一种桁架结构三维模型智能生成方法技术

本发明专利技术提出一种桁架结构三维模型智能生成方法，采用分阶段的搭接式框架结构智能化辅助设计，将搭接式框架结构的三维装配建模分割为定性的搭接关系判定与定量的几何计算两个过程，使用深度学习与朱刘算法结合的方法解决了其中关键的第一阶段，即定性的搭接关系判定过程。然后使用几何计算的方法完成第二阶段，最终实现桁架结构的智能化三维建模。本发明专利技术可以有效的智能化构建框架结构的三维装配模型。使用方法性能较优，算法的时间复杂度较低，建模结果准确可靠，所构建的三维装配模型较好的保持了与既有设计原则一致，生成的框架结构模型更符合当前实际。

An intelligent method for 3D modeling of truss structures

The invention provides an intelligent generation method of three-dimensional model of truss structure. By adopting intelligent auxiliary design of lapped frame structure in stages, the three-dimensional assembly modeling of lapped frame structure is divided into two processes: qualitative lapping relation judgment and quantitative geometric calculation. The method combines depth learning with Zhu-Liu algorithm. The key stage is the qualitative decision process of overlap relation. Then the second stage is completed by geometric calculation method, and the intelligent three-dimensional modeling of truss structure is finally realized. The invention can effectively construct the three-dimensional assembly model of the frame structure intelligently. The performance of the method is better, the time complexity of the algorithm is lower, the modeling result is accurate and reliable, the 3D assembly model is better consistent with the existing design principles, and the generated frame structure model is more in line with the current reality.

【技术实现步骤摘要】
一种桁架结构三维模型智能生成方法
本专利技术涉及三维建模领域，尤其是涉及一种桁架结构三维模型智能生成方法。
技术介绍
框架结构类产品在航空航天和机械产品中应用非常广泛，但是在概念设计阶段和详细设计阶段的表达形式不同，概念设计阶段通常以拓扑模型表示，这既有利于缩短研发周期，也有利于对设计原型进行有限元分析、拓扑优化与尺寸优化等工作。在随后的详细设计阶段，设计者需要基于概念设计阶段所完成的拓扑模型与型材规格表，在CAD中生成相应的三维模型以进行后续工作。这一过程如图3所示。然而，由图3(a)的拓扑模型到图3(b)的三维模型转换与构建是一个复杂、耗时的过程，需要完成大量建模工作。不同于常见的产品装配，大量框架结构的型材零件之间采用搭接的方式进行装配，而且多数情况下每个型材的端头只搭接到一个型材的表面。因为同时搭接至两个型材的表面既增加了型材加工的难度，又产生多个装配表面，从而导致装配质量的降低。这些实际要求使得在进行框架三维建模时必须为每个型材零件选择搭接位置，并按照搭接位置进行端头形状建模。而型材零件搭接位置的选择既要考虑各型材零件加工、装配、力学传递的合理性，也要考虑最终产品进行设计变更的难易程度，甚至还需要考虑其美观因素。因此搭接式框架结构的三维装配建模是一个复杂的设计工作，它不是简单的零件定位，而是需要对型材的搭接端头进行端头形状的自动构建，以保证搭接处无干涉，目前较多依赖于现有工程经验与设计方式。此外，框架结构通常构成型材数量庞大，并组成复杂的空间结构。这就使其三维模型的构建过程非常繁琐，成为设计工作的瓶颈。而且装配设计变更也会导致一系列相关型材调整端头形状。这一过程同样意味着大量繁重工作，并且容易导致出错。
技术实现思路
为解决现有技术存在的问题，本专利技术提出一种桁架结构三维模型智能生成方法，采用分阶段的搭接式框架结构智能化辅助设计，将搭接式框架结构的三维装配建模分割为定性的搭接关系判定与定量的几何计算两个过程，使用深度学习与朱刘算法结合的方法解决了其中关键的第一阶段，即定性的搭接关系判定过程。然后使用几何计算的方法完成第二阶段，最终实现桁架结构的智能化三维建模。本专利技术的技术方案为：所述一种桁架结构三维模型智能生成方法，其特征在于：包括以下步骤：步骤1：根据历史样例数据，训练得到深度学习模型；所述历史样例数据包括从桁架结构中提取的零件对信息以及零件之间的搭接信息；其中零件对信息由组成零件对的两个零件的零件规格信息和拓扑关系组成；所述零件规格信息包括零件的长、高、宽、壁厚以及零件在理论轴线上的姿态矢量，所述零件姿态矢量采用零件高度方向或宽度方向的单位法向矢量描述；所述拓扑关系包括零件在拓扑模型中的端点坐标；所述零件之间的搭接信息分为四个标签：标签1表示桁架结构拓扑模型中的节点vb代表的零件搭接到节点va代表的零件；标签2表示节点va代表的零件搭接到节点vb代表的零件；标签3表示节点va和vb各自代表的零件没有接触；标签4表示节点va和节点vb在桁架结构三维模型中是同一个零件，在桁架结构三维模型中，经过连接点的其他零件搭接到节点va和节点vb代表的同一零件的中间部位；以历史样例数据中从桁架结构中提取的零件对信息作为输入，以零件之间的搭接信息作为输出，训练得到深度学习模型；步骤2：对于具体的需要进行三维建模的桁架结构，获取桁架结构的拓扑模型，对拓扑模型中的每个连接点，采用以下过程得到对应该连接点的各零件对之间的初步搭接关系，建立单一连通、根节点确定的概率连接图：步骤2.1：获取对应该连接点各零件规格信息；根据桁架结构的拓扑模型获取各零件在拓扑模型中的端点坐标；步骤2.2：遍历该连接点出的所有零件对，将零件对信息输入步骤1建立的深度学习模型，得到每个零件对搭接关系对应四种标签的概率，取概率最大的标签作为对该零件对搭接关系的初步判断标签；建立该连接点的各零件之间装配关系的概率连接图；步骤2.3：若步骤2.2得到的概率连接图的连通分量个数大于1，则遍历各个连通分量之间边，对于每个边，计算其搭接关系对应标签3的概率与其搭接关系对应其余三种标签的概率之差，取差值的最小值作为该边的判据值；取所有边中判据值最小的边，将该边对应零件对的搭接关系对应标签3的概率设置为0；重新计算概率连接图的连通分量，若连通分量个数仍大于1，则重复本步骤，直至概率连接图的连通分量个数等于1；步骤2.4：对经过步骤2.3处理后的概率连接图，依据以下步骤进行处理，确定概率连接图的根节点：步骤2.4.1：判断概率连接图中是否有搭接关系的初步判断标签为标签4的零件对存在，若有且只有一个这样的零件对存在，则判断这两个零件在拓扑模型中是否共线，若共线则构成该搭接关系的两个零件共同构成根节点，进入步骤3，如果不共线，则将该零件对搭接关系对应标签4的概率置为零；若有不止一个搭接关系的初步判断标签为标签4且两零件共线的零件对存在，则选择这些零件对中搭接关系对应标签4的概率最大的零件对共同构成根节点，并将其余搭接关系对应标签4的概率置为零，进入步骤3；若没有搭接关系的初步判断标签为标签4的零件对存在，则进入步骤2.4.2；步骤2.4.2：寻找这样的零件：它和所有其他零件之间搭接关系的初步判断标签均为标签1；如果这样的零件存在且唯一，则将该零件确定为根节点，进入步骤3；如果这样的零件不唯一，则对这样的零件进行遍历，对于每个这样的零件，计算其参与的零件对的搭接关系对应标签1的概率与搭接关系对应标签2的概率之差，取所有差值中最小的零件对，将该零件对搭接关系的初步判断标签设置为标签2；重复本步骤，直至所述这样的零件唯一；如果这样的零件不存在，则进入步骤2.4.3；步骤2.4.3：遍历概率连接图中所有零件对，计算每个搭接关系的初步判断标签为标签2的零件对中，搭接关系对应标签2的概率和搭接关系对应标签1的概率之差，并将差值最小的零件对的初步判断标签设置为标签1；返回步骤2.4.2；步骤3：在步骤2得到的每个连接点对应的单一连通、根节点确定的概率连接图上，利用朱刘算法获得该连接点上各零件之间搭接关系判断的最大概率树形图，从而得到桁架结构拓扑模型中该连接点上各零件之间的最终搭接关系；步骤4：依据步骤3得到的零件之间的最终搭接关系，结合几何计算构建桁架结构拓扑模型中该连接点处零件的三维模型；遍历拓扑模型所有连接点，最终完成完整的桁架结构三维装配模型。有益效果本专利技术的有益效果是，该方法可以有效的智能化构建框架结构的三维装配模型。使用方法性能较优，算法的时间复杂度较低，建模结果准确可靠，所构建的三维装配模型较好的保持了与既有设计原则一致，生成的框架结构模型更符合当前实际。本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1是本方法的总体流程示意。图2是用于训练深度神经网络的数据样例。图3是用于实施例的三维框架，其中对连接点a处经过的零件三维建模进行实施验证。图4是经过训练后的深度学习网络对经过连接点a的6个零件之间搭接关系进行判别所生成的连接关系图。图5是对图4所生成的连接关系图使用朱刘算法所形成的最大概率树。图6是对已本文档来自技高网...

【技术保护点】
1.一种桁架结构三维模型智能生成方法，其特征在于：包括以下步骤：步骤1：根据历史样例数据，训练得到深度学习模型；所述历史样例数据包括从桁架结构中提取的零件对信息以及零件之间的搭接信息；其中零件对信息由组成零件对的两个零件的零件规格信息和拓扑关系组成；所述零件规格信息包括零件的长、高、宽、壁厚以及零件在理论轴线上的姿态矢量，所述零件姿态矢量采用零件高度方向或宽度方向的单位法向矢量描述；所述拓扑关系包括零件在拓扑模型中的端点坐标；所述零件之间的搭接信息分为四个标签：标签1表示桁架结构拓扑模型中的节点vb代表的零件搭接到节点va代表的零件；标签2表示节点va代表的零件搭接到节点vb代表的零件；标签3表示节点va和vb各自代表的零件没有接触；标签4表示节点va和节点vb在桁架结构三维模型中是同一个零件，在桁架结构三维模型中，经过连接点的其他零件搭接到节点va和节点vb代表的同一零件的中间部位；以历史样例数据中从桁架结构中提取的零件对信息作为输入，以零件之间的搭接信息作为输出，训练得到深度学习模型；步骤2：对于具体的需要进行三维建模的桁架结构，获取桁架结构的拓扑模型，对拓扑模型中的每个连接点，采用以下过程得到对应该连接点的各零件对之间的初步搭接关系，建立单一连通、根节点确定的概率连接图：步骤2.1：获取对应该连接点各零件规格信息；根据桁架结构的拓扑模型获取各零件在拓扑模型中的端点坐标；步骤2.2：遍历该连接点出的所有零件对，将零件对信息输入步骤1建立的深度学习模型，得到每个零件对搭接关系对应四种标签的概率，取概率最大的标签作为对该零件对搭接关系的初步判断标签；建立该连接点的各零件之间装配关系的概率连接图；步骤2.3：若步骤2.2得到的概率连接图的连通分量个数大于1，则遍历各个连通分量之间边，对于每个边，计算其搭接关系对应标签3的概率与其搭接关系对应其余三种标签的概率之差，取差值的最小值作为该边的判据值；取所有边中判据值最小的边，将该边对应零件对的搭接关系对应标签3的概率设置为0；重新计算概率连接图的连通分量，若连通分量个数仍大于1，则重复本步骤，直至概率连接图的连通分量个数等于1；步骤2.4：对经过步骤2.3处理后的概率连接图，依据以下步骤进行处理，确定概率连接图的根节点：步骤2.4.1：判断概率连接图中是否有搭接关系的初步判断标签为标签4的零件对存在，若有且只有一个这样的零件对存在，则判断这两个零件在拓扑模型中是否共线，若共线则构成该搭接关系的两个零件共同构成根节点，进入步骤3，如果不共线，则将该零件对搭接关系对应标签4的概率置为零；若有不止一个搭接关系的初步判断标签为标签4且两零件共线的零件对存在，则选择这些零件对中搭接关系对应标签4的概率最大的零件对共同构成根节点，并将其余搭接关系对应标签4的概率置为零，进入步骤3；若没有搭接关系的初步判断标签为标签4的零件对存在，则进入步骤2.4.2；步骤2.4.2：寻找这样的零件：它和所有其他零件之间搭接关系的初步判断标签均为标签1；如果这样的零件存在且唯一，则将该零件确定为根节点，进入步骤3；如果这样的零件不唯一，则对这样的零件进行遍历，对于每个这样的零件，计算其参与的零件对的搭接关系对应标签1的概率与搭接关系对应标签2的概率之差，取所有差值中最小的零件对，将该零件对搭接关系的初步判断标签设置为标签2；重复本步骤，直至所述这样的零件唯一；如果这样的零件不存在，则进入步骤2.4.3；步骤2.4.3：遍历概率连接图中所有零件对，计算每个搭接关系的初步判断标签为标签2的零件对中，搭接关系对应标签2的概率和搭接关系对应标签1的概率之差，并将差值最小的零件对的初步判断标签设置为标签1；返回步骤2.4.2；步骤3：在步骤2得到的每个连接点对应的单一连通、根节点确定的概率连接图上，利用朱刘算法获得该连接点上各零件之间搭接关系判断的最大概率树形图，从而得到桁架结构拓扑模型中该连接点上各零件之间的最终搭接关系；步骤4：依据步骤3得到的零件之间的最终搭接关系，结合几何计算构建桁架结构拓扑模型中该连接点处零件的三维模型；遍历拓扑模型所有连接点，最终完成完整的桁架结构三维装配模型。...

【技术特征摘要】
1.一种桁架结构三维模型智能生成方法，其特征在于：包括以下步骤：步骤1：根据历史样例数据，训练得到深度学习模型；所述历史样例数据包括从桁架结构中提取的零件对信息以及零件之间的搭接信息；其中零件对信息由组成零件对的两个零件的零件规格信息和拓扑关系组成；所述零件规格信息包括零件的长、高、宽、壁厚以及零件在理论轴线上的姿态矢量，所述零件姿态矢量采用零件高度方向或宽度方向的单位法向矢量描述；所述拓扑关系包括零件在拓扑模型中的端点坐标；所述零件之间的搭接信息分为四个标签：标签1表示桁架结构拓扑模型中的节点vb代表的零件搭接到节点va代表的零件；标签2表示节点va代表的零件搭接到节点vb代表的零件；标签3表示节点va和vb各自代表的零件没有接触；标签4表示节点va和节点vb在桁架结构三维模型中是同一个零件，在桁架结构三维模型中，经过连接点的其他零件搭接到节点va和节点vb代表的同一零件的中间部位；以历史样例数据中从桁架结构中提取的零件对信息作为输入，以零件之间的搭接信息作为输出，训练得到深度学习模型；步骤2：对于具体的需要进行三维建模的桁架结构，获取桁架结构的拓扑模型，对拓扑模型中的每个连接点，采用以下过程得到对应该连接点的各零件对之间的初步搭接关系，建立单一连通、根节点确定的概率连接图：步骤2.1：获取对应该连接点各零件规格信息；根据桁架结构的拓扑模型获取各零件在拓扑模型中的端点坐标；步骤2.2：遍历该连接点出的所有零件对，将零件对信息输入步骤1建立的深度学习模型，得到每个零件对搭接关系对应四种标签的概率，取概率最大的标签作为对该零件对搭接关系的初步判断标签；建立该连接点的各零件之间装配关系的概率连接图；步骤2.3：若步骤2.2得到的概率连接图的连通分量个数大于1，则遍历各个连通分量之间边，对于每个边，计算其搭接关系对应标签3的概率与其搭接关系对应其余三种标签的概率之差，取差值的最小值作为该边的判据值；取所有边中判据值最小的边，将该边对应零件对的搭接关系对应标签3的概率设置为0；重新计算概率连接图的连通分量，...

【专利技术属性】
技术研发人员：莫蓉，曹浩，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西,61