SolidWorks截面草图曲线约束优化技术(五)

2013-07-18 by:广州SW培训中心来源:仿真在线

2.3 基于SolidWorks平台的算法实现

SolidWorks软件通过对象链接与嵌套(OLE)或者组件对象模型(COM)为用户提供了功能强大的二次开发接口(API),其中包含了丰富的功能函数,这些函数提供程序员直接访问SolidWorks的能力,可以被VB、C/C++等编程语言调用,从而创建出用户定制的、专业化的SolidWorks应用模块。因此截面草图曲线的约束优化算法在SolidWorks平台下可以较为方便地实现。Visuai C++与SolidWorks有极好的连接性,能够最大程度地使用SolidWorks API。使用Visual C++作为SolidWorks二次开发的工具,在Visual C++6.0环境下定制自己的菜单和对话框,通过生成动态链接库DLL文件,以插件的形式被SolidWorks加载并调用。具体的约束优化算法则可以在对话框的消息响应函数中编写。

2.3.1 截面轮廓数据点分段和初始草图曲线重建

截面轮廓数据点分段与识别技术在逆向工程、计算机视觉以及模式识别等领域中处于十分重要的地位,轮廓分段的精确程度直接影响着计算机后续识别的准确性。对于点云切片得到的截面轮廓数据点,通常采用曲率估算法实现数据点的分段与识别。根据截面轮廓数据点的曲率分布特性提取角点、切点等特征点,然后利用这些特征点进行数据分段,并判断出每个分段数据的最佳拟合曲线类型,确定相应的目标函数进行分段拟合,最终创建初始草图曲线。如果通过已有的点云切片数据不能直接获取草图曲线,可以使用SolidWorks的草图设计功能构建,同时需要用户在曲线间手动添加相应的约束条件。对于直接得到的初始曲线,曲线分段则比较每一个点与所有曲线段之间的距离,若点到某一曲线的距离最近,即可认为该点属于那段曲线。所示为截面轮廓数据点分段和初始草图曲线构建的案例分析。所示为经过去噪、平滑等预处理的某凸轮截面轮廓数据点;所示为截面轮廓数据点进行离散曲率分析的结果;所示为数据分段所依据的特征点;所示为凸轮截面轮廓的初始草图曲线,利用该曲线可以确定数据点列的走势,并将其输人到SolidWorks的曲线分析工具中做进一步的调整和修改。

2.3.2 约束优化算法实现

约束优化算法的实现分为以下几步:

1)读取点云切片数据点列,并将数据点排序;

2)截面轮廓数据点分段处理,各段拟合得到切始草图曲线;

3)读取草图曲线段间的各种约束关系,并将其解释成相应的约束表达式;

4)编写优化算法,实现约束优化。

在编与优化算法程序的过程中、需要用到SolidWorks提供的许多接口函数,如草图插入函数Skeich Managerrr→InsertSketrh(),草图曲线获取函数Sketch Segment→CetCurvr()、草图曲线约束获取函数Sketrh Segment→IGetConStraints()和样条曲线生成函数ModelDoc2→SketchSpline()等。通过这些函数可以从SolidWorks中获取模型的各种数据参数,为约束优化算法的实现服务。在此基础土,约束优化算法可以利用Visual C++的编程环境轻松实现。在SolidWorks平台下加载的截面草图曲线约束优化对话框,其中第1个按扭选择草图平面,第2个按钮选择需要拟合的数据点列,并对数据点进行排序、分段处理。第3个按钮用于用户定义所选曲线的几何约束关系。优化因子则是进行L-M迭代求解时主约束与普通约束间的比例囚子。通过调节优化因子的大小可以得到满足不同误差要求的优化曲线。

3 案例实现

基于SolidWorks平台的二次开发,实现基于点云切片数据的截面草图曲线约束优化重建技术,使得该技术与SolidWorks本身的曲面建模功能相结合,可以灵活地实现复杂外形的模型重建。图6所示为电吹风机截面优化CAD模型重建的案例。为该电吹风机的原始点云数据,其中包含了68327个数据点,且表面几何特征不规则,难以采用直接拟合的方法得到精确的曲面模型。因此,首先将原始点云分割为手柄点云和吹风机外壳点云。其次对这两部分点云分别用1组平行平面切片,共创建29个草图平面,进而得到截面点云数据,通过对各个草图上的数据点列单独进行约束优化拟合,最终得到截面草图曲线集。是切片得到的截面点云,是截面点云经过约束优化后得到的截面曲线集。简单列举了的草图曲线几何约束定义的两种情况,主要是直线和圆弧段间的相切约束关系。是根据截面曲线集蒙皮或者放样,并且经过SolidWorks编辑得到的曲面模型。是在曲面模型基础上重建的CAD模型。在CAD模型重建过程中,需耍利用SolidWorks软件的曲面编辑功能对所得到曲面进行延伸。剪裁、缝合、加厚和切除等操作,自是终完成CAD模型的重建工作。

该实例利用L-M迭代方法进行约束优化求解,从输出报告中可以看到优化前、后数据点与曲线之间的平均误差和标准偏差都得到了大大改善,同时各种约束条件的误差都达到了设定的要求。

开放分享：优质有限元技术文章,助你自学成才