则所述精度和形状设计数据对应所述叶片CAD理论模型上任一点标识为(ρ,θ,δ,n);其中,所述精度和形状设计数据包括:位置度、粗糙度和轮廓精度,δ为精度和形状设计数据。
可选地,获取历史加工实测数据的标识数据包括:
获取m件同批次叶片历史加工实测数据,将所述历史加工实测数据映射至柱坐标系Z=ai的平面参数域空间,则第i=1,…,m件叶片历史加工实测数据,其任一点标识为(ρ,θ,ai+1,n)。
与现有技术相比,本发明具有如下优点和技术效果:
本发明以柱坐标参数映射方式进行航发叶片制造过程孪生数据的低维度关联,避免了复杂的关联算法,提高了数字孪生环境下工艺模型实时构建的运行效率。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明实施例的叶片理论CAD模型特征示意图;
图2为本发明实施例的叶片理论CAD模型属性面边示意图;
图3为本发明实施例的叶片理论CAD模型全息属性面边示意图;其中,(a)为叶片理论CAD模型面组成图,(b)为叶片理论CAD模型边组成图,(c)为叶片理论CAD模型属性面边图;
图4为本发明实施例的叶片对应的柱坐标系参数域空间示意图;
图5为本发明实施例的基于柱坐标映射的批量叶片工艺模型多源信息关联方法流程示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
如图5所示,本实施例提供了基于柱坐标映射的批量叶片工艺模型多源信息关联方法,包括如下步骤:
1)首先根据复杂叶片CAD理论模型数据的结构特点,将其定义为型叶冠特征、型面特征、附加特征、叶根特征、榫头特征的类型组合。
2)其次将CAD理论模型数据构建为全息属性面边图。由人工交互设置全息属性面边图中各广义内环种子面的特征类型,并由种子面和属性图中面边拓扑关系搜索获得属于型面特征、榫头特征、叶冠特征、叶根特征、附加特征的面边。
3)依据编码规则和全息属性面边图对叶冠特征、型面特征、附加特征、叶根特征、榫头特征进行特征编码,获得该复杂叶片编码序列n。
4)基于全息属性面边图和叶片编码序列,将复杂叶片CAD理论模型数据以最终工序CAM刀轨数据方式离散,并映射至柱坐标系Z=0的平面参数域空间,则理论模型数据任一点可标识为(ρ,θ,0,n);
5)对复杂叶片、加工设备、各工序CAM刀轨数据进行数字孪生环境加工过程的应力应变、温度、加工参数、变形和生产流程仿真,可获取各工序加工仿真数据,将该仿真数据映射至柱坐标系Z=a1的平面参数域空间,则各工序工艺仿真模型任一点可标识为(ρ,θ,a1,n);柱坐标系中a1高度值,可人工约定设置a1,将各工序加工仿真数据映射至圆柱坐标系a1高度值所在参数平面。
6)对真实物理环境下进行复杂叶片各工序现场实时数据的采集,可获得实测数据,将其与对应工序工艺仿真模型求矢量偏差ε1,则实测数据任一点可标识为(ρ,θ,a1+ε1,n)。
7)将精度和形状设计数据,如位置度、粗糙度、轮廓精度等信息δ,根据特征编码,则精度和形状设计数据对应理论模型数据上任一点可标识为(ρ,θ,δ,n)。
8)获取m件同批次叶片历史加工实测数据,将第i=1,…,m件叶片历史加工实测数据映射至柱坐标系Z=ai+1(i=2,…,m+1)的平面参数域空间,则历史加工实测数据任一点可标识为(ρ,θ,ai+1,n)。
至此,完成工艺模型构建所有信息的关联。
以柱坐标参数映射方式进行航发叶片制造过程孪生数据的低维度关联,避免了复杂的关联算法,提高了数字孪生环境下工艺模型实时构建的运行效率。
以图1所示叶片为例,进行具体实施例说明:
(1)实施例叶片理论CAD模型如图1所示,包括型面特征(叶背、叶盆、进气边、排气边)、榫头特征(下榫头)、叶冠特征(上橼板、叶冠过渡)、叶根特征(下橼板、叶根过渡),无附加特征(加强筋、阻尼台);
(2)获取图1所示CAD理论模型各特征中所有线、面元素标识码及所属特征,如图2所示。由该数据构建件该模型的全息属性面边图,保存线面连接关系,如图3所示,图3的(a)为叶片理论CAD模型面组成图,图3的(b)为叶片理论CAD模型边组成图,图3的(c)为叶片理论CAD模型属性面边图。其中,由人工设置F1面为上缘板面,则由种子面F1搜索共边L1、L2、L3、L4,得到F2、F3、F4、F5构建的广义内环(L5、L6、L7、L8)为叶冠过渡;由种子面F2、F3、F4、F5搜索共边L9、L10、L11、L12,得到F6、F7、F8、F9构建的广义内环(L13、L14、L15、L16)为型面特征;由种子面F6、F7、F8、F9搜索共边L17、L18、L19、L20,得到F10、F11、F12、F13构建的广义内环(L21、L22、L23、L24)为叶根过渡,由人工设置F14面为下缘板面;由种子面F14搜索共面F15,再由F15搜索共边L29、L30、L31、L32,得到F16、F17、F18、F19构建的广义内环(L33、L34、L35、L36)为下榫头,同时由人工设置F20面为下榫头,F20由共边L37、L38、L39、L40连接至F16、F17、F18、F19。
3)预设的编码规则为:采用人工交互方式设置叶冠特征、型面特征、附加特征、叶根特征和榫头特征,以每个特征中面数为特征编码,以叶冠特征、型面特征、附加特征、叶根特征和榫头特征为顺序,对特征编码进行顺序组合,获得该叶片编码序列。
制定叶片编码规则如表1所示,结合图3编制该叶片的代码。其中,叶冠特征中上缘板面数为1(F1)、叶冠过渡面数为4(F2、F3、F4、F5),则叶冠特征编码为(0104);型面特征中叶背、叶盆、进气边、排气边面数为4(F6、F7、F8、F9),则型面特征编码为(04);附加特征中面数为0,则附加特征编码为(00);叶根特征中叶根过渡面数为4(F10、F11、F12、F13)、下缘板面数为1(F14),则叶根特征编码为(0401);榫头特征中上榫头面数为0,下榫头面数为5(F16、F17、F18、F19、F20),则榫头特征编码为(0005)。则获得该叶片编码序列n=0104040004010005;
表1
4)基于全息属性面边图和叶片编码序列,将该叶片CAD理论模型数据以各特征最终工序CAM刀轨数据方式离散,如图4所示,借助成熟的参数映射方法将各面边映射至柱坐标系Z=0的平面参数域空间。其中,全息属性面边图用于确定平面参数域内各面边的拓扑关系,叶片编码序列用于确定平面参数域内各特征面数量,则理论模型数据任一点可标识为(ρ,θ,0,n);
5)对复杂叶片、加工设备、各工序CAM刀轨数据进行数字孪生环境加工过程的应力应变、温度、加工参数、变形和生产流程仿真,可获取各工序加工仿真数据,将该仿真数据映射至柱坐标系Z=a1的平面参数域空间,则各工序工艺仿真模型任一点可标识为(ρ,θ,a1,n);
6)对真实物理环境下进行复杂叶片各工序现场实时数据的采集,可获得实测数据,将其与对应工序工艺仿真模型求矢量偏差ε1,则实测数据任一点可标识为(ρ,θ,a1+ε1,n);
7)将精度和形状设计数据,如位置度、粗糙度、轮廓精度等信息δ,根据特征编码,则精度和形状设计数据对应理论模型数据上任一点可标识为(ρ,θ,δ,n);
8)获取m件同批次叶片历史加工实测数据,将第i=1,…,m件叶片历史加工实测数据映射至柱坐标系Z=ai+1(i=2,…,m+1)的平面参数域空间,则历史加工实测数据任一点可标识为(ρ,θ,ai+1,n)。柱坐标系中ai+1高度值,可人工约定设置ai+1,将第i=1,…,m件叶片历史加工实测数据映射至圆柱坐标系ai+1高度值所在参数平面。
至此,完成工艺模型构建所有信息的关联。
以上,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (3)
1.基于柱坐标映射的批量叶片工艺模型多源信息关联方法,其特征在于,包括:
对叶片CAD理论模型进行分类,获取类型组合;其中,所述类型组合包括:叶冠特征、型面特征、附加特征、叶根特征和榫头特征;
将所述叶片CAD理论模型,构建为全息属性面边图;
基于所述全息属性面边图和所述类型组合,对所述叶片CAD理论模型进行离散并映射,获取所述叶片CAD理论模型的标识数据;
获取所述叶片CAD理论模型的标识数据包括:
基于所述全息属性面边图和叶片编码序列,将所述叶片CAD理论模型以最终工序CAM刀轨数据方式离散,并映射至柱坐标系Z=0的平面参数域空间,则所述叶片CAD理论模型任一点标识为(ρ,θ,0,n);其中,ρ为柱坐标系中半径,θ为柱坐标系中角度,0为柱坐标系中高度,n为叶片编码序列;其中,所述全息属性面边图用于确定平面参数域内各面边的拓扑关系,所述叶片编码序列用于确定平面参数域内各特征面数量;
分别获取各工序工艺仿真模型、叶片各工序现场的实测数据、精度和形状设计数据和历史加工实测数据的标识数据;
获取各工序工艺仿真模型的标识数据包括:
对复杂叶片、加工设备、各工序CAM刀轨数据进行数字孪生环境加工过程的应力应变、温度、加工参数、变形和生产流程仿真,获取各工序加工仿真数据,将所述各工序加工仿真数据映射至柱坐标系Z=a1的平面参数域空间,则各工序工艺仿真模型任一点标识为(ρ,θ,a1,n);其中,a1为柱坐标系的高度值;
获取叶片各工序现场的实测数据的标识数据包括:
对真实物理环境下进行叶片各工序现场实时数据的采集,获取叶片各工序现场的实测数据,将所述实测数据与对应工序工艺仿真模型求矢量偏差,则所述实测数据任一点标识为(ρ,θ,a1+ε1,n);其中ε1为实测数据与对应工序工艺仿真模型的矢量偏差;
获取精度和形状设计数据的标识数据包括:
将所述精度和形状设计数据,根据特征编码,则所述精度和形状设计数据对应所述叶片CAD理论模型上任一点标识为(ρ,θ,δ,n);其中,所述精度和形状设计数据包括:位置度、粗糙度和轮廓精度,δ为精度和形状设计数据;
获取历史加工实测数据的标识数据包括:
获取m件同批次叶片历史加工实测数据,将所述历史加工实测数据映射至柱坐标系Z=ai的平面参数域空间,则第i=1,…,m件叶片历史加工实测数据,其任一点标识为(ρ,θ,ai+1,n);
基于所述叶片CAD理论模型、各工序工艺仿真模型、叶片各工序现场的实测数据、精度和形状设计数据和历史加工实测数据的标识数据,完成工艺模型构建所有信息的关联。
2.根据权利要求1所述的基于柱坐标映射的批量叶片工艺模型多源信息关联方法,其特征在于,构建为所述全息属性面边图包括:
获取所述类型组合中所有线、面元素标识码及所属特征;
基于所有线、面元素标识码及所属特征,构建所述叶片CAD理论模型的所述全息属性面边图。
3.根据权利要求1所述的基于柱坐标映射的批量叶片工艺模型多源信息关联方法,其特征在于,对所述叶片CAD理论模型进行离散并映射包括:
基于所述全息属性面边图和预设编码规则,对所述类型组合进行特征编码,获取叶片编码序列;
基于所述全息属性面边图和叶片编码序列,将所述叶片CAD理论模型进行离散并映射。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310742135.4A CN116756875B (zh) | 2023-06-21 | 2023-06-21 | 基于柱坐标映射的批量叶片工艺模型多源信息关联方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310742135.4A CN116756875B (zh) | 2023-06-21 | 2023-06-21 | 基于柱坐标映射的批量叶片工艺模型多源信息关联方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116756875A CN116756875A (zh) | 2023-09-15 |
CN116756875B true CN116756875B (zh) | 2024-03-01 |
Family
ID=87949292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310742135.4A Active CN116756875B (zh) | 2023-06-21 | 2023-06-21 | 基于柱坐标映射的批量叶片工艺模型多源信息关联方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116756875B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015096511A1 (zh) * | 2013-12-24 | 2015-07-02 | 沈阳飞机工业(集团)有限公司 | 飞机结构件智能数控加工编程系统及方法 |
CN107657130A (zh) * | 2017-10-18 | 2018-02-02 | 安徽佳通乘用子午线轮胎有限公司 | 一种面向轮胎花纹结构设计参数的逆向建模方法 |
CN110704974A (zh) * | 2019-09-30 | 2020-01-17 | 江苏科技大学 | 基于数字孪生驱动的工艺模型的建模与使用方法 |
CN111062266A (zh) * | 2019-11-28 | 2020-04-24 | 东华理工大学 | 基于圆柱坐标的人脸点云关键点定位方法 |
CN112016169A (zh) * | 2020-07-24 | 2020-12-01 | 苏州智制云科技有限公司 | 一种基于mbd工序模型的工件几何数字孪生模型的构建方法 |
EP3974920A1 (en) * | 2020-09-28 | 2022-03-30 | Rockwell Automation Technologies, Inc. | Unifying multiple simulation models |
CN114357732A (zh) * | 2021-12-17 | 2022-04-15 | 中国电子科技集团公司第三十八研究所 | 电子装备数字孪生模型及其构建方法和应用 |
CN115601514A (zh) * | 2022-08-26 | 2023-01-13 | 长威信息科技发展股份有限公司(Cn) | 一种数字孪生数据自动关联映射方法 |
CN116129053A (zh) * | 2023-02-15 | 2023-05-16 | 杭州电力设备制造有限公司 | 电力设备模型构建方法 |
CN116128221A (zh) * | 2022-12-30 | 2023-05-16 | 北方工业大学 | 一种基于数字孪生的航发叶片再制造生产线调度方法 |
-
2023
- 2023-06-21 CN CN202310742135.4A patent/CN116756875B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015096511A1 (zh) * | 2013-12-24 | 2015-07-02 | 沈阳飞机工业(集团)有限公司 | 飞机结构件智能数控加工编程系统及方法 |
CN107657130A (zh) * | 2017-10-18 | 2018-02-02 | 安徽佳通乘用子午线轮胎有限公司 | 一种面向轮胎花纹结构设计参数的逆向建模方法 |
CN110704974A (zh) * | 2019-09-30 | 2020-01-17 | 江苏科技大学 | 基于数字孪生驱动的工艺模型的建模与使用方法 |
CN111062266A (zh) * | 2019-11-28 | 2020-04-24 | 东华理工大学 | 基于圆柱坐标的人脸点云关键点定位方法 |
CN112016169A (zh) * | 2020-07-24 | 2020-12-01 | 苏州智制云科技有限公司 | 一种基于mbd工序模型的工件几何数字孪生模型的构建方法 |
EP3974920A1 (en) * | 2020-09-28 | 2022-03-30 | Rockwell Automation Technologies, Inc. | Unifying multiple simulation models |
CN114357732A (zh) * | 2021-12-17 | 2022-04-15 | 中国电子科技集团公司第三十八研究所 | 电子装备数字孪生模型及其构建方法和应用 |
CN115601514A (zh) * | 2022-08-26 | 2023-01-13 | 长威信息科技发展股份有限公司(Cn) | 一种数字孪生数据自动关联映射方法 |
CN116128221A (zh) * | 2022-12-30 | 2023-05-16 | 北方工业大学 | 一种基于数字孪生的航发叶片再制造生产线调度方法 |
CN116129053A (zh) * | 2023-02-15 | 2023-05-16 | 杭州电力设备制造有限公司 | 电力设备模型构建方法 |
Non-Patent Citations (3)
Title |
---|
基于刀轨的三维工艺全信息工序模型构建;孟飙;王旭东;孙列;周飞;;现代制造工程(第03期);全文 * |
机加零件的数字孪生模型构建方法;邹琦;侯志霞;王明阳;;航空制造技术(第03期);全文 * |
邹琦 ; 侯志霞 ; 王明阳 ; .机加零件的数字孪生模型构建方法.航空制造技术.2020,(第03期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN116756875A (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103486996B (zh) | 未知cad模型的航空发动机叶片型面测量方法 | |
CN104008257B (zh) | 一种针对具有复杂曲面的构件的逆向设计方法 | |
CN106446343B (zh) | 一种径流叶轮直纹叶片参数化型线的自动提取方法 | |
CN111583318A (zh) | 一种基于翼身实测数据虚拟对接的整流蒙皮修配方法 | |
CN107657130A (zh) | 一种面向轮胎花纹结构设计参数的逆向建模方法 | |
CN103164582B (zh) | 三维cad模型相交制造特征识别方法 | |
CN110263998B (zh) | 多源数值天气预报集合双层修正方法 | |
CN110223345A (zh) | 基于点云的配电线路作业对象位姿估计方法 | |
CN109143980B (zh) | 基于数控工艺解析的相交加工特征识别与重用方法 | |
CN112446123B (zh) | 一种整体叶盘三坐标测量机测头位姿规划方法 | |
CN101930483A (zh) | 应用参数化设计模型化简数字地图居民地多边形的方法 | |
CN113312369A (zh) | 一种基于唯一标识码的多尺度地图数据库级联更新方法 | |
CN106815447B (zh) | 基于历史数据的复杂结构件加工特征智能定义与分类方法 | |
CN113192116A (zh) | 基于结构光相机的航空叶片厚度参数量测方法 | |
CN109977526A (zh) | 一种基于三维cst技术的调整机翼有限元模型的方法 | |
CN111504191A (zh) | 一种基于三维激光扫描的航空零件自动快速测量方法 | |
CN107908914B (zh) | 离心压缩机闭式叶轮可加工性判断及中间截面的计算方法 | |
KR102465451B1 (ko) | 가공 특성 기반의 공정 지식 푸시 방법 | |
CN116756875B (zh) | 基于柱坐标映射的批量叶片工艺模型多源信息关联方法 | |
Yang et al. | Matching method of cultural relic fragments constrained by thickness and contour feature | |
CN103927426B (zh) | 航空发动机整体叶盘特征识别方法 | |
CN109035311A (zh) | 一种弯骨骨折自动配准及内固定钢板预弯建模方法 | |
Wang et al. | Typical process discovery based on affinity propagation | |
CN114756980B (zh) | 基于Info-GAN的多设计空间耦合气动形状优化方法及系统 | |
CN114119628B (zh) | 一种基于特征模板的点云精确分割方法 |
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 |