装配精度检测中的自适应特征分割方法及其在虚拟装配中的应用

发布时间：2017-11-02 20:05

  本文关键词：装配精度检测中的自适应特征分割方法及其在虚拟装配中的应用

  更多相关文章： 装配精度检测 点云模型 聚类 特征分割 权值软分配 K-Means

【摘要】：装配精度检测是保证装配体质量与性能的关键,在装配生产中有非常广泛的应用,而在虚拟环境下利用点云模型与理想模型匹配的装配精度计算是一种常用的装配精度检测手段。通过自动化特征分割能够精确获得虚拟环境下装配配合特征的信息,只有获得该信息才能在虚拟环境下进行装配精度计算,所以自动化特征分割是虚拟装配精度检测的核心环节。为了在虚拟环境下对装配精度进行检测,需要有能够反映实际装配零件形状、尺寸和工装误差等信息的模型。但是,点云模型仅仅是实际零件表面三维点坐标数据的集合,并没有装配配合特征的信息,因此缺乏自动化特征分割方法会导致难以进行虚拟装配精度检测的问题。第一章介绍了装配精度检测技术国内外的相关研究,包括虚拟装配精度检测技术、点云模型特征分割技术、密集型数据特征聚类技术,分析了上述技术的研究进展以及目前存在的问题,由此提出本文的研究内容并分析其研究意义,最后简单介绍了论文结构。第二章提出基于随机样本一致性的点云模型显著特征分割算法。首先,显著特征就是零部件中占据大部分空间的特征,它主要区别于倒角、窄端面这样的细节特征,借助点云模型装配配合特征的参数化定义,从统计学角度和泛函角度分析了随机样本一致性特征分割方法的特点。然后,根据上述的定义与分析,设计了基于随机样本一致性的点云模型显著特征分割算法,并对其进行了实验分析。第三章提出基于权值软分配K均值聚类分析的RANSAC细节特征分割算法。首先,细节特征就是零部件中倒角、窄端面这样细小局部特征,分析点云模型中这些数据的特点,针对这些特点对点云模型进行数据预处理。然后,结合无监督学习中聚类分析理论,开发了针对点云模型细小局部特征的聚类器。最后,运用该聚类器对RANSAC分割算法进行改进,综合形成了点云模型的自适应特征分割方法。第四章提出了利用点云模型和误差关联混合模型ICP配准计算的装配精度检测方法。首先利用点云模型自适应特征分割方法获取实际装配零件的装配特征信息,然后结合点云模型与误差关联混合模型ICP配准后的位姿信息,进行基于LOOCV优化的装配精度评价计算,从而实现虚拟环境下的装配精度检测。第五章开发了装配精度检测系统,实现虚拟环境下点云模型数据的预处理模块、装配精度检测流程控制模块、点云模型自适应特征分割模块、装配精度检测计算功能模块。并将该系统应用于实际零件装配的精度检测中。第六章对全文进行总结,并对本文研究存在的不足进行了分析并由此对今后的研究工作进行了预测和展望。
【关键词】：装配精度检测 点云模型 聚类 特征分割 权值软分配 K-Means
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TG95
【目录】：

• 致谢4-5
• 摘要5-7
• ABSTRACT7-12
• 第1章 绪论12-20
• 1.1 引言12-13
• 1.2 国内外研究现状13-17
• 1.2.1 点云模型的特征分割技术13-15
• 1.2.2 集群数据的聚类分析技术15
• 1.2.3 虚拟环境下的装配精度检测技术15-17
• 1.3 研究内容与意义17-18
• 1.4 本文组织与框架18-20
• 第2章 基于随机样本一致性的显著特征分割方法20-40
• 2.1 引言20-21
• 2.2 面向装配配合特征的随机样本一致性泛函分析21-28
• 2.2.1 面向点云模型的随机样本一致性统计学分析21-26
• 2.2.2 面向参数化特征的随机样本一致性泛函分析26-28
• 2.3 基于RANSAC的显著特征分割算法设计28-31
• 2.3.1 点云模型显著特征的数据提取28-29
• 2.3.2 显著特征分割算法模块设计与实现29-31
• 2.4 点云模型显著特征分割算法的实验与结果分析31-39
• 2.4.1 点云模型显著特征分割算法实例测试与分析32-36
• 2.4.2 点云模型显著特征分割算法实验结果评价36-39
• 2.5 本章小结39-40
• 第3章 基于权值软分配K均值聚类分析的细节特征分割方法40-63
• 3.1 引言40-41
• 3.2 高精度点云模型细节特征的点云数据标签化41-46
• 3.2.1 高精度点云模型的点云数据特点分析41-42
• 3.2.2 基于主成分分析的细节特征点云数据提取方法42-46
• 3.2.3 基于PCA的点云模型细节特征标签化方法46
• 3.3 基于权值软分配K均值的细节特征聚类分析方法46-51
• 3.3.1 基于调和均值质量判定的K均值聚类方法47-48
• 3.3.2 面向点云模型细节特征的聚类器设计48-51
• 3.4 基于权值软分配聚类分析的细节特征分割算法51-58
• 3.4.1 点云模型细节特征的自适应分离方法51-54
• 3.4.2 基于RANSAC改进的细节特征分割方法54-57
• 3.4.3 点云模型自适应特征分割方法57-58
• 3.5 细节特征分割算法实验分析58-62
• 3.5.1 细节特征分割算法的模块设计与实现58-59
• 3.5.2 细节特征分割算法的实验结果与分析59-62
• 3.6 本章小结62-63
• 第4章 基于点云特征匹配计算的装配精度检测方法63-80
• 4.1 引言63-64
• 4.2 基于装配配合特征ICP配准的形位误差检测流程64-68
• 4.2.1 工装定位误差的引入65-66
• 4.2.2 形位误差检测流程66-68
• 4.3 基于装配配合点云特征计算的形位误差评价函数68-77
• 4.3.1 平面度评价函数70-71
• 4.3.2 平行度评价函数71-73
• 4.3.3 垂直度评价函数73-76
• 4.3.4 角度误差评价函数76-77
• 4.4 基于留一验证(LOOCV)优化的形位误差计算方法77-79
• 4.4.1 形位误差评价计算的影响因素77-78
• 4.4.2 基于留一验证的精度计算流程78-79
• 4.5 本章小结79-80
• 第5章 装配精度检测系统开发及其应用80-97
• 5.1 引言80
• 5.2 装配精度检测系统总体设计80-84
• 5.2.1 装配精度检测系统的总体架构设计81-83
• 5.2.2 装配精度检测系统功能模块设计83-84
• 5.3 装配精度检测系统核心功能模块实现84-92
• 5.3.1 点云模型及混合模型数据预处理模块85-87
• 5.3.2 装配精度检测流程控制模块87-88
• 5.3.3 点云模型自适应特征分割模块88-90
• 5.3.4 虚拟装配中的装配精度检测模块90-92
• 5.4 装配精度检测系统在桁架装配中的应用92-96
• 5.5 本章小结96-97
• 第6章 总结与展望97-99
• 6.1 全文总结97-98
• 6.2 工作展望98-99
• 参考文献99-103
• 作者简介103

【相似文献】

中国期刊全文数据库 前10条

1 刘薇娜,赵伟宏,周军杰;机器装配精度的系统分析[J];长春理工大学学报;2004年03期

2 孙征;;产品的装配精度及工艺保证方法[J];科技信息(学术研究);2007年05期

3 殷建波;郭斌;;关于机械装配精度[J];叉车技术;1999年01期

4 阚风华;;提高装配精度的几种方法[J];安徽电子信息职业技术学院学报;2010年02期

5 邓兴贵,蒋宏伟;从部件装配精度反求零件的尺寸精度[J];机械研究与应用;2002年02期

6 沈剑英;调整环实际装配精度的计算和分析[J];宁波高等专科学校学报;2003年02期

7 钟先信;;开式曲柄压力机装配精度的分析和保证装配精度的方法[J];锻压机械;1976年02期

8 牟永田;韩耀光;;浅谈保证装配精度的装配方法[J];机械管理开发;2011年04期

9 刘伟东;宁汝新;刘检华;蒋科;;基于偏差有向图和D-H方法的产品装配精度预测技术[J];机械工程学报;2012年07期

10 吉美丽,文西芹;装配精度设计中的形位误差问题分析[J];中国标准化;1996年12期

中国重要会议论文全文数据库 前1条

1 徐向兰;王静;姜合萍;王佰超;;轴孔零件精确选配法[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

中国硕士学位论文全文数据库 前5条

1 栗万羽;数控机床结合面特性对其装配精度影响规律的研究[D];电子科技大学;2014年

2 周彭晨;装配精度检测中的自适应特征分割方法及其在虚拟装配中的应用[D];浙江大学;2016年

3 王鹏;基于CAD模型的装配精度预测[D];哈尔滨工业大学;2012年

4 肖君源;板式家具装配精度研究[D];北京林业大学;2009年

5 王淞灵;考虑结合面基础特性参数的数控机床装配精度研究[D];电子科技大学;2013年

，

本文编号：1132948