基于Geomagic的零件型面精度检测及分析

发布时间：2018-04-24 04:28

  本文选题：精度分析 + 回弹　； 参考：《哈尔滨理工大学》2017年硕士论文

【摘要】：目前,产品的设计原型与实际生产出来的产品型面之间有一定的误差,这影响了产品的装配和使用。在汽车领域,车身覆盖件具有外形尺寸大、结构复杂、自由曲面多和表面要求质量高的特点,在传统的冲压成形后易产生回弹现象,严重影响了汽车覆盖件的成形质量。另一方面,随着工业技术的快速发展,3D打印技术已经越来越成熟,使用3D打印生产的零件的精度比传统的高,但与原模型还有一定的误差。为此,对零件型面的精度进行检测已经成为当前迫切需要解决的问题。本文针对汽车领域高强钢板材零件及3D打印领域中聚丙交酯(PLA)、热塑性聚氨酯弹性体橡胶(TPU)盒形件,应用三维扫描设备3D Ca Mega光学三维扫描系统分别对高强钢板材零件及打印出来的两个长方盒进行三维扫描,获取零件点云数据;采用点云处理软件Geomagic studio分别对三维扫描所获得点云数据进行点云处理;最后通过质量检测软件Geomagic qualify对零件分别进行精度分析,主要包括3D比较分析以及2D比较分析。结果显示,高强钢板零件三维回弹的最大偏差为2.8572 mm、平均偏差为1.3540 mm和标准偏差为1.4133 mm;XY截面二维回弹的最大偏差为2.1637 mm。PLA材料的长方盒最大偏差0.1211 mm、最小偏差-0.1211 mm、平均偏差0.0487 mm~-0.0133 mm和标准偏差0.0490 mm;TPU材料长方盒最大偏差0.1265 mm、最小偏差-0.1264 mm、平均偏差0.0492 mm~-0.0148 mm和标准偏差0.0492 mm。本文采用先进的三维扫描技术,借助于计算机软件,对三维数字化全尺寸进行检测,将这种先进的检测方法应用于检测零件型面的精度,对3D打印零件的型面误差提供了一种测量方法;为以后高强钢板汽车零部件的回弹提供了一种分析手段,对于汽车领域精度要求高的零件进行进一步回弹补偿奠基基础。
[Abstract]:At present, there is a certain error between the product design prototype and the actual product profile, which affects the assembly and use of the product. In the automotive field, body panels have the characteristics of large size, complex structure, many free-form surfaces and high surface quality. It is easy to produce springback phenomenon after traditional stamping forming, which seriously affects the forming quality of automobile panels. On the other hand, with the rapid development of industrial technology, the 3D printing technology has become more and more mature. The precision of the parts produced by 3D printing is higher than that of the traditional ones, but there are still some errors with the original model. Therefore, it has become an urgent problem to detect the accuracy of parts surface. In this paper, the high strength steel sheet parts in automobile field and the TPU box parts of poly (lactide) pla, thermoplastic polyurethane elastomer, in the field of 3D printing, are studied. The 3D Ca Mega optical 3D scanning system was used to scan the parts of high strength steel sheet and the two long boxes printed out to obtain the point cloud data of the parts. The point cloud processing software Geomagic studio is used to process the point cloud data obtained by 3D scanning. Finally, the accuracy of the parts is analyzed by Geomagic qualify, which includes 3D comparison analysis and 2D comparative analysis. The results show that The maximum deviation of 3D springback of high-strength steel plate parts is 2.8572 mm, the average deviation is 1.3540 mm and the maximum deviation of standard deviation is 1.4133 mm XY section two-dimensional springback. The maximum deviation of 2.1637 mm.PLA material is 0.1211 mm for long square box, -0.1211 mm for minimum deviation, and 0.0487 mm for average deviation. The maximum deviation, minimum deviation, average deviation and standard deviation of mm~-0.0133 mm and standard deviation 0.0490 mm are 0.1265 mm, -0.1264 mm, 0.0492 mm~-0.0148 mm and 0.0492 mm, respectively. In this paper, the advanced 3D scanning technology and computer software are used to detect the full dimensions of 3D digitization. The advanced detection method is applied to detect the precision of the surface of parts. This paper provides a method for measuring the surface error of 3D printed parts, and provides an analytical method for the springback of automotive parts of high-strength steel plates in the future, and lays a foundation for further springback compensation for parts with high precision in automobile field.
【学位授予单位】：哈尔滨理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TH161.1

【相似文献】

相关期刊论文 前10条

1 梁新合;梁晋;郭成;曹巨明;;法向约束的多幅点云数据融合算法[J];西安交通大学学报;2009年05期

2 孟凡文;吴禄慎;;用继承与优化算法精密拼接无序点云[J];光学精密工程;2009年04期

3 范然;金小刚;;大规模点云选择及精简[J];图学学报;2013年03期

4 李伟;李旭东;赵慧洁;张颖;;基于姿态标准化的线特征点云提取方法[J];北京航空航天大学学报;2013年08期

5 邱望标;吕圣楠;;带有矩形参照物的可程序化点云精确拼接算法[J];组合机床与自动化加工技术;2010年09期

6 史宝全;梁晋;张晓强;舒挽;;特征保持的点云精简技术研究[J];西安交通大学学报;2010年11期

7 陈国安;刘飞;李丽;;采用模糊规则的人体点云特征尺寸识别与提取[J];计算机辅助设计与图形学学报;2011年08期

8 张旭;张学昌;唐觉明;;点云对称边特征的最优化提取技术[J];中国机械工程;2013年05期

9 曹照均;李尚平;李冰;;多基准点下多视点云拼接对齐方法的研究[J];机械设计与制造;2014年04期

10 李启东;李文龙;周莉萍;;一种曲面特征保持的航空叶片点云精简方法[J];中国机械工程;2014年16期

相关会议论文 前10条

1 李文涛;韦群;杨海龙;;基于图像的点云生成和预处理[A];2011年全国通信安全学术会议论文集[C];2011年

2 蔡来良;李儒;;点云数据处理算法与实现初步研究[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

3 马国庆;陶萍萍;杨周旺;;点云空间曲线的微分信息计算及匹配方法[A];第四届全国几何设计与计算学术会议论文集[C];2009年

4 江倩殷;刘忠途;李熙莹;;一种有效的点云精简算法[A];第十五届全国图象图形学学术会议论文集[C];2010年

5 解辉;张爱武;孟宪刚;;机载激光点云快速绘制方法[A];第二十五届全国空间探测学术研讨会摘要集[C];2012年

6 李凯;张爱武;;基于激光点云的粮仓储粮数量测量方法[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年

7 朱晓强;余烨;刘晓平;袁晓辉;Bill P.Buckles;;基于航拍图像和LiDAR点云的城市道路提取[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（上册）[C];2008年

8 刘虎;;基于线性八叉树的点云简化与特征提取研究[A];促进科技经济结合，，服务创新驱动发展——蚌埠市科协2012年度学术年会论文集[C];2012年

9 李滨;王佳;;基于点云的建筑测绘信息提取[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

10 杨雪春;;反求工程建模中点云切片技术研究[A];全国先进制造技术高层论坛暨第八届制造业自动化与信息化技术研讨会论文集[C];2009年

相关重要报纸文章 前2条

1 曹裕华 高化猛 江鸿宾;激光点云 亦真亦幻[N];解放军报;2013年

2 中国工程院院士 刘先林;四维远见的装备创新[N];中国测绘报;2012年

相关博士学位论文 前10条

1 彭检贵;融合点云与高分辨率影像的城区道路提取与表面重建研究[D];武汉大学;2012年

2 刘涌;基于连续序列自动快速拼接的全方位三维测量技术研究[D];西南交通大学;2013年

3 袁小翠;产品表面缺陷视觉检测数据处理关键技术研究[D];南昌大学;2015年

4 赖祖龙;基于LiDAR点云与影像的海岸线提取和地物分类研究[D];武汉大学;2013年

5 王瑞岩;计算机视觉中相机标定及点云配准技术研究[D];西安电子科技大学;2015年

6 段敏燕;机载激光雷达点云电力线三维重建方法研究[D];武汉大学;2015年

7 韩峰;基于点云信息的既有铁路状态检测与评估技术研究[D];西南交通大学;2015年

8 金龙存;3D点云复杂曲面重构关键算法研究[D];上海大学;2012年

9 李扬彦;基于点云的三维重建与形变事件分析[D];中国科学院深圳先进技术研究院;2013年

10 杨德贺;面向虚拟测方系统的点云聚类与拟合理论[D];中国矿业大学（北京）;2014年

相关硕士学位论文 前10条

1 龚硕然;基于Delaunay三角剖分的点云三维网格重构[D];河北大学;2015年

2 杨红粉;频域技术应用于点云配准研究[D];北京建筑大学;2015年

3 段红娟;点云图像交互式曲线骨架提取技术及其应用[D];西南交通大学;2015年

4 张永恒;散乱点云数据配准方法研究[D];长安大学;2015年

5 吴爱;面向特征拟合的点云简化方法研究[D];中国地质大学(北京);2015年

6 薛广顺;基于立体视觉的牛体点云获取方法研究与实现[D];西北农林科技大学;2015年

7 胡诚;精度约束下地表LiDAR点云抽稀方法研究[D];西南交通大学;2015年

8 余明;三维离散点云数据处理技术研究[D];南京理工大学;2015年

9 陈星宇;基于三维彩色点云的地形分类方法研究[D];南京理工大学;2015年

10 朱东方;基于复杂拓扑结构点云的曲线拟合研究与应用[D];山东大学;2015年

本文编号：1795158