复合材料狭长箱体打磨信息自动生成模块的研制与应用

发布时间：2020-05-22 04:44

【摘要】：近年来,三维激光扫描测量技术的出现对于自动化制造的实现提供了重要的技术保障。传统的复合材料狭长箱体环筋加工采用人工打磨的方法,不仅效率低,精度难以保证而且粉尘大,严重影响操作人员的身体健康。为了实现复合材料狭长箱体的自动化打磨和装配,提高生产效率,必须实现箱体的自动化测量,用三维激光扫描仪获取箱体的点云数据。本文对所获取的复合材料狭长箱体点云数据模型的预处理、特征识别、特征尺寸提取及纵环筋匹配优化算法进行了深入的研究,并在理论算法的研究基础之上,开发了环筋打磨信息自动生成系统。论文的主要研究工作与成果包括:(1)针对复合材料狭长箱体结构复杂,导致点云模型特征提取困难的问题,本文对传统点云特征提取方法的不足之处进行了分析,提出了一种基于法向量和排序欧式聚类(Normal Vector and Sorted Euclidean Clustering,NV-SEC)的复合材料狭长箱体环筋匹配部分快速提取方法。该方法可以快速地提取得到箱体环筋的匹配部分,为后续纵环筋的自动匹配奠定了基础。(2)本文在对环筋宽度及位置信息提取的基础上,提出了一种基于枚举的余量优化算法。该算法可以准确地得到环筋与纵筋的最佳装配位置,即环筋最优的打磨余量,从而得到环筋打磨后的特征尺寸,实现复合材料狭长箱体打磨前后特征信息获取的目的。(3)本文利用VS2013与QT集成开发环境,设计和开发了基于狭长箱体测量数据的环筋打磨信息自动生成系统,并开展了实例测试与分析,验证了所开发相关模块的实用性和有效性。目前,以上研究已应用于复合材料狭长箱体打磨信息的自动生成系统中,并通过企业的实验测试,可以用于复合材料狭长箱体的自动化制造。
【图文】：

图 3.6 欧式聚类分割示意图式聚类分割的主要原理是对 m 个数据点进行考察，这 m 个点云数据每一个类中包含若干个具有相同特性的点云数据。对这 m 个数据点关系，将具有最小距离的两类合并为一类，重新计算类与类之间的距所有类之间满足预先设定的最小间距或数据点个数的要求，便分割类分割的具体公式如式(3-5)所示。21( ) ( )ni j ik jkkd p q p q 基于 SEC 的环筋匹配部分提取过局部平面拟合法求取环筋的法向量之后，根据环筋边缘法向量的整个复合材料狭长箱体点云模型的环筋边缘信息提取出来，如图 3.7

图 4.6 纵筋规格由图 4.6 可以看出，对于所有型号的纵筋，其槽口宽度都是一致的，只是槽口之间的间距不同。对于 ZJ-3 及 ZJ-6.5L 型的纵筋其相邻槽口之间的间距致的；ZJ-6.5R 型有三个槽口(对应的 F11、F10、F9 这三根环筋)之间的间距同的，其余是相同的；ZJ-7 型有四个槽口(对应 F7、F6、F5、F4 这四根环间的间距不同，其余是一致的。虽然纵环筋匹配的基本算法相同，但由于标准件纵筋之间存在着如此细微别，需要对算法做一些较小的改变。本文所提出的余量优化算法是在枚举算基础上实现的，因此本文首先对枚举算法加以介绍。3.2 枚举算法枚举算法通常被称为穷举法[64]，于 1979 年由 Valiant 首次提出[65]，是一种泛应用的算法。枚举法本质上是一种搜索算法，它对所有可能的解进行一一，每一种可能的解对应一种结果，在所有结果中找出最优的结果所对应的解
【学位授予单位】：东华大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TB33;TN249;TP311.52

【相似文献】

相关期刊论文 前10条

1 刘亚文;覃苏舜;;点云数据稀疏区域建筑物立面重建方法[J];应用科学学报;2017年02期

2 刘尚蔚;朱小超;张永光;魏群;;多片点云数据拼接处理技术的研究[J];水利与建筑工程学报;2014年01期

3 张习民;余小清;万旺根;张娟;;压缩感知点云数据压缩[J];应用科学学报;2014年05期

4 康兰;冯亚娟;陈正鸣;;多视点云数据快速对齐方法[J];机械设计与研究;2009年01期

5 郑德华;;点云数据直接缩减方法及缩减效果研究[J];测绘工程;2006年04期

6 谢宏全;孙权;肖晓松;张镇;赵玉臣;刘付程;;利用激光点云数据绘制仿古建筑立面图[J];淮海工学院学报(自然科学版);2019年04期

7 张东;;基于球域膨胀的点云数据平面提取[J];工程技术研究;2018年11期

8 宇超群;门葆红;王鑫;;海量点云数据分布式并行处理技术综述[J];信息工程大学学报;2018年05期

9 陈凯;张达;张元生;;三维激光扫描点云数据盲区边界识别与应用[J];有色金属(矿山部分);2019年05期

10 宣伟;;地面激光点云数据质量评价与三维模型快速重建技术研究[J];测绘学报;2017年12期

相关会议论文 前10条

1 胡文庆;施昆;曹影;;模糊C-均值聚类对点云数据的分割[A];云南省测绘地理信息学会2015年学术年会论文集[C];2015年

2 张飞飞;车翔玖;左文品;;基于B样条曲线的点云数据简化方法[A];第五届全国几何设计与计算学术会议论文集[C];2011年

3 胡志杰;石鹏飞;李广伟;羌鑫林;;车载点云数据自动分类提取与应用研究[A];第十一次江苏科技论坛智慧城市与大数据应用分论坛论文集[C];2015年

4 曹天赐;李庆莉;龚绪龙;葛云峰;卢毅;陈勇;张芷薇;刘智超;闻炼;;基于点云数据的地裂缝监测对象提取研究——以江苏无锡光明村为例[A];2018年全国工程地质学术年会论文集[C];2018年

5 张萍;;逆向工程中基于聚类的点云数据精简[A];2010年西南三省一市自动化与仪器仪表学术年会论文集[C];2010年

6 葛振华;王鹏;孙建;王纪凯;陈宗海;;点云数据的配准算法综述[A];第17届中国系统仿真技术及其应用学术年会论文集（17th CCSSTA 2016）[C];2016年

7 刘佳;张爱武;杨丽萍;;室内场景激光点云数据的三维建模[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

8 孟丽芬;;3D逆向造型的标准化作业[A];创新塑性加工技术，，推动智能制造发展——第十五届全国塑性工程学会年会暨第七届全球华人塑性加工技术交流会学术会议论文集[C];2017年

9 段文国;张爱武;蔡广杰;;基于VTK的点云数据绘制研究与实现[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

10 吴卫军;陈平;殷义程;;基于DEM的点云数据对比方法分析[A];云南省测绘地理信息学会2017年学术年会论文集[C];2017年

相关重要报纸文章 前2条

1 记者 廖雪梅;重庆明年拟打造700个“智慧工地”[N];重庆日报;2018年

2 李兆平　龚渤;多点开花 前景广阔[N];中国测绘报;2012年

相关博士学位论文 前10条

1 滕晓强;基于移动群智感知的室内路径规划关键技术研究[D];国防科技大学;2018年

2 张绍泽;面向三维可视化的激光扫描点云数据处理方法研究[D];西安电子科技大学;2017年

3 罗楠;基于点云数据的3D打印关键技术研究[D];西安电子科技大学;2017年

4 唐逸之;点云数据的鲁棒配准与自适应表面重建[D];浙江大学;2017年

5 杨永涛;三维离散点云数据处理关键技术研究[D];燕山大学;2017年

6 邓博文;大体积比工件装配面检测及其点云数据处理方法研究[D];中北大学;2019年

7 苍鹏;基于激光雷达点云数据的建筑物三维重建技术[D];长春理工大学;2019年

8 金娟凤;基于特征距离的腰腹臀部体型分析与个性化女裤样板生成[D];浙江理工大学;2017年

9 石宏斌;地面激光点云模型自动构建方法研究[D];武汉大学;2014年

10 叶立志;机载LiDAR与影像密集匹配点云数据的滤波方法研究[D];武汉大学;2016年

相关硕士学位论文 前10条

1 韩文广;大型立式容器容量计量方法与应用软件开发[D];山东科技大学;2018年

2 秦立功;复合材料狭长箱体打磨信息自动生成模块的研制与应用[D];东华大学;2019年

3 王旭;基于车载激光雷达的目标识别方法研究[D];山东理工大学;2019年

4 陈全;基于激光雷达的三维地面目标检测与识别方法研究[D];华中科技大学;2019年

5 王岩辉;快速成型中基于点云数据的自适应分层算法的研究[D];内蒙古科技大学;2019年

6 姚瑞;逆向工程中三维激光点云数据的预处理技术研究[D];燕山大学;2019年

7 李亚彬;环形锻件三维激光点云数据消噪算法研究[D];燕山大学;2019年

8 伦志炫;《增强二维城市洪水建模的点云数据融合（节选）》英译汉实践报告[D];山东科技大学;2018年

9 张桂芳;基于点云数据处理的机器人三维磨削路径规划[D];上海交通大学;2017年

10 毛远芳;基于三维激光扫描技术的建筑物立面建模[D];广州大学;2019年

本文编号：2675464