以B-rep為基礎之薄殼元件凸起特徵辨識技術發展｜國立中央大學博碩士論文系統

簡易檢索 / 詳目顯示

回結果列表

研究生：	吳闓任 Kai-Ren Wu
論文名稱：	以B-rep為基礎之薄殼元件凸起特徵辨識技術發展
指導教授：	賴景義 Jiing-Yih Lai
口試委員:
學位類別：	碩士 Master
系所名稱：	工學院 - 機械工程學系 Department of Mechanical Engineering
論文出版年：	2017
畢業學年度：	105
語文別：	中文
論文頁數：	103
中文關鍵詞：	B-rep 、特徵辨識、凸起物、CAE 、薄殼元件
外文關鍵詞：	B-rep, Feature recognition, Extrusion, CAE, Thin shell part
相關次數：	點閱：16 下載：0
分享至:	分享至facebook 分享至twitter

查詢本校圖書館目錄查詢臺灣博碩士論文知識加值系統勘誤回報

在一般薄殼元件上，凸起物是常見的特徵，無論是功能性物件或者是造型物件皆是在一模型上非常重要的特徵物件，而凸起物又可再細分成肋、管、柱，以及其它較複雜形狀如兩塑膠殼件接合處的卡榫亦或是其它造型結構，以上特徵易造成品質不良的網格建構，進而影響CAE分析之準確度，若是能在事先將殼件基底外之凸起物作辨識前置處理，方能針對各種不同形狀之特徵，個別進行網格化，以達成改善網格品質。而本研究基於B-rep資料結構，發展出一特徵辨識技術，針對一般塑膠薄殼元件，可辨識殼件基底上之凸起面，並將相鄰凸起面群組化，同時記錄相關資訊與分類。此一系列的過程有別於市售軟體需以近手動方式進行辨識，而是以自動化方式將殼件基底與凸起物資料辨識分離。而本研究將以22個實際案例來驗證此辨識演算法之準確率及可靠性。

In general thin shell models, extrusion is a very common feature, and is an important structure on a model for both functional and modeling purposes. Extrusion can be roughly classified into two types. One is easy structure like rib, tube, and column, and the other is more complicated like the hold-open device, which is between two plastic parts. Such features sometimes tend to generate poor-quality meshes and lead to the deterioration of CAE analysis. If a feature recognition pre-process for extrusion structure is available, then the mesh quality can be improved by applying better types of meshes for such a structure. This research presents an approach based on the B-rep data structure for an extrusion recognition of plastic thin shell parts. It can recognize and record extrusion surface independently from thin shell parts. For each grouping data, we analyze and sort the neighboring faces which represent a group of extrusion. The proposed algorithm is different from commercial software which is primarily manual-operated. Our study can recognize and separate the extrusion feature automatically. Twenty-two models are applied to test the accuracy and reliability of the proposed extrusion recognition algorithm.

摘要    I
Abstract    II
誌謝    III
第一章    緒論    1
1.1 前言    1
1.2 文獻回顧    4
1.3 研究目的與方法    8
1.3.1 研究目的    8
1.3.2 研究方法    9
1.4 論文架構    13
第二章    凸起物特徵辨識之基礎    14
2.1 前言    14
2.2 薄殼件上之凸起物定義與型式的界定    14
2.3 薄殼元件的厚度量測概念    19
2.4 凸起物辨識之資訊定義    24
2.4.1 薄殼件資訊    24
2.4.2 邊與面的拓樸資訊    26
第三章    凸起特徵辨識演算法    34
3.1 前言    34
3.2 分界面的選取與內外面的判別    34
3.3 凸起面的量測與判斷    40
3.4 辨識資訊的結合與凸起特徵的群組化    48
第四章    案例測試與討論    55
4.1 前言    56
4.2本研究凸起特徵辨識操作步驟與結果分析    56
4.2.1 凸起特徵辨識之操作步驟    56
4.2.2 本研究之凸起特徵辨識結果    58
4.3 CADdoctor辨識模組操作步驟    66
4.4 本研究與CADdoctor辨識結果比較    69
第五章 結論與未來展望    86
5.1 結論    86
5.2 未來展望    87
參考文獻    89

 
圖目錄
圖1-1 特徵辨識法的分類[4]    3
圖1-2 一般模型特徵拆解示意圖    5
圖1-3 凸起特徵辨識規劃魚骨圖    10
圖2-1 B-rep結構與模型示意圖[19]    15
圖2-2 B-rep資料結構關係圖    16
圖2-3 凸起物的各式情況，(a)凸起物與Rib混接，(b)Tube與Rib混接(或稱為Boss)，(c)丁字型Rib，(d)凸起物，(e)十字型Rib，(f)Column與Rib混接    18
圖2-4 射線法(適用均質厚度)    20
圖2-5 滾球法(適用非均質厚度)，其中r1與r2為球體半徑，t1與t1為量測厚度，t1=2r1，t2=2r2    22
圖2-6 傳統滾球法量測示意圖，t1為傳統滾球法距離量測位置，t2為本研究所需距離量測位置    23
圖2-7 一般薄殼元件組成，(a)、(b) 屬於單一分界面模型，(c)、(d)屬於多重分界面模型，(e)、(f)為模件的正面與反面，屬於多重穿孔分界面，(g)、(h)為模件的正面與反面，屬於多重穿孔分界面    25
圖2-8 凹凸角性質判斷說明，(a)凸角性質，(b)凹角性質    29
圖2-9 邊面角度示意圖    30
圖3-1 凸起特徵特徵辨識流程圖    35
圖3-2 使用者介面及分界面選項    37
圖3-3 已選取之分界面    38
圖3-4 單一分界面內外面示意圖    39
圖3-5 凹凸邊數量比示意圖    41
圖3-6 候選面距離(TC)量測示意圖，(a)候選面與其面中點，(b)候選面距離示意圖    43
圖3-7 區域厚度(TL)量測示意圖    44
圖3-8 凸起面判斷示意圖    46
圖3-9 凸起面判斷的各種情形，(a)候選面為平面，(b)候選面為斜面，(c)候選面為1/4球面，(d)候選面為2/1球面；(e)候選面為不明顯起伏面    47
圖3-10 凸起結構示意圖    49
圖3-11 凸起面群組化流程圖    51
圖3-12 凸起面組化過程    52
圖3-13 凸起面群組化結果    53
圖3-14 未定義特徵示意圖    54
圖3-15 凹陷特徵資訊記錄，(a)引入孔洞資訊後之凸起面群組結果；(b)孔洞與凹陷資訊個別記錄    55
圖4-1 Rhino檔案匯入介面示意圖，(a)匯入CAD模型檔案選項，(b)模型選擇介面    57
圖4-2 凸起特徵辨識操作流程(續下頁)    59
圖4-3 模型8問題示意圖    67
圖4-4 模型14問題示意圖    68
圖4-5 CADdoctor簡化模組功能表    70
圖4-6 CADdoctor凸出部辨識流程圖    71
圖4-7 CAD 模型驗證，(a)與(b)左圖為本研究辨識結果，右圖為 CADdoctor辨識結果    84
圖4-8  CAD 模型驗證，(a)與(b)左圖為本研究辨識結果，右圖為 CADdoctor辨識結果    85

 
表目錄
表2-1 邊屬性(EAAG)鄰近關係拓樸資訊    27
表2-2 面屬性(FAAG)鄰近關係拓樸資訊    33
表4-1 本研究凸起特徵辨識結果    61
表4-2 CADdoctor凸出部辨識結果    73
表4-3 本研究與CADdoctor辨識結果比較    78


                                

[1] S. Joshi and T.C. Chang, “Graph-based Heuristics for Recognition of Machined Features from a 3D Solid Model”, Computer-Aided Design, Vol. 20, No.2, pp. 56-58, 1988.
[2] B. Babic, N. Nesic and Z. Miljkovic, “A Review of Automated Feature Recognition with Rule-based Pattern Recognition”, Computers in Industry, Vol. 59, No. 4, pp. 321-337, 2008.
[3] Y. Lu, R. Gadh and T. J. Tautges, “Feature Based Hex Meshing Methodology: Feature Recognition and Volume Decomposition”, Computer-Aided Design, Vol. 33, No. 3, pp. 221-232, 2001.
[4] J. Shah, D. Anderson, Y. Kim and S. Joshi, “A Discourse on Geometric Feature Recognition from CAD Models”, Journal of Computing and Information Science in Engineering, Vol. 1, No. 1, pp. 41-51, 2001.
[5] M. Mäntylä, D. Nau and J. Shah, “Challenges in Feature-based Manufacturing Research”, Communications of the ACM, Vol. 39, No. 2, pp. 77-85, 1996.
[6] J. J. Shah, “Assessment of Features Technology”, Computer-Aided Design, Vol. 23, No. 5, pp. 331-343, 1991.
[7] Q. Ji and M. M. Marefat, “Machine Interpretation of CAD Data for Manufacturing Applications”, ACM Computing Surveys, Vol. 24, No. 3, 1997.
[8] S. Ansaldi, L. D. Floriani and B. Falcidieno, “Geometric Modeling of Solid Objects by Using a Face Adjacency Graph Representation”, ACM SIGGRAPH Computer Graphics, Vol. 19 No. 3, pp. 131-139, 1985.
[9] F. Tian, X. Tian, J. Geng, Z. Li and Z. Zhang, “A Hybrid Interactive Feature Recognition Method Based on Lightweight Model”, 2010 International Conference on Measuring Technology and Mechatronics Automation (ICMTMA), Vol. 1, pp. 113-117, 2010.
[10] Y. Woo and S. H. Kim, “Protrusion Recognition from Solid Model Using Orthogonal Bounding Factor”, Journal of Mechanical Science and Technology, Vol. 28, No. 5, pp. 1759-1764, 2014.
[11] J. H. Vandenbrande and A. A. G. Requicha, “Automatic Rcognition of Machinable Features in Solid Models”, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol, 15, No. 12, pp.1269-1285, 1993.

[12] 邱昱凱，以B-rep為基礎之孔洞特徵辨識技術發展，國立中央大學碩士論文，2014.
[13] E. S. A. Nasr and A. K. Kamrani, “A New Methodology for Extracting Manufacturing Features from CAD System”, Computers and Industrial Engineering, Vol. 51, No. 3, pp. 389-415, 2006.
[14] J. Y. Lai, M. H. Wang, Z. W. You, Y. K. Chiu, C. H. Hsu, Y. C. Tsai and C. Y. Huang, “Recognition of Virtual Loops on 3D CAD Models Based on the B-rep Model”, Engineering with Computers, Vol. 32, No. 4, pp. 593-606, 2016.
[15] B. Sinha, “Efficient Wall Thickness Analysis Methods for Optimal Design of Casting Parts”, Engineering Design, pp.1-4, 2007.
[16] Rhino, Available from: https://www.rhino3d.com/, Accessed on 05-Jul-2017.
[17] openNURBS, Available from: https://wiki.mcneel.com/developer/opennurbs/home, Accessed on 05-Jul-2017.
[18] CADdoctor, Available from https://www.elysium.co.jp/productinfo/caddoctor/, Accessed on 05-Jul-2017.
[19] B-rep data structure, Available from: http://developer.rhino3d.com/guides/cpp/brep-data-structure/, Accessed on 05-Jul-2017.
[20] 陳建富，CAE應用之肋特徵辨識技術發展，國立中央大學碩士論文， 2015.
[21] M. H. Wang, J. Y. Lai, Y. K. Chiu, C. H. Hsu, Y. C. Tsai and C. Y. Huang, "On the Development of Virtual Inner Loops for Feature Recognition", Key Engineering Materials, Vol. 656-657, pp. 761-767, 2015.

簡易檢索 / 詳目顯示

相關論文