CN117521271A - 一种3d模型生成*** - Google Patents
一种3d模型生成*** Download PDFInfo
- Publication number
- CN117521271A CN117521271A CN202410012404.6A CN202410012404A CN117521271A CN 117521271 A CN117521271 A CN 117521271A CN 202410012404 A CN202410012404 A CN 202410012404A CN 117521271 A CN117521271 A CN 117521271A
- Authority
- CN
- China
- Prior art keywords
- node
- time
- model
- stress deformation
- subsystem
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000011156 evaluation Methods 0.000 claims abstract description 22
- 230000000007 visual effect Effects 0.000 claims abstract description 8
- 238000010586 diagram Methods 0.000 claims description 24
- 238000005457 optimization Methods 0.000 claims description 17
- 239000000463 material Substances 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000013480 data collection Methods 0.000 claims description 8
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 4
- 230000003213 activating effect Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 2
- 238000012800 visualization Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000013461 design Methods 0.000 description 5
- 230000001976 improved effect Effects 0.000 description 5
- 230000004913 activation Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/12—Geometric CAD characterised by design entry means specially adapted for CAD, e.g. graphical user interfaces [GUI] specially adapted for CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Architecture (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及3D模型生成技术领域,具体公开了一种3D模型生成***,包括零件建模子***、零件数据处理子***、模型评估子***以及可视化界面;本发明通过零件应力变形数据处理模块构建零件应力变形预测模型,预测零件在高温下的应力变形,间隙评估模块用于根据应力变形预测结果自动调整零件的尺寸,以实现理想的间隙尺寸,有助于避免零件之间间隙不足的问题,实现了对汽车排气***零件在高温条件下性能的预测,能够避免因排气***零件热膨胀引起的问题,从而提高3D零件模型的可靠性和稳定性。
Description
技术领域
本发明涉及3D模型生成技术领域,更具体地说,本发明涉及一种3D模型生成***。
背景技术
长时间高速行驶会导致汽车引擎产生较高的热量,排气气体温度也相应升高,从而导致排气***中的零件在高温下发生热膨胀,故而当在零件设计阶段需要考虑到热膨胀,否则将导致零件之间无法自由移动或旋转,甚至引起整个***的故障。现有技术虽能够在设计阶段,通过3D建模对零件的性能进行仿真,评估零部件在高温环境下受到应力,但难以准确判断零部件是否能够承受热膨胀引起的应力,当零部件之间的连接或支撑结构不足以应对高温引起的应力时,可能导致零件的变形或破坏;同时无法准确判断零件之间的间隙尺寸,从而导致零件之间的卡阻、变形或损坏的情况发生,为解决上述问题,现提供一种技术方案。
发明内容
为了克服现有技术的上述缺陷,本发明提供一种3D模型生成***,通过零件应力变形数据处理模块构建零件应力变形预测模型,能够避免因排气***零件热膨胀引起的问题,从而提高了3D零件模型的可靠性和稳定性,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种3D模型生成***,包括零件建模子***、零件数据处理子***、模型评估子***以及可视化界面,零件建模子***用于生成零件的3D模型,零件数据处理子***包括数据收集模块、零件应力变形数据处理模块、间隙评估模块以及输出模块,零件应力变形数据处理模块用于预测零件在高温下的应力变形,预测零件在高温下的应力变形的步骤为:
步骤一,数据准备:收集零件在不同温度下的几何形状和材料特性;
步骤二,零件时空图构建:根据零件的几何形状和材料特性,构建零件时空图,零件时空图中的节点表示零件的不同区域,边表示节点之间的相互作用;
步骤三,特征表示:提取零件时空图中的节点特征表示,包括几何形状、材料特性以及温度;
步骤四,模型构建:基于时空自适应图注意力构建零件应力变形预测模型,零件应力变形预测模型的输入包括零件时空图中的节点特征表示以及零件时空图中的节点表示的权重,零件应力变形预测模型的输出为:
;
式中:为零件应力变形预测结果,/>、/>均为节点,节点/>为节点/>的邻居节点,/>为时间或时刻,/>为节点/>的邻居节点集合,/>为/>时刻节点/>的几何形状特征表示,/>为/>时刻节点/>的材料特性特征表示,/>为/>时刻节点/>的温度特征表示,/>为连接操作,/>为/>时刻节点/>与节点/>之间的关联度,/>为激活函数,/>为以e为底数的指数函数,/>为/>时刻节点/>与节点/>之间的表示权重。
作为本发明的进一步方案,步骤三特征表示,提取零件时空图中的节点特征表示,零件时空图中的节点特征表示为:
;
;
;
;
式中:为/>时刻节点/>的几何形状特征表示,/>为节点/>在时刻/>的几何形状特征表示,/>为/>时刻节点/>的材料特性特征表示,/>为/>时刻节点/>的材料特性特征表示,/>为/>时刻节点/>的温度特征表示,/>为/>时刻节点/>的温度特征表示,/>为/>时刻节点/>和节点/>之间的注意力系数,/>为点积注意力函数,/>为参数矩阵,/>为Sigmoid激活函数,/>为节点的隐藏状态,/>为可学习的权重矩阵,/>、/>均为节点,/>为时间或时刻,/>为偏置项,/>为节点/>的邻居节点集合。
作为本发明的进一步方案,步骤四模型构建,基于时空自适应图注意力构建零件应力变形预测模型,零件应力变形预测模型的输入包括零件时空图中的节点特征表示以及零件时空图中的节点表示的权重,零件时空图中的节点表示权重的计算公式为:
;
;
式中:为/>时刻节点/>与节点/>之间的表示权重,/>为/>时刻节点/>与节点/>之间的关联度,/>为激活函数,/>为可学习的权重矩阵,/>为小于1的泄漏系数,/>为/>时刻节点/>的几何形状特征表示,/>为/>时刻节点/>的材料特性特征表示,/>为/>时刻节点/>的温度特征表示,/>、/>均为节点,/>为时间或时刻,/>为逻辑条件函数。
作为本发明的进一步方案,间隙评估模块用于根据应力变形预测结果自动调整零件的尺寸,根据应力变形预测结果自动调整零件的尺寸的具体步骤为:
步骤A1,设定优化目标:设定零件的最小化间隙尺寸作为优化目标;
步骤A2,识别零件参数:识别零件的参数,包括零件应力变形预测结果、零件的长度、零件的宽度以及零件的厚度;
步骤A3,建立间隙优化模型:间隙优化模型的公式为:
;
;
;
式中:为最小间隙尺寸,/>为间隙函数,/>为最小化操作,/>为规定的最小零件尺寸,/>为规定的最大零件尺寸,/>为零件的长度,/>为零件的宽度,/>为零件的厚度,/>为零件应力变形预测结果,/>为零件/>与零件/>之间的间隙函数,/>为零件/>在排气***中的位置坐标,/>为零件/>在排气***中的位置坐标。
作为本发明的进一步方案,零件建模子***与零件数据处理子***相连接,零件数据处理子***与模型评估子***相连接,零件建模子***、零件数据处理子***、模型评估子***分别与可视化界面相连接;零件数据处理子***用于对零件3D模型之间的间隔尺寸进行处理,模型评估子***用于对零件数据处理子***输出的间隔尺寸的准确性进行评估,可视化界面用于展示生成的零件3D模型以及零件数据处理子***和模型评估子***的输出结果。
作为本发明的进一步方案,数据收集模块用于收集零件在不同温度下的几何形状和材料特性;
零件应力变形数据处理模块用于预测零件在高温下的应力变形;
间隙评估模块用于根据应力变形预测结果自动调整零件的尺寸,以实现理想的间隙尺寸;
输出模块用于输出零件之间的间隙尺寸。
作为本发明的进一步方案,数据收集模块与零件应力变形数据处理模块相连接,零件应力变形数据处理模块与间隙评估模块相连接,间隙评估模块与输出模块相连接。
与现有技术相比,本发明的有益效果是:本发明通过零件应力变形数据处理模块构建零件应力变形预测模型,预测零件在高温下的应力变形,间隙评估模块用于根据应力变形预测结果自动调整零件的尺寸,以实现理想的间隙尺寸,有助于避免零件之间间隙不足的问题,实现了对汽车排气***零件在高温条件下性能的预测,能够避免因排气***零件热膨胀引起的问题,从而提高了3D零件模型的可靠性和稳定性。
附图说明
图1为本发明实施例一提供的一种3D模型生成***的结构示意图;
图2为本发明实施例二提供的间隙优化模型的求解流程示意图。
具体实施方式
下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的技术方案仅仅是本发明一部分,而不是全部。基于本发明中的技术方案,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他技术方案,都属于本发明保护的范围。
实施例一
图1示出了本发明实施例一提供的一种3D模型生成***的结构示意图。如图1所示,本实施例中的一种3D模型生成***包括零件建模子***、零件数据处理子***、模型评估子***以及可视化界面。其中,
零件建模子***与零件分析子***相连接,用于生成零件的3D模型;
零件分析子***与模型评估子***相连接,用于对零件3D模型之间的间隔尺寸进行分析;
模型评估子***用于对零件分析子***输出的间隔尺寸的准确性进行评估;
可视化界面与零件建模子***、零件分析子***、模型评估子***分别相连接,用于展示生成的零件3D模型以及零件分析子***和模型评估子***的输出结果。
本发明实施例中,零件分析子***包括数据收集模块、零件应力变形数据处理模块、间隙评估模块以及输出模块;数据收集模块与零件应力变形数据处理模块相连接,零件应力变形数据处理模块与间隙评估模块相连接,间隙评估模块与输出模块相连接。数据收集模块用于收集零件在不同温度下的几何形状和材料特性;零件应力变形数据处理模块用于预测零件在高温下的应力变形;间隙评估模块用于根据应力变形预测结果自动调整零件的尺寸,以实现理想的间隙尺寸;输出模块用于输出零件之间的间隙尺寸。
本发明实施例中,零件应力变形数据处理模块用于预测零件在高温下的应力变形,预测零件在高温下的应力变形的步骤为:
步骤一,数据准备:收集零件在不同温度下的几何形状和材料特性;
步骤二,零件时空图构建:根据零件的几何形状和材料特性,构建零件时空图,零件时空图中的节点表示零件的不同区域,边表示节点之间的相互作用;
步骤三,特征表示:提取零件时空图中的节点特征表示,包括几何形状、材料特性以及温度;
步骤四,模型构建:基于时空自适应图注意力构建零件应力变形预测模型,零件应力变形预测模型的输入包括零件时空图中的节点特征表示以及零件时空图中的节点表示的权重,零件应力变形预测模型的输出为:
;
式中:为零件应力变形预测结果,/>、/>均为节点,节点/>为节点/>的邻居节点,/>为时间或时刻,/>为节点/>的邻居节点集合,/>为/>时刻节点/>的几何形状特征表示,/>为/>时刻节点/>的材料特性特征表示,/>为/>时刻节点/>的温度特征表示,/>为连接操作,/>为/>时刻节点/>与节点/>之间的关联度,/>为激活函数,/>为以e为底数的指数函数,/>为/>时刻节点/>与节点/>之间的表示权重。
根据零件的几何形状和材料特性,构建零件时空图,描述零件在不同时间点和空间位置上的节点及其相互作用关系,使得模型能够更好地捕捉零件在不同时间和空间点上的动态变化;通过提取零件时空图中的节点特征,包括几何形状、材料特性以及温度,基于时空自适应图注意力构建零件应力变形预测模型,使得模型更全面地理解零件在高温下的应力变形。
本发明实施例中,步骤三特征表示,提取零件时空图中的节点特征表示,零件时空图中的节点特征表示为:
;
;
;
;
式中:为/>时刻节点/>的几何形状特征表示,/>为节点/>在时刻/>的几何形状特征表示,/>为/>时刻节点/>的材料特性特征表示,/>为/>时刻节点/>的材料特性特征表示,/>为/>时刻节点/>的温度特征表示,/>为/>时刻节点/>的温度特征表示,/>为/>时刻节点/>和节点/>之间的注意力系数,/>为点积注意力函数,/>为参数矩阵,/>为Sigmoid激活函数,/>为节点的隐藏状态,/>为可学习的权重矩阵,/>、/>均为节点,/>为时间或时刻,/>为偏置项,/>为节点/>的邻居节点集合。
通过考虑几何形状、材料特性和温度特征,便于模型更全面地捕捉零件在时空中的复杂性,通过引入注意力系数,模型能够动态地关注节点与邻居节点之间的时空关系,从而更好地建模零件的时空动态;注意力系数的计算依赖于可学习的参数矩阵,使得模型能够从数据中学到节点之间的关联关系,增加了模型的灵活性和适应性;节点的隐藏状态和表示节点的潜在特征,进一步丰富了特征表示的维度,有助于更好地捕捉节点的抽象信息;通过激活函数的引入,使得模型能够进行非线性映射,更好地处理复杂的时空关系;通过这种特征表示的方法,模型能够更准确地捕捉零件在不同时刻和空间位置上的特性,提高了对零件应力变形的预测能力。
本发明实施例中,步骤四模型构建,基于时空自适应图注意力构建零件应力变形预测模型,零件应力变形预测模型的输入包括零件时空图中的节点特征表示以及零件时空图中的节点表示的权重,零件时空图中的节点表示权重的计算公式为:
;
;
式中:为/>时刻节点/>与节点/>之间的表示权重,/>为/>时刻节点/>与节点/>之间的关联度,/>为激活函数,/>为可学习的权重矩阵,/>为小于1的泄漏系数,/>为/>时刻节点/>的几何形状特征表示,/>为/>时刻节点/>的材料特性特征表示,/>为/>时刻节点/>的温度特征表示,/>、/>均为节点,/>为时间或时刻,/>为逻辑条件函数。
通过引入关联度和时空特征,模型能够动态调整节点之间的表示权重,以适应零件在不同时刻和空间位置上的变化,增加了模型的时空自适应性,更好地适应复杂的工程***;使用作为激活函数,引入泄漏系数,有助于防止梯度消失,使得模型能够处理具有不同特征表示的节点之间的复杂关系;通过设计节点表示权重的计算方式,能够灵活地调整模型对节点之间关系的敏感度,使得模型更符合具体问题的特性;模型使用节点表示权重来表达节点之间的关系,有助于理解模型对于不同时刻和空间位置上节点的关注程度,提高了模型的可解释性。
本发明实施例中,间隙评估模块用于根据应力变形预测结果自动调整零件的尺寸,根据应力变形预测结果自动调整零件的尺寸的具体步骤为:
步骤A1,设定优化目标:设定零件的最小化间隙尺寸作为优化目标;
步骤A2,识别零件参数:识别零件的参数,包括零件应力变形预测结果、零件的长度、零件的宽度以及零件的厚度;
步骤A3,建立间隙优化模型:间隙优化模型的公式为:
;
;
;
式中:为最小间隙尺寸,/>为间隙函数,/>为最小化操作,/>为规定的最小零件尺寸,/>为规定的最大零件尺寸,/>为零件的长度,/>为零件的宽度,/>为零件的厚度,/>为零件应力变形预测结果,/>为零件/>与零件/>之间的间隙函数,/>为零件/>在排气***中的位置坐标,/>为零件/>在排气***中的位置坐标。
通过设定最小化间隙尺寸为优化目标,旨在使零件之间的间隙尺寸尽可能小,以满足设计需求;通过识别和考虑零件的应力变形预测结果以及长度、宽度、厚度等多个参数,模型更全面地评估了零件之间的间隙,通过最小化操作,模型能够在考虑多个参数的情况下,找到使得间隙尺寸最小的优化解;引入了约束条件,确保优化后的零件尺寸在规定的最小和最大范围内,以避免过度优化或不合理的设计。
本发明实施例中,模型评估子***用于对零件数据处理子***输出的间隔尺寸的准确性进行评估,通过计算确定系数评估间隔尺寸的准确性,其中,确定系数的计算公式为:
;
式中:为确定系数,/>为零件数据处理子***输出的最小间隙尺寸,/>为实验获得的最小间隙尺寸,/>为实验获得的最小间隙尺寸的平均值,d为自然数,/>为实验次数。
本发明实施例通过零件应力变形数据处理模块构建零件应力变形预测模型,预测零件在高温下的应力变形,间隙评估模块用于根据应力变形预测结果自动调整零件的尺寸,以实现理想的间隙尺寸,有助于避免零件之间间隙不足的问题,实现了对汽车排气***零件在高温条件下性能的预测,能够避免因排气***零件热膨胀引起的问题,从而提高了3D零件模型的可靠性和稳定性。
实施例二
图2示出了本发明实施例二提供的间隙优化模型的求解流程示意图。如图1所示,本实施例中的间隙优化模型的求解步骤为:
步骤B1,初始化种群:使用遗传算法的初始种群,每个个体表示零件参数的组合,构建所有个体之和为1的初始种群;
步骤B2,个体拥挤度计算:个体拥挤度的计算公式为:
;
式中:为个体/>的拥挤度,/>为个体/>到最近个体/>的距离,/>为个体/>到最近个体/>的距离,/>为所有个体之间距离的最大值,/>为所有个体之间距离的最小值;
步骤B3,个体交叉:通过模拟二进制交叉对拥挤度高的个体进行交叉操作,生成新的个体;
步骤B4,种群更新:计算交叉操作生成的新的个体的拥挤度,并将新的个体的拥挤度与初始种群中的个体的拥挤度进行排序,选择拥挤度最高的个体作为最小间隙尺寸。
本发明实施例使用遗传算法的初始种群,便于寻找最优的零件参数组合,以使得间隙尺寸最小化,其中每个个体表示零件参数的组合,确保所有个体的参数之和为1,以保持合理性;通过计算拥挤度,保证了在交叉操作中选择具有适应度较好的个体,提高了算法的收敛性和搜索效率,拥挤度计算中考虑了个体之间的距离,有助于保持种群的多样性,防止过早陷入局部最优解;通过模拟二进制交叉对拥挤度高的个体进行交叉操作,生成新的个体,计算交叉操作生成的新个体的拥挤度,并将新的个体的拥挤度与初始种群中的个体的拥挤度进行排序,选择拥挤度最高的个体作为具有最小间隙尺寸的解,能够保留高拥挤度的个体,促使算法朝着最优解的方向发展。
实施例三
汽车排气***中的排气管弯头以及接头用于调整排气管的形状,能够减少排气***中的气流阻力,并允许排气***适应车辆的特定布局和空间限制。当打印汽车排气***中的排气管弯头以及接头的3D模型时,通过CAD软件创建排气管弯头以及接头的3D模型,将创建的3D排气管弯头以及接头模型传递给零件分析子***,同时零件分析子***收集排气管弯头以及接头在不同温度下的几何形状和材料特性,并使用上述数据预测3D排气管弯头以及接头在高温下的应力变形,以便于了解排气管弯头和接头在不同工作条件下的性能。根据应力变形预测结果评估排气管弯头和接头之间的间隙尺寸,确保排气***在不同条件下都能正常运行,对排气管弯头和接头之间间隙尺寸进行评估后,将评估结果传递至模型评估子***,对零件分析子***输出的间隙尺寸的准确性进行评估。最后,可视化界面将展示生成的排气管弯头和接头的3D模型,以及零件分析子***和模型评估子***的输出结果,便于用户直观地了解排气管弯头和接头的设计和性能,以及在不同工况下的表现。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
最后:以上所述仅为本发明的优选方案而已,并不用于限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种3D模型生成***,包括零件建模子***、零件数据处理子***、模型评估子***以及可视化界面,零件建模子***用于生成零件的3D模型,其特征在于,零件数据处理子***包括数据收集模块、零件应力变形数据处理模块、间隙评估模块以及输出模块,零件应力变形数据处理模块用于预测零件在高温下的应力变形,预测零件在高温下的应力变形的步骤为:
步骤一,数据准备:收集零件在不同温度下的几何形状和材料特性;
步骤二,零件时空图构建:根据零件的几何形状和材料特性,构建零件时空图,零件时空图中的节点表示零件的不同区域,边表示节点之间的相互作用;
步骤三,特征表示:提取零件时空图中的节点特征表示,包括几何形状、材料特性以及温度;
步骤四,模型构建:基于时空自适应图注意力构建零件应力变形预测模型,零件应力变形预测模型的输入包括零件时空图中的节点特征表示以及零件时空图中的节点表示的权重,零件应力变形预测模型的输出为:
;
式中:为零件应力变形预测结果,/>、/>均为节点,节点/>为节点/>的邻居节点,/>为时间或时刻,/>为节点/>的邻居节点集合,/>为/>时刻节点/>的几何形状特征表示,/>为/>时刻节点/>的材料特性特征表示,/>为/>时刻节点/>的温度特征表示,/>为连接操作,/>为/>时刻节点/>与节点/>之间的关联度,/>为激活函数,/>为以e为底数的指数函数,/>为/>时刻节点/>与节点/>之间的表示权重。
2.根据权利要求1所述的一种3D模型生成***,其特征在于,步骤三特征表示,提取零件时空图中的节点特征表示,零件时空图中的节点特征表示为:
;
;
;
;
式中:为/>时刻节点/>的几何形状特征表示,/>为节点/>在时刻/>的几何形状特征表示,/>为/>时刻节点/>的材料特性特征表示,/>为/>时刻节点/>的材料特性特征表示,/>为/>时刻节点/>的温度特征表示,/>为/>时刻节点/>的温度特征表示,/>为/>时刻节点/>和节点/>之间的注意力系数,/>为点积注意力函数,/>为参数矩阵,/>为Sigmoid激活函数,/>为节点的隐藏状态,/>为可学习的权重矩阵,/>、/>均为节点,/>为时间或时刻,/>为偏置项,/>为节点/>的邻居节点集合。
3.根据权利要求1所述的一种3D模型生成***,其特征在于,步骤四模型构建,基于时空自适应图注意力构建零件应力变形预测模型,零件应力变形预测模型的输入包括零件时空图中的节点特征表示以及零件时空图中的节点表示的权重,零件时空图中的节点表示权重的计算公式为:
;
;
式中:为/>时刻节点/>与节点/>之间的表示权重,/>为/>时刻节点/>与节点/>之间的关联度,/>为激活函数,/>为可学习的权重矩阵,/>为小于1的泄漏系数,/>为/>时刻节点/>的几何形状特征表示,/>为/>时刻节点/>的材料特性特征表示,/>为/>时刻节点/>的温度特征表示,/>、/>均为节点,/>为时间或时刻,/>为逻辑条件函数。
4.根据权利要求1所述的一种3D模型生成***,其特征在于,间隙评估模块用于根据应力变形预测结果自动调整零件的尺寸,根据应力变形预测结果自动调整零件的尺寸的具体步骤为:
步骤A1,设定优化目标:设定零件的最小化间隙尺寸作为优化目标;
步骤A2,识别零件参数:识别零件的参数,包括零件应力变形预测结果、零件的长度、零件的宽度以及零件的厚度;
步骤A3,建立间隙优化模型:间隙优化模型的公式为:
;
;
;
式中:为最小间隙尺寸,/>为间隙函数,/>为最小化操作,/>为规定的最小零件尺寸,/>为规定的最大零件尺寸,/>为零件的长度,/>为零件的宽度,为零件的厚度,/>为零件应力变形预测结果,/>为零件/>与零件/>之间的间隙函数,/>为零件/>在排气***中的位置坐标,/>为零件/>在排气***中的位置坐标。
5.根据权利要求1所述的一种3D模型生成***,其特征在于,零件建模子***与零件数据处理子***相连接,零件数据处理子***与模型评估子***相连接,零件建模子***、零件数据处理子***、模型评估子***分别与可视化界面相连接;零件数据处理子***用于对零件3D模型之间的间隔尺寸进行处理,模型评估子***用于对零件数据处理子***输出的间隔尺寸的准确性进行评估,可视化界面用于展示生成的零件3D模型以及零件数据处理子***和模型评估子***的输出结果。
6.根据权利要求1所述的一种3D模型生成***,其特征在于,数据收集模块与零件应力变形数据处理模块相连接,零件应力变形数据处理模块与间隙评估模块相连接,间隙评估模块与输出模块相连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410012404.6A CN117521271B (zh) | 2024-01-04 | 2024-01-04 | 一种3d模型生成*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410012404.6A CN117521271B (zh) | 2024-01-04 | 2024-01-04 | 一种3d模型生成*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117521271A true CN117521271A (zh) | 2024-02-06 |
CN117521271B CN117521271B (zh) | 2024-04-05 |
Family
ID=89753482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410012404.6A Active CN117521271B (zh) | 2024-01-04 | 2024-01-04 | 一种3d模型生成*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117521271B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110889164A (zh) * | 2018-09-07 | 2020-03-17 | 波音公司 | 3d模型的间隙检测 |
WO2021253963A1 (zh) * | 2020-06-16 | 2021-12-23 | 大连理工大学 | 一种薄壁微铣削变形预测方法 |
CN116690988A (zh) * | 2023-07-06 | 2023-09-05 | 上海电子信息职业技术学院 | 一种大型建筑模型3d打印***和方法 |
CN117217627A (zh) * | 2023-11-09 | 2023-12-12 | 宁德市天铭新能源汽车配件有限公司 | 基于机器学习的汽车零部件生产质量优化方法及*** |
-
2024
- 2024-01-04 CN CN202410012404.6A patent/CN117521271B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110889164A (zh) * | 2018-09-07 | 2020-03-17 | 波音公司 | 3d模型的间隙检测 |
WO2021253963A1 (zh) * | 2020-06-16 | 2021-12-23 | 大连理工大学 | 一种薄壁微铣削变形预测方法 |
CN116690988A (zh) * | 2023-07-06 | 2023-09-05 | 上海电子信息职业技术学院 | 一种大型建筑模型3d打印***和方法 |
CN117217627A (zh) * | 2023-11-09 | 2023-12-12 | 宁德市天铭新能源汽车配件有限公司 | 基于机器学习的汽车零部件生产质量优化方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN117521271B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | A three-stage integrated approach for assembly sequence planning using neural networks | |
Keller et al. | Visualising change propagation | |
JP2010527090A (ja) | デジタル設計エコシステム | |
CN116882038B (zh) | 一种基于bim技术的机电施工方法及*** | |
US20020177985A1 (en) | Computer system and method for radial cooled bucket optimization | |
JP2013515993A (ja) | コンピュータにより実施される形状特徴を検出する改良された方法 | |
US7424413B2 (en) | Method for optimizing turbine engine exhaust system | |
Liu et al. | A surrogate-assisted differential evolution for expensive constrained optimization problems involving mixed-integer variables | |
Jaisawal et al. | Generative Design Method (GDM)–a state of art | |
CN117521271B (zh) | 一种3d模型生成*** | |
CN113177290A (zh) | 基于深度代理模型归一化的卫星组件温度场预测方法 | |
CN116861694A (zh) | 一种基于人工智能的电缆温度预测方法 | |
Verstraete et al. | Optimization of a u-bend for minimal pressure loss in internal cooling channels: Part I—Numerical method | |
Sahin et al. | Deep operator learning-based surrogate models with uncertainty quantification for optimizing internal cooling channel rib profiles | |
Noor | Computational structures technology: leap frogging into the twenty-first century | |
CN116738920B (zh) | 一种三维几何内核的芯片3d设计方法及*** | |
Madrid et al. | Automated and interactive evaluation of welding producibility in an multidisciplinary design optimization environment for aircraft components | |
Gao et al. | Urban wind field prediction based on sparse sensors and physics‐informed graph‐assisted auto‐encoder | |
Panarotto et al. | Using DSMs in functionally driven explorative design experiments–an automation approach | |
Zhao et al. | Formalized reasoning method for assembly sequences based on Polychromatic Sets theory | |
Clark et al. | Adaptive Infill Criteria for Non-Deterministic Kriging Considering Aleatory and Epistemic Uncertainties | |
Wang et al. | Migration-based algorithm library enrichment for constrained multi-objective optimization and applications in algorithm selection | |
CN116670674A (zh) | 使用数字副本估计与建筑物设计相关联的生成能力 | |
Xu et al. | An integrated method of CAD, CAE and multi-objective optimization | |
Saravanan et al. | An intelligent constitutive and collaborative framework by integrating the design, inspection and testing activities using a cloud platform |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |