一种基于MBD的Creo模型特征识别及其相似度评价方法、存储介质技术

本发明专利技术涉及一种基于MBD的Creo模型特征识别及其相似度评价方法、存储介质，是指：根据源模型中选定的源特征，识别目标模型中与其相同或相似的局部特征，并评价两者之间的相似性；将要从中搜索局部特征的模型称为目标模型，将用于对比的模型称为源模型，源模型中用于对比的局部特征称为源特征，源模型和目标模型均为使用Creo软件建立的基于MBD的三维实体模型。基于MBD的模型中除了包含模型结构、尺寸外，还在模型中定义了模型表面的表面粗糙度和各类形状公差。

【技术实现步骤摘要】
一种基于MBD的Creo模型特征识别及其相似度评价方法、存储介质
本专利技术涉及一种三维模型中特征识别与相似度评价的方法，特别涉及一种基于MBD的Creo实体模型中的自动特征识别及其相似度评价方法。
技术介绍
当前，基于图的三维模型自动识别中，现有方法中将相比较的两个模型拆分成面，并对其分为平面、圆柱面、圆锥面、圆环面、圆球面以及自由曲面等六种类型。将相同类型的面两两匹配，并计算出每对面的相似性系数作为权重，从而两模型中同种类型的面形成一个赋值偶图。利用图论中赋值偶图的最优匹配算法，计算出两个模型同类型面中各面的最优匹配方案，并计算其加权最优匹配值，最后，将各种类型面的最优匹配值相加得到模型相似系数，作为评价模型相似性的依据。基于上述基于最优匹配的特征识别及相似性评价方法，能够反映模型在表面几何信息和拓扑结构方面的相似性。但是，以上方法以及现有的其他特征识别与相似性评价的方法，均未考虑模型表面在公差、粗糙度等加工工艺方面的信息，无法进行模型中加工工艺相同或相近的特征的识别及其相似性评价。
技术实现思路
针对现有技术的不足，本本文档来自技高网...

【技术保护点】
1.一种基于MBD的Creo模型特征识别及其相似度评价方法，其特征在于，是指：根据源模型中选定的源特征，识别目标模型中与其相同或相似的局部特征，并评价两者之间的相似性，从而实现对目标模型中与源特征相似的局部特征的选取，及其相似性的评价；将要从中搜索局部特征的模型称为目标模型，将用于对比的模型称为源模型，源模型中用于对比的局部特征称为源特征，目标模型和源模型均为使用Creo软件建立的基于MBD的三维实体模型。/n

【技术特征摘要】
1.一种基于MBD的Creo模型特征识别及其相似度评价方法，其特征在于，是指：根据源模型中选定的源特征，识别目标模型中与其相同或相似的局部特征，并评价两者之间的相似性，从而实现对目标模型中与源特征相似的局部特征的选取，及其相似性的评价；将要从中搜索局部特征的模型称为目标模型，将用于对比的模型称为源模型，源模型中用于对比的局部特征称为源特征，目标模型和源模型均为使用Creo软件建立的基于MBD的三维实体模型。


2.根据权利要求1所述的一种基于MBD的Creo模型特征识别及其相似度评价方法，其特征在于，根据源模型中选定的源特征，识别目标模型中与其相同或相似的局部特征，并评价两者之间的相似性，包括步骤如下：
步骤1：建立目标模型的基于MBD的多维属性邻接矩阵
目标模型的基于MBD的多维属性邻接矩阵是通过提取目标模型中表面和边的拓扑结构、几何形状、几何尺寸、表面粗糙度以及形状公差信息，建立的五个属性邻接矩阵；包括：第一维属性邻接矩阵即拓扑结构矩阵TM，表示目标模型中各表面和边相对位置关系；第二维属性邻接矩阵即形状矩阵SM，表示目标模型中各表面和边的形状；第三维属性邻接矩阵即几何尺寸矩阵GDM，表示目标模型表面的面积或边的长度；第四维属性邻接矩阵即表面粗糙度矩阵SRM，表示目标模型表面的粗糙度值；第五维属性邻接矩阵即形状公差矩阵组FTMG；
步骤2：建立源特征的基于MBD的多维属性邻接矩阵
源特征是从源模型中选取的一部分连续的表面组，在进行源特征选取时，打开源模型，选取源特征，建立源特征的基于MBD的多维属性邻接矩阵；
步骤3：分别以源特征的表面和目标模型的表面作为独立集构建赋权完全偶图；
步骤4：利用Kuhn-Munkres算法计算源特征与目标模型间表面的整体最优匹配
使用Kuhn-Munkres算法搜索源特征和目标模型之间权值和最大的边的集合，作为赋权完全偶图顶点间的最优匹配M，从而检索到目标模型中与源特征最相似的局部特征；
步骤5：评价源特征与目标模型局部特征的相似度
去除补充面，求取源特征与目标模型局部特征的相似度。


3.根据权利要求2所述的一种基于MBD的Creo模型特征识别及其相似度评价方法，其特征在于，第一维属性邻接矩阵即拓扑结构矩阵TM的建立过程如下：
拓扑结构矩阵TM是一个n阶方阵，n是目标模型中表面的数量；拓扑结构矩阵TM的表达形式如式(1)所示：



式(1)中，拓扑结构矩阵TM中对角线元素STii记录模型表面的ID，i＝1,2,…,n；非对角线元素ETij代表模型表面与表面之间交线的ID，i,j＝1,2,…,n，若模型中两个表面不相交，则这两个表面所在的行与列的相交元素、以及列与行的相交元素为0。


4.根据权利要求2所述的一种基于MBD的Creo模型特征识别及其相似度评价方法，其特征在于，第二维属性邻接矩阵即形状矩阵SM的建立过程如下：
形状矩阵SM为n阶方阵，n代表模型中的表面的个数，形状矩阵SM如式(2)所示，



式(2)中，矩阵中对角线元素SSii代表模型上的表面，i＝1,2,…,n，根据不同的表面的类型，赋予不同的数值，其定义如式(3)所示；其他元素ESij表示模型表面与表面的交线，i,j＝1,2,…,n，当表面与表面不相交时，其值赋0，当元素相交时，根据交线类别的不同分别赋予不同的值，如式(4)所示；








5.根据权利要求2所述的一种基于MBD的Creo模型特征识别及其相似度评价方法，其特征在于，第三维属性邻接矩阵即几何尺寸矩阵GDM的建立过程如下：
几何尺寸矩阵GDM中，若元素为表面，表示该表面的面积；若元素为边，表示该边的长度，GDM定义如式(5)所示：



式(5)中，矩阵中对角线元素SGDii表示模型中表面的面积，i＝1,2,…,n，使用ProSurfaceAreaEval()函数依次获取模型中所有表面的面积；非对角线元素EGDij表示模型中表面与表面之间交线的长度，i,j＝1,2,…,n，若两个表面不相交，则此元素值为0，使用ProEdgeLengthEval()函数依次获得模型所有边的长度。


6.根据权利要求2所述的一种基于MBD的Creo模型特征识别及其相似度评价方法，其特征在于，第四维属性邻接矩阵即表面粗糙度矩阵SRM的建立过程如下：
表面粗糙度矩阵SRM中，非对角线元素均为零，矩阵为对角线矩阵，表面粗糙度矩阵SRM如式(6)所示：



式(6)中，元素SRii表示模型第i个表面粗糙度值，i＝1,2,…,n，若获取到粗糙度，其值为粗糙度值，若无粗糙度，其值为零。


7.根据权利要求2所述的一种基于MBD的Creo模型特征识别及其相似度评价方法，其特征在于，第五维属性邻接矩阵即形状公差矩阵组FTMG的建立过程如下：
形状公差矩阵组FTMG为对角矩阵，每个表面用一个6维数组来定义其形状公差，形状公差矩阵组FTMG定义如式(7)所示：



式(7)中，矩阵元素FTii(6)表示模型表面的形状公差数组，i＝1,2,…,n，6为数组的维数；数组元素由形状公差类型及其数值组成，定义如式(8)所示：...

【专利技术属性】
技术研发人员：丁淑辉，周鑫，孙兆洋，岳高峰，王彬，韩京良，王连松，封强，白金栋，
申请(专利权)人：山东科技大学，中国标准化研究院，
类型：发明
国别省市：山东;37