基于CAA的復(fù)雜零件MBD模型數(shù)字化檢測數(shù)據(jù)提取與組織技術(shù)

劉紅軍，葉文靜，紀 俐

（沈陽航空航天大學(xué) 機電工程學(xué)院，沈陽 110136）

基于CAA的復(fù)雜零件MBD模型數(shù)字化檢測數(shù)據(jù)提取與組織技術(shù)

劉紅軍，葉文靜，紀 俐

（沈陽航空航天大學(xué) 機電工程學(xué)院，沈陽 110136）

為實現(xiàn)數(shù)字化檢測過程中基于MBD產(chǎn)品的復(fù)雜零件檢測信息自動獲取與關(guān)聯(lián)特征，提出基于CATIA平臺利用CAA技術(shù)對模型底層信息獲取的實現(xiàn)方法。首先對模型的底層B-Rep信息進行提取，根據(jù)提取的幾何數(shù)據(jù)與拓撲數(shù)據(jù)對模型進行檢測特征的識別，之后對檢測信息進行提取與分析并關(guān)聯(lián)相應(yīng)的檢測特征，結(jié)合特征識別結(jié)果確定檢測信息的具體位置，最后通過檢測工藝規(guī)劃得到標(biāo)準(zhǔn)的DMIS檢測程序，驅(qū)動三坐標(biāo)測量機完成零件的檢測。檢測結(jié)果表明此方法能夠準(zhǔn)確、高效的提取復(fù)雜零件的檢測信息并關(guān)聯(lián)特征，滿足數(shù)字化檢測技術(shù)中對檢測信息與關(guān)聯(lián)特征的要求，為數(shù)字化檢測技術(shù)提供了全新的基于MBD模型的數(shù)字化檢測數(shù)據(jù)提取與組織方式。

MBD；CATIA；檢測信息；特征識別；數(shù)字化檢測；組件應(yīng)用技術(shù)

0 引言

伴隨著數(shù)字化設(shè)計與數(shù)字化制造的廣泛應(yīng)用，對產(chǎn)品質(zhì)量評價體系的要求也越來越高，數(shù)字化檢測技術(shù)應(yīng)運而生，制造行業(yè)逐步走向數(shù)字化設(shè)計、制造、檢測相結(jié)合的現(xiàn)代化制造模式，但基于MBD的數(shù)字化檢測技術(shù)的全面應(yīng)用仍然處于探索階段。基于MBD的檢測信息獲取與特征的準(zhǔn)確關(guān)聯(lián)是實現(xiàn)數(shù)字化檢測的基礎(chǔ)[1]，目前各三坐標(biāo)產(chǎn)商開發(fā)了適用于自己測量機的各類檢測規(guī)劃軟件可自動識別檢測信息與特征，如UG中CMM檢測模塊、PC-DMIS軟件及AC-DMIS軟件等，但各類檢測規(guī)劃軟件對不同設(shè)計平臺所設(shè)計的模型存在兼容性問題，造成讀取模型時個別零件丟失、檢測信息丟失及檢測特征丟失等問題。目前國內(nèi)部分大型企業(yè)已經(jīng)應(yīng)用數(shù)字化檢測設(shè)備進行檢測，但檢測信息的獲取仍然依靠人工讀取二維圖紙來確定，而設(shè)計、制造過程已經(jīng)實現(xiàn)了三維數(shù)字化，就導(dǎo)致檢驗信息產(chǎn)生雙數(shù)據(jù)源，給信息的管理與傳遞過程造成了潛在問題[2]。如何獲取MBD模型的檢測信息與關(guān)聯(lián)檢測特征是保證數(shù)字化檢測結(jié)果正確的關(guān)鍵因素，文中對CATIA模型利用CAA[3]（Component Application Architecture）技術(shù)對檢測信息獲取并關(guān)聯(lián)檢測特征，實現(xiàn)了檢測信息的自動獲取與關(guān)聯(lián)特征，為數(shù)字化檢測提供數(shù)據(jù)基礎(chǔ)。

1 檢測特征識別

特征識別是從零件模型中抽取具有一定工程意義的特征信息[4]，特征是解決CAD/CAPP/CAM間“自動化”孤島問題的有效辦法[5]，同樣，在數(shù)字化檢測系統(tǒng)中，檢測特征作為系統(tǒng)的數(shù)據(jù)源，為檢測規(guī)劃系統(tǒng)提供了基本的檢測信息。文中采用CATIA底層B-Rep數(shù)據(jù)對特征進行提取并識別[6]。

1.1 B-Rep信息提取

B-Rep邊界表示法是指用點、邊、面、環(huán)以及它們之間相互的關(guān)系描述三維模型[7]，UG和CATIA等軟件以B-Rep邊界表示法為基礎(chǔ)描述幾何形體，B-Rep數(shù)據(jù)包含幾何定義數(shù)據(jù)與拓撲數(shù)據(jù)，幾何定義數(shù)據(jù)是指幾何對象在空間中的表達，拓撲關(guān)系數(shù)據(jù)是指點、線、面、環(huán)的幾何定義數(shù)據(jù)及相互之間的拓撲關(guān)系數(shù)據(jù)。在CATIA模型中，存在幾何對象與拓撲對象之分，拓撲對象是由幾何對象抽取而出，用來表達模型的拓撲關(guān)系。根據(jù)CATIA模型中所有拓撲對象之間的拓撲層次關(guān)系，可得出CATIA模型B-Rep數(shù)據(jù)提取的基本思路，其流程如圖1所示，按照此流程對B-Rep信息進行提取，部分程序如下：

圖1 檢測模型B-Rep信息提取流程

1.2 特征識別

特征識別技術(shù)中基于圖的方法具有準(zhǔn)確且高效識別特征的效果，并得到了廣泛使用，該方法采用屬性鄰接圖方式來描述構(gòu)成特征的面集合之間的關(guān)系[8]，節(jié)點對應(yīng)零件的實體面，弧的屬性表示兩面交線的凹凸性，為凸弧時，表明與該節(jié)點所連接的邊為凸邊，相反則為為凹邊，弧線的凹凸屬性判斷公式如下：

2 檢測信息獲取與分析

傳統(tǒng)的檢測方法需檢測人員在尺寸標(biāo)注與公差標(biāo)注的位置查找檢驗要求并確定檢驗計劃和檢驗工序，這種檢測方法工作量龐大，效率極低而且準(zhǔn)確度無法保證，遇到檢測對象繁多的復(fù)雜零件，易造成檢測數(shù)據(jù)丟失。本文的主要目的是保證檢測信息不丟失的前提下提高檢測效率實現(xiàn)數(shù)字化檢測。

檢測信息獲取的過程即對模型中的MBD數(shù)據(jù)提取的過程[9]，首先獲取模型的標(biāo)注隊列（CATITPSList）對象，之后得到標(biāo)注的依附面TTRS（Technologically and Topologically Related Surfaces），并判斷其類型是Semantic還是Nonsemantic，再判斷基本類型如Dimension（尺寸），Geometrical Tolerance（幾何公差），Roughness（粗糙度）等，然后通過不同類型TPS特征對應(yīng)的形為特征接口提取相應(yīng)的數(shù)據(jù)，部分程序?qū)崿F(xiàn)如下，圖2為CATIA模型中MBD的數(shù)據(jù)提取流程。

3 應(yīng)用實例

圖2 MBD數(shù)據(jù)提取流程

在CATIA平臺下建立如圖4所示模型并進行MBD信息標(biāo)注，按照圖1中B-Rep信息提取的流程對CATIA模型底層的基本數(shù)據(jù)進行獲取，獲取的拓撲面作為屬性鄰接圖的節(jié)點，判斷節(jié)點之間的凹凸關(guān)系，對輸出的屬性鄰接矩陣分解出不包含凸弧的結(jié)構(gòu)，與標(biāo)準(zhǔn)特征庫進行比對后識別出獨立的特征結(jié)構(gòu)，如圖3所示，為凹槽特征與圓孔特征的屬性鄰接矩陣，其中“2”所在位置為凹弧出現(xiàn)位置，“0”表示兩面不相鄰無交線，“1”代表凸弧出現(xiàn)位置，“3”表示兩相交面處于相切狀態(tài)。特征識別后，對檢測信息進行分析與提取，并關(guān)聯(lián)其特征，結(jié)果如圖4所示。

圖3 凹槽與圓孔鄰接矩陣

圖4 檢測模型

經(jīng)特征識別、檢測信息分析與特征關(guān)聯(lián)后獲得的檢測信息，通過后續(xù)的檢測工藝規(guī)劃，即檢測點布置、檢測碰撞檢查與規(guī)避后，輸出標(biāo)準(zhǔn)的DMIS程序，驅(qū)動三坐標(biāo)測量機對模型進行檢測，圖5為零件的檢測過程，檢測結(jié)果表明，檢測信息提取、信息分析與關(guān)聯(lián)特征結(jié)果準(zhǔn)確，三坐標(biāo)測量機能夠?qū)ζ溥M行識別與評價，而且整個檢測過程時間大幅度縮減，顯著的提高了檢測效率。

圖5 零件檢測

4 結(jié)論

文中提出在CATIA平臺利用CAA技術(shù)實現(xiàn)自動獲取檢測信息與關(guān)聯(lián)特征方法，針對傳統(tǒng)檢測過程中手動獲取檢測信息的丟失、錯誤和低效率問題，檢測特征不能自動關(guān)聯(lián)問題、特征屬性不能自動獲取問題進行了解決，由設(shè)計模型通過對底層B-Rep信息提取進行檢測特征的識別，之后對檢測信息進行提取與分析，關(guān)聯(lián)相關(guān)的幾何特征，經(jīng)后續(xù)的檢測工藝規(guī)劃可實現(xiàn)三坐標(biāo)測量機的驅(qū)動，驗證了檢測信息提取與特征關(guān)聯(lián)的正確性。檢測信息與特征的自動獲取與關(guān)聯(lián)告別了傳統(tǒng)的檢測方式，并且很大程度上提高了檢測效率，為實現(xiàn)數(shù)字化檢測提供了數(shù)據(jù)基礎(chǔ)。

[1] 袁修華.基于STEP標(biāo)準(zhǔn)的三維實體制造特征識別技術(shù)研究[D].吉林:吉林大學(xué),2008.

[2] 段桂江,岑榮.基于MBD的飛機結(jié)構(gòu)件檢驗規(guī)劃技術(shù)研究[J].航空制造技術(shù),2015,19:62-67.

[3] 梁岱春,張為民,隋立江.淺析基于CAA的CATIA二次開發(fā)[J].航空制造技術(shù),2012,10:65-68.

[4] 李大磊,陳廣飛,尹躍峰.基于圖的混合加工特征識別方法[J].組合機床與自動化加工技術(shù),2013,6:81-83.

[5] 韓娟,張發(fā)平,高博,等.基于圖和規(guī)則的混合式特征識別技術(shù)[J].機械設(shè)計與制造,2013,3:97-104.

[6] V.B.Sunil,RupalAgarwal,S.S.Pande.An Approach to Recognize Interacting Features from B-Rep CAD Models of Prismatic Machined Parts Using a Hybrid (Graph and Rule Based) Technique[J].Computers in Industry,2010,61:686-701.

[7] 徐同明,陳卓寧,李建勛.面向三維機加工藝規(guī)劃系統(tǒng)的CATIA模型B-Rep信息提取與應(yīng)用[J].計算機系統(tǒng)應(yīng)用,2014,23(6):211-214.

[8] 閆海兵.飛機結(jié)構(gòu)件復(fù)雜加工特征識別技術(shù)的研究與實現(xiàn)[D].南京:南京航空航天大學(xué),2010.

[9] 陳卓寧,秦宇,徐明同.面向三維機加工藝規(guī)劃系統(tǒng)的CATIA模型MBD數(shù)據(jù)提取和應(yīng)用[J].計算機系統(tǒng)應(yīng)用,2014,23(9):212-218.

Digital-Inspection data extraction and application of complex MBD model based on CAA

LIU Hong-jun, YE Wen-jing, JI Li

TP182；TP391

A

1009-0134(2016)12-0064-04

2016-08-31

遼寧省自然科學(xué)基金（2013024017）

劉紅軍（1971 -），男，遼寧沈陽人，副教授，博士，研究方向為數(shù)字化設(shè)計與制造。