以B-rep為基礎之薄殼元件凸起特徵辨識技術發展

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：65

、訪客IP：3.17.74.27

姓名

吳闓任(Kai-Ren Wu) 查詢紙本館藏

畢業系所

機械工程學系

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

相關論文

★ 光纖通訊主動元件之光收發模組由上而下CAD模型設計流程探討	★ 汽車鈑金焊接之夾治具精度分析與改善
★ 輪胎模具反型加工路徑規劃之整合研究	★ 自動化活塞扣環壓入設備之開發
★ 光學鏡片模具設計製造與射出成形最佳化研究	★ CAD模型基礎擠出物之實體網格自動化建構技術發展
★ 塑膠射出薄殼件之CAD模型凸起面特徵辨識與分模應用技術發展	★ 塑膠射出成型之薄殼件中肋與管設計可製造化分析與設計變更技術研究
★ 以二維影像重建三維彩色模型之色彩紋理貼圖技術與三維模型重建系統發展	★ 結合田口法與反應曲面法之光學鏡片射出成型製程參數最佳化分析
★ 薄殼零件薄殼本體之結構化實體網格自動建構技術發展	★ Boss特徵之結構化實體網格自動化建構技術發展
★ 應用於模流分析之薄殼元件CAD模型特徵辨識與分解技術發展	★ 實體網格建構對於塑膠光學元件模流分析之影響探討
★ 螺槳葉片逆向工程CAD模型重建與檢測	★ 電腦輔助紋理影像辨識與點資料視覺化研究

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

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。

摘要(英)

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.

關鍵字(中)

★ B-rep
★ 特徵辨識
★ 凸起物
★ CAE
★ 薄殼元件

關鍵字(英)

★ B-rep
★ Feature recognition
★ Extrusion
★ CAE
★ Thin shell part

論文目次

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

參考文獻

[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.

指導教授

賴景義(Jiing-Yih Lai)

審核日期

2017-7-26

推文