JP2006318232A - Analytical mesh correction device - Google Patents
Analytical mesh correction device Download PDFInfo
- Publication number
- JP2006318232A JP2006318232A JP2005140280A JP2005140280A JP2006318232A JP 2006318232 A JP2006318232 A JP 2006318232A JP 2005140280 A JP2005140280 A JP 2005140280A JP 2005140280 A JP2005140280 A JP 2005140280A JP 2006318232 A JP2006318232 A JP 2006318232A
- Authority
- JP
- Japan
- Prior art keywords
- mesh
- meshes
- correction
- triangular
- data
- 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.)
- Pending
Links
Images
Abstract
Description
本発明は、流体解析等に用いる解析用メッシュの修正作業時間の短縮を図ることができる解析用メッシュ修正装置に関する。 The present invention relates to an analysis mesh correction device capable of shortening the time required to correct an analysis mesh used for fluid analysis or the like.
従来より、２次元空間、或いは、３次元空間において流体解析等のCAE（Computer Aided Engineering）等を行う際には、三角形状の三角メッシュをはじめ様々な形状の解析用メッシュが広く利用されている。例えば、解析対象物である車両の表面形状を微小な三角形のメッシュで置き換えて表現し、空気抵抗を調べる等の数値流体解析に利用されている。 Conventionally, when performing CAE (Computer Aided Engineering) such as fluid analysis in a two-dimensional space or a three-dimensional space, analysis meshes of various shapes including a triangular mesh are widely used. . For example, the surface shape of a vehicle that is an analysis object is expressed by replacing it with a fine triangular mesh and used for numerical fluid analysis such as examining air resistance.
こうした、解析用メッシュは、一般にメッシュ生成用ソフトウエアプログラムによって自動生成されるが、生成された解析用メッシュの中には、その形状が異常に変形した、いわゆる品質の悪いメッシュが生成される場合がある。品質の悪いメッシュは、解析処理における解析精度の悪化を招くため、通常、修正作業を行うオペレータであるユーザによって修正される。 Such analysis meshes are generally automatically generated by a mesh generation software program. However, in the generated analysis meshes, so-called poor quality meshes with abnormally deformed shapes are generated. There is. Since a mesh with poor quality causes a deterioration in analysis accuracy in the analysis process, it is usually corrected by a user who is an operator who performs a correction operation.
その修正作業は、多くの場合、オペレータによる手作業で行われる。また、その修正作業において、より品質の良いメッシュを生成する方法も提案されている（例えば、特許文献１参照）。
しかしながら、例えば、数値流体解析用表面メッシュが生成された後、歪んだ表面メッシュの修正を手作業にて行なう場合、修正すべきメッシュ数が多い場合には、その作業には多大な時間を要していた。上述した特許文献１に開示される方法においても、修正対象となるメッシュ毎の歪みに対して、一つ一つ修正作業を繰り返すため、修正すべきメッシュが大量に存在する場合、やはり修正作業に多大な時間が掛かるという問題があった。
However, for example, when a distorted surface mesh is manually corrected after the surface mesh for numerical fluid analysis is generated, if the number of meshes to be corrected is large, the operation takes a lot of time. Was. Even in the method disclosed in
本発明は上記事情に鑑みてなされたもので、メッシュ修正時の繰り返し作業を無くし、複数のメッシュを同時に精度良く修正し、作業時間の短縮を図り、かつ修正メッシュの均一化を図ることが可能な解析用メッシュ修正装置を提供することを目的とする。 The present invention has been made in view of the above circumstances, and it is possible to eliminate the repeated work at the time of mesh correction, to simultaneously correct a plurality of meshes accurately, to shorten the work time, and to make the corrected mesh uniform. An object of the present invention is to provide a simple analysis mesh correction device.
本発明は、複数の多角形状のメッシュを生成するメッシュ生成手段と、上記複数のメッシュの中から選択したメッシュについて、予め設定したデータを抽出するメッシュデータ検出手段と、上記メッシュデータ検出手段で検出したデータを入力値として予め設定しておいたニューラルネットワークに入力し、上記選択したメッシュについて少なくとも上記複数のメッシュの同一又は類似を判断するグループの判定値を出力値として取得するニューラルネットワーク処理手段と、一つの選択されたメッシュを修正するメッシュ修正手段と、上記メッシュ修正手段により修正したメッシュと同じグループに属する他のメッシュに対し、上記修正したメッシュと同じ修正を行う連動修正手段とを備えたことを特徴としている。 According to the present invention, a mesh generation unit that generates a plurality of polygonal meshes, a mesh data detection unit that extracts preset data for a mesh selected from the plurality of meshes, and the mesh data detection unit A neural network processing means for inputting the determined data as an input value to a previously set neural network, and obtaining a determination value of a group for determining at least the same or similar of the plurality of meshes as an output value for the selected mesh; , Mesh correction means for correcting one selected mesh, and interlock correction means for performing the same correction as the corrected mesh for other meshes belonging to the same group as the mesh corrected by the mesh correction means It is characterized by that.
本発明による解析用メッシュ修正装置によれば、メッシュ修正時の繰り返し作業を無くし、複数のメッシュを同時に精度良く修正し、作業時間の短縮を図り、かつ修正メッシュの均一化を図ることが可能となる。 According to the analysis mesh correction device of the present invention, it is possible to eliminate the repeated work at the time of mesh correction, to simultaneously correct a plurality of meshes with high accuracy, to shorten the work time, and to make the correction mesh uniform. Become.
以下、図面に基づいて本発明の実施の形態を説明する。
図１乃至図２２は本発明の実施の第１形態を示し、図１は解析用メッシュ修正装置の全体を示す構成図、図２はメッシュデータの修正処理の全体を示すブロック図、図３はスキューネスの説明図、図４は局所座標系の説明図、図５はニューラルネットワーク処理部におけるニューラルネットワークの基本構成図、図６は一般的な階層型ニューラルネットワークの基本構成説明図、図７はニューラルネットワークの各素子の内部構造説明図、図８はシグモイド関数の説明図、図９は解析用メッシュの修正処理の流れの例を示すフローチャート、図１０は記憶装置にストアされるメッシュデータのデータ構造の例を示す説明図、図１１は生成されたメッシュをモニタの画面上に表示させたときのメッシュの一部を示す説明図、図１２はメッシュの中から品質の悪いグループのメッシュとして抽出されたメッシュを表示させたときのメッシュの一部を示す説明図、図１３は選択されたメッシュとその周囲部のメッシュが表示された例を示す説明図、図１４は選択されたメッシュとその周囲部のメッシュが表示される他の例を示す説明図、図１５は修正すべきメッシュＭ1とその周囲部のメッシュを示す説明図、図１６はエッジを分割して修正した場合の説明図、図１７はメッシュを方向転換して修正した場合の説明図、図１８はメッシュのノードの移動で修正した場合の説明図、図１９は連動して修正されるメッシュの説明図、図２０はメッシュが修正された状態を示す説明図、図２１は修正モードにおける画面表示の変形例の説明図、図２２は図２１の場合にメッシュが修正された状態を示す説明図である。
Hereinafter, embodiments of the present invention will be described with reference to the drawings.
1 to 22 show a first embodiment of the present invention, FIG. 1 is a block diagram showing the whole analysis mesh correction device, FIG. 2 is a block diagram showing the whole mesh data correction processing, and FIG. FIG. 4 is a diagram illustrating a local coordinate system, FIG. 5 is a diagram illustrating a basic configuration of a neural network in a neural network processing unit, FIG. 6 is a diagram illustrating a basic configuration of a general hierarchical neural network, and FIG. FIG. 8 is an explanatory diagram of a sigmoid function, FIG. 9 is a flowchart showing an example of a flow of correction processing of an analysis mesh, and FIG. 10 is a data structure of mesh data stored in a storage device. FIG. 11 is an explanatory diagram showing a part of the mesh when the generated mesh is displayed on the monitor screen, and FIG. FIG. 13 is an explanatory diagram showing a part of a mesh when displaying a mesh extracted as a mesh of a poor quality group from FIG. 13, FIG. 13 is an explanatory diagram showing an example in which the selected mesh and its surrounding mesh are displayed, FIG. 14 is an explanatory view showing another example in which the selected mesh and the surrounding mesh are displayed, FIG. 15 is an explanatory view showing the mesh M1 to be corrected and the surrounding mesh, and FIG. FIG. 17 is an explanatory diagram when the mesh is changed in direction, FIG. 18 is an explanatory diagram when the mesh node is corrected, and FIG. 19 is corrected in conjunction. FIG. 20 is an explanatory diagram showing a state where the mesh is corrected, FIG. 21 is an explanatory diagram of a modification of the screen display in the correction mode, and FIG. 22 is a state where the mesh is corrected in the case of FIG. It is to illustration.
本実施形態において、メッシュデータの修正処理は、パーソナルコンピュータ（以下、ＰＣと略称）等のコンピュータシステムにおいて後述する処理プログラムが実行されることによって行われる。 In the present embodiment, the mesh data correction processing is performed by executing a processing program described later in a computer system such as a personal computer (hereinafter abbreviated as PC).
図１に示すように、解析用メッシュ修正装置であるＰＣ１は、中央処理装置（以下、CPUと略称）を有するコンピュータ本体２と、各種データ及びプログラムを記憶する記憶装置３と、キー入力装置であるキーボード４と、ポインティングデバイスであるマウス５と、表示装置であるモニタ６とを有して主要に構成されている。コンピュータ本体２には、記憶装置３、キーボード４、マウス５、及びモニタ６が接続されている。
As shown in FIG. 1, an analysis mesh correction device PC1 includes a computer
記憶装置３には、解析用メッシュの修正に必要な、後述するプログラム及びデータがストアされる。メッシュデータの修正を行うオペレータは、図１に示すコンピュータシステムを操作することによって、以下説明するメッシュデータの修正を行う。
The
図２に示すように、上述のＰＣ１は、メッシュ生成部１１と、メッシュ品質評価部１２と、第１のグルーピング部１３と、座標変換処理部１４と、ニューラルネットワーク処理部１５と、メッシュ修正部１６と、連動修正部１７とを有して主要に構成されている。
As shown in FIG. 2, the PC 1 includes a
メッシュ生成部１１は、メッシュ生成手段としてのものであり、メッシュデータを生成する処理プログラムである。メッシュ生成部１１には、メッシュデータを生成するために必要な元となるデータが与えられる。元となるデータは、メッシュデータを作成する対象である、例えば車両の３次元の構造データである。尚、３次元の構造データを、いわゆるスクラッチで、すなわちゼロから作成してもよいが、車両の構造データとして、既に作成されている、例えば風洞実験用の３次元CADデータがあれば、既にあるそのデータを利用してもよい。例えば、３次元CADデータとしては、３次元CADソフトウエアであるCATIA（商品名）から出力されるNastranデータ等である。
The
ＰＣ１は、その３次元CADデータを記録媒体によって、あるいはデータ通信によって取得して、記憶装置３にストアする。メッシュ生成部１１は、記憶装置３に記憶された３次元CADデータに対して所定の処理を施すことによって、例えば、CAE解析用表面メッシュとしての三角形の３次元の平面メッシュのメッシュデータを生成する。このメッシュ生成部１１のソフトウエアとしては、例えば、HyperMesh（商品名）等がある。
The PC 1 acquires the 3D CAD data by a recording medium or data communication, and stores it in the
メッシュ品質評価部１２は、メッシュ品質評価手段としてのものであり、生成されたメッシュデータのいわゆる品質の評価を行う処理プログラムである。例えば、対象のメッシュデータが三角形の平面メッシュである場合、正三角形のメッシュが最も品質が良いとし、尖ったような三角形のメッシュは品質が悪いと定義される。評価方法としての評価関数としては、例えばメッシュの正三角形の程度を表すスキューネスという評価関数を用いることができる。
The mesh
図３を基に、スキューネスについて説明する。メッシュデータにおける三角形メッシュｍと、正三角形メッシュｍ’とが示されている。正三角形メッシュｍ’は、その辺長の合計が三角形メッシュｍの辺長の合計と同じになるような正三角形である。 The skewness will be described with reference to FIG. A triangular mesh m and a regular triangular mesh m 'in the mesh data are shown. The equilateral triangle mesh m ′ is an equilateral triangle whose total side length is the same as the total side length of the triangular mesh m.
スキューネスＳｋは、三角形メッシュｍの面積Ａと正三角形メッシュｍ’の面積Ａ’との面積の比（Ａ／Ａ’）を、１から差し引いた値として算出される（Ｓｋ＝１−（Ａ／Ａ’））。従って、三角形メッシュｍは、スキューネスＳｋが０（ゼロ）に近いほど、正三角形に近いとして評価が高くなる。 The skewness Sk is calculated as a value obtained by subtracting the area ratio (A / A ′) between the area A of the triangular mesh m and the area A ′ of the equilateral triangular mesh m ′ from 1 (Sk = 1− (A / A ′)). Therefore, the triangle mesh m has a higher evaluation as being closer to a regular triangle as the skewness Sk is closer to 0 (zero).
メッシュ品質評価部１２は、各メッシュのノード間の位置データに基づいて、スキューネスＳｋを演算して求めることによって、メッシュの品質を数値化して表現する処理を行う。
The mesh
第１のグルーピング部１３は、メッシュ抽出分類手段としてのものであり、上述のメッシュ品質評価部１２で評価した品質を基に、同一又は類似の品質のメッシュをグループ別に分類する、すなわち層別する処理を行う処理プログラムである。この第１のグルーピング部１３におけるメッシュの品質が同一又は類似か否かの判断は、評価された品質、スキューネスの値が同一か類似かによって行われる。
The
座標変換処理部１４は、メッシュデータ検出手段としてのものであり、上述の第１のグルーピング部１３で分類された後の、オペレータにより選択された分類に属する各メッシュ毎に局所座標系に変換処理する。
The coordinate
この局所座標系の生成について、図４で説明する。まず、局所座標系を生成する三角メッシュについて、３つの角度の中で最も小さい角度を有している頂点（図４の例では角Ａ）のノードが原点と設定される（原点Ｐ１（０，０，０）が設定される）。 The generation of the local coordinate system will be described with reference to FIG. First, for the triangular mesh that generates the local coordinate system, the node of the vertex (corner A in the example of FIG. 4) having the smallest angle among the three angles is set as the origin (origin P1 (0, 0, 0,0) is set).
次に、この原点Ｐ１（０，０，０）を形成する２辺の長い方の辺が第１の座標軸（Ｘ軸）上の辺として設定され、この辺が存在する側がＸ軸の正の側として設定される（ノードＰ２（ｘ２，０，０）が設定される）。 Next, the longer side of the two sides forming the origin P1 (0, 0, 0) is set as the side on the first coordinate axis (X axis), and the side on which this side exists is the positive side of the X axis. (Node P2 (x2, 0, 0) is set).
次いで、三角メッシュの平面上で原点Ｐ１（０，０，０）を形成する２辺の短い方の辺が存在する側（ノードＰ３（ｘ３，ｙ３，０）が存在する側）を、原点Ｐ１（０，０，０）でＸ軸と直交する第２の座標軸（Ｙ軸）の正の側に設定する。そして、原点Ｐ１（０，０，０）でＸ軸とＹ軸とに直交する残りの軸がＺ軸に設定される。尚、このＺ軸は、特に２次元空間での解析の場合等では設定しない。また、３次元空間での解析においても必要に応じて設定を省略することが可能である。 Next, on the plane of the triangular mesh, the side on which the shorter side of the two sides forming the origin P1 (0, 0, 0) exists (the side on which the node P3 (x3, y3, 0) exists) is defined as the origin P1. It is set to the positive side of the second coordinate axis (Y axis) orthogonal to the X axis at (0, 0, 0). Then, the remaining axis orthogonal to the X axis and the Y axis at the origin P1 (0, 0, 0) is set as the Z axis. The Z axis is not set particularly in the case of analysis in a two-dimensional space. Also, in the analysis in the three-dimensional space, setting can be omitted as necessary.
また、座標変換処理部１４は、上述のように作成した局所座標系において、原点Ｐ１（０，０，０）を形成する２辺の長い方の辺の長さ、すなわち、ｘ２を基準とし正規化を実行する。すなわち、ｘ２を基準値「１」として、正規化する。これにより、図４における、Ｐ１，Ｐ２，Ｐ３の各ノードの座標は、以下のように設定される。
Ｐ１＝（０，０，０）
Ｐ２＝（１，０，０）
Ｐ３＝（ｘ３／ｘ２，ｙ３／ｘ２，０）
こうした正規化を行うことにより、各三角メッシュの大きさが異なっても、形状の相似関係が正確に判別できるようになるのである。また、この正規化処理により、ノードＰ３のＸ座標とＹ座標は、１以下の値となる。
Further, the coordinate
P1 = (0, 0, 0)
P2 = (1, 0, 0)
P3 = (x3 / x2, y3 / x2, 0)
By performing such normalization, even if the sizes of the triangular meshes are different, the shape similarity can be accurately determined. Further, by this normalization processing, the X coordinate and Y coordinate of the node P3 become values of 1 or less.
ニューラルネットワーク処理部１５は、ニューラルネットワーク処理手段としてのものであり、座標変換処理部１４で作成された正規化された各三角メッシュの局所座標系の値や、原点Ｐ１における三角メッシュ（要素）情報（具体的には、原点Ｐ１を頂点とする三角メッシュの数、原点Ｐ１を頂点とする三角メッシュの中での最大角、最小角、これらの角度差等）を入力値として、予め設定しておいたニューラルネットワークに入力し、この三角メッシュについて複数の三角メッシュの同一又は類似を判断するグループの判定値を出力値（第２の品質グループ）として取得する。
The neural
すなわち、本実施の第１形態におけるニューラルネットワークは、例えば図５に示すように、３層モデルで構成されている。２つ以上必要な入力層の素子には、ノードＰ３のＸ座標、Ｙ座標、上述の原点Ｐ１における三角メッシュ（要素）情報等が入力される。中間層の素子数に関しては、理論的に求められる方法がないため、中間層の素子数を種々変えた場合の推定精度がどのように変化を調べ、適当な数が予め設定されている。また、出力層の素子からは、グループ分けの判定値（例えば、１，２，３，…等の整数で、数値が小さいほど粗悪な要素グループであることを表す）が第２の品質グループの値として出力される。このニューラルネットワークにおける教師用データは、専任者が予め修正を行った際のノード座標や要素周囲の情報等（入力値）とこの時のグループ分けの判定値（出力値：第２の品質グループの値）である。 That is, the neural network in the first embodiment is configured by a three-layer model, for example, as shown in FIG. The X and Y coordinates of the node P3, the triangular mesh (element) information at the above-described origin P1, and the like are input to two or more input layer elements. Since there is no theoretically required method for the number of elements in the intermediate layer, the estimation accuracy when the number of elements in the intermediate layer is changed in various ways is examined, and an appropriate number is set in advance. Further, from the elements of the output layer, grouping determination values (for example, integers such as 1, 2, 3,..., Indicating that the smaller the numerical value is, the worse the element group) are the second quality group. Output as a value. The data for teachers in this neural network includes node coordinates and information around the elements (input values) when a full-time person has made corrections in advance, and the grouping judgment value (output value: second quality group) Value).
尚、ニューラルネットワークに対する入力値は、上述の例に限るものではなく、例えば、三角メッシュのスキューネスの値、面積の値であっても良い。また、ノードＰ３のＸ座標、Ｙ座標の値のみであっても良い。このような入力値の設定は、ニューラルネットワークにより推定されるグループ分けの判定値の精度により適宜決定される。また、ニューラルネットワークの階層も３層モデルに限るものではなく、４層以上のモデルであっても良いことは云うまでもない。 Note that the input value to the neural network is not limited to the above example, and may be, for example, a skewness value or an area value of a triangular mesh. Further, only the X-coordinate and Y-coordinate values of the node P3 may be used. Such setting of the input value is appropriately determined depending on the accuracy of the grouping determination value estimated by the neural network. Needless to say, the hierarchy of the neural network is not limited to the three-layer model, and may be a model having four or more layers.
本実施の第１形態で採用するニューラルネットワークは、一般的に公知のものであり、その基本構成は、図６に示すように、入力層、中間層、出力層からなる階層型ニューラルネットワーク（本実施の第１形態では３層構造）であり、各々の層は、複数個の同じ機能を持った素子から構成されている。そして、各層間の各素子間は、固有の重み係数Ｗijで結合されている。各素子の内部においては、具体的には図７に示すように、入力値ｙｉに対し、以下の（１）式、（２）式に示す計算を行い、その結果を出力値Ｙｊとして出力する。
Ｘｊ＝Σｎ ｉ＝１Ｗij・ｙｉ …（１）
Ｙｊ＝１／（１＋exp（−（Ｘｊ−θｊ））） …（２）
ここで、Ｗijはｉ番目の素子とｊ番目の素子間の重み係数、θｊは閾値である。
The neural network employed in the first embodiment is generally known, and its basic configuration is a hierarchical neural network (this book) composed of an input layer, an intermediate layer, and an output layer as shown in FIG. In the first embodiment, it has a three-layer structure), and each layer is composed of a plurality of elements having the same function. Each element between the layers is coupled with a unique weight coefficient Wij. In each element, specifically, as shown in FIG. 7, the calculation shown in the following equations (1) and (2) is performed on the input value yi, and the result is output as the output value Yj. .
Xj = Σ n i = 1 Wij · yi (1)
Yj = 1 / (1 + exp (− (Xj−θj))) (2)
Here, Wij is a weighting factor between the i-th element and the j-th element, and θj is a threshold value.
（２）式は、シグモイド関数と呼ばれれる関数で、ニューラルネットワーク素子の関数として一般的に用いられているものである。（２）式の入力Ｘｊと出力Ｙｊとの関係を図８に示す。この図からわかるように、（２）式の関数はゼロから１まで連続的に変化する。また、閾値θｊが小さくなるにつれて、シグモイド関数はステップ関数に近付いていくように設定される。 Equation (2) is a function called a sigmoid function, and is generally used as a function of a neural network element. FIG. 8 shows the relationship between the input Xj and the output Yj in equation (2). As can be seen from this figure, the function of equation (2) continuously changes from zero to one. Further, the sigmoid function is set to approach the step function as the threshold value θj decreases.
ニューラルネットワークが正しく推定するために、重み係数Ｗijと閾値θｊとを調整する必要がある。この調整（学習とも言う）は、Back-Propagation法で行う。Back-Propagation法は、学習するための教師用データを事前に用意し、この教師用データに結果が合うように学習を進め、重み係数Ｗijと閾値θｊとを決定する方法である。 In order for the neural network to estimate correctly, it is necessary to adjust the weighting factor Wij and the threshold value θj. This adjustment (also called learning) is performed by the Back-Propagation method. The Back-Propagation method is a method in which teacher data for learning is prepared in advance, learning is advanced so that the result matches the teacher data, and the weight coefficient Wij and the threshold θj are determined.
重み係数Ｗijと閾値θｊの初期値はともに乱数で与えられる。入力値をニューラルネットワークの入力素子に入力し、出力結果を教師用データの値と比較して、以下の（３）式により誤差Ｅを求める。
Ｅ＝Σｎ ｉ＝１（Ｙｋ−Ｄｋ）２／２ …（３）
ここで、Ｙｋはニューラルネットワーク出力素子の出力値、Ｄｋは望ましい出力値、ｎは教師用データ数である。
The initial values of the weight coefficient Wij and the threshold value θj are both given by random numbers. The input value is input to the input element of the neural network, the output result is compared with the value of the teacher data, and the error E is obtained by the following equation (3).
E = Σ n i = 1 ( Yk-Dk) 2/2 ... (3)
Here, Yk is the output value of the neural network output element, Dk is the desired output value, and n is the number of teacher data.
次に、この誤差Ｅに対する各重み係数Ｗij，閾値θｊの寄与率（∂Ｅ／∂Ｗij），（∂Ｅ／∂θｊ）を求め、この寄与率（∂Ｅ／∂Ｗij），（∂Ｅ／∂θｊ）を基に各重み係数Ｗij、閾値θｊの変化量を以下の（４）式、（５）式により求める。
ΔＷij(t+1)＝−α・（∂Ｅ／∂Ｗij）＋β・ΔＷij(t) …（４）
Δθｊ(t+1)＝−γ・（∂Ｅ／∂θｊ）＋ε・Δθｊ(t) …（５）
ここで、α、β、γ、εは定数であり、例えば、α＝γ＝０．１、β＝ε＝０．９とする。ΔＷij(t)，Δθｊ(t)は、重み係数Ｗij，閾値θｊにおける１学習前の修正量である。以上の重み係数Ｗij，閾値θｊに対する修正を繰り返し、学習を進めていくのである。学習回数は、例えば、１教師用データ当たり５００回以上とする。
Next, the contribution ratios (∂E / ∂Wij) and (∂E / ∂θj) of each weight coefficient Wij and threshold θj to the error E are obtained, and the contribution rates (∂E / ∂Wij), (∂E / Based on ∂θj), the amount of change of each weighting coefficient Wij and threshold value θj is obtained by the following equations (4) and (5).
ΔWij (t + 1) = − α · (∂E / ∂Wij) + β · ΔWij (t) (4)
Δθj (t + 1) = − γ · (∂E / ∂θj) + ε · Δθj (t) (5)
Here, α, β, γ, and ε are constants. For example, α = γ = 0.1 and β = ε = 0.9. ΔWij (t) and Δθj (t) are correction amounts before learning in the weighting coefficient Wij and the threshold θj. The above correction is repeated for the weighting coefficient Wij and the threshold value θj, and learning is advanced. The number of learning is, for example, 500 times or more per teacher data.
メッシュ修正部１６は、メッシュ修正手段としてのものであり、メッシュの修正を行うための処理プログラムである。メッシュデータの修正は、ＰＣ１のキーボード４、マウス５及びモニタ６のマンマシンインターフェース（以下、MMIと略す）を利用して行われる。オペレータは、モニタ６の画面上にメッシュを表示させ、メッシュを指定あるいは選択して、マウス５によりメッシュのノードの位置を移動、エッジの修正等させることによって、メッシュの形状を修正することができる。
The
連動修正部１７は、連動修正手段としてものであり、１つのメッシュが修正されると、同一あるいは類似のメッシュも連動して同様に修正する処理プログラムである。
The
以下、図９を用いて、上述した修正処理について、より詳述に説明する。図９は、図２に示した上述の修正処理について、より詳述な処理の流れの例を示すフローチャートである。図９の処理は、オペレータが、ＰＣ１に対して、３次元CADデータからメッシュデータを生成するためのメッシュデータ生成コマンドを入力すると、ＰＣ１によって実行が開始される。図９の処理のプログラムは、記憶装置３にストアされており、CPUがストアされたそのプログラムを読み出して実行する。
Hereinafter, the correction process described above will be described in more detail with reference to FIG. FIG. 9 is a flowchart showing an example of a detailed flow of the above-described correction process shown in FIG. 9 is started when the operator inputs a mesh data generation command for generating mesh data from the three-dimensional CAD data to the
図９の処理によって、各メッシュの各種データが生成されるが、それらのデータは、図１０に示すデータ構造を有するデータベースにストアされる。初めに、メッシュデータのデータ構造について説明する。 The various types of data for each mesh are generated by the processing shown in FIG. 9, and these data are stored in a database having the data structure shown in FIG. First, the data structure of mesh data will be described.
図１０に示すように、メッシュデータのデータベース（以下、メッシュＤＢという）２０は、ここでは単なるテーブル形式のデータである。メッシュＤＢ２０には、各メッシュについて、メッシュ識別子（以下、メッシュＩＤという）２１、絶対座標２２、面積２３、品質評価値２４、局所座標２５、局所座標正規化値２６、第１の品質グループ２７、第２の品質グループ２８、修正ログ２９、その他図示しない各ノードが有する要素情報（前述したように、本ノードを頂点とする三角メッシュの数、本ノードを頂点とする三角メッシュの中での最大角、最小角、これらの角度差）等の各項目データが含まれる。
As shown in FIG. 10, a mesh data database (hereinafter referred to as mesh DB) 20 is simply tabular data here. In the
メッシュＩＤの項目２１には、各メッシュを識別するための識別コードが記録される。
In the
絶対座標の項目２２には、ある基準点に対するメッシュの三角形の３点、すなわち３つのノードの座標値データが記録される。
In the absolute coordinate
面積の項目２３には、メッシュの三角形の面積値データが記録される。
In the
品質評価値の項目２４には、メッシュの品質値、例えば上述したスキューネスの値が記憶される。
The quality
局所座標の項目２５及び局所座標正規化値の項目２６には、上述した局所座標系に変換した値と、これを正規化した値が記録される。尚、これらの局所座標の項目２５及び局所座標正規化値の項目２６は、第１のグルーピング部１３で分類された分類毎に選択された場合にのみ記録される。
In the local coordinate
第１の品質グループの項目２７には、第１のグルーピング部１３で分類されたメッシュの属する分類を識別するための識別コードが記録される。
In the
第２の品質グループの項目２８には、ニューラルネットワーク処理部１５でグループ分けされたメッシュの属する分類を識別するための識別コードが記録される。
In the second
図９に戻り、メッシュデータ生成コマンドが入力されると、まず、ステップ（以下、「Ｓ」と略称）１０１で、メッシュ生成部１１が３次元CADデータからメッシュデータを生成する。
Returning to FIG. 9, when a mesh data generation command is input, first, in step (hereinafter abbreviated as “S”) 101, the
次に、Ｓ１０２に進み、メッシュ生成部１１において、各メッシュの基本データ、すなわち、生成されたメッシュデータの絶対座標データ、各メッシュを構成するノードの要素情報（本ノードを頂点とする三角メッシュの数、本ノードを頂点とする三角メッシュの中での最大角、最小角、これらの角度差等）、面積が演算されて、記憶装置３のメッシュＤＢ２０にストアされる。
In step S102, the
次いで、Ｓ１０３に進み、メッシュ品質評価部１２において、記憶装置３にストアされた全てのメッシュデータについて品質評価関数（本実施の形態ではスキューネス）が適用され、品質評価値が算出され、メッシュＤＢ２０に記録される。
Next, the process proceeds to S103, and the mesh
次に、Ｓ１０４に進み、各メッシュの品質評価値が所定の閾値以上であるか否かを比較し、品質評価値が所定の閾値以上のメッシュとその周囲部のメッシュを抽出する。ここで、所定の閾値とは、例えば、上述したスキューネスの場合、０．９等の値である。尚、品質評価値の定義によっては、品質評価値が小さくなる程、メッシュの品質が悪くなる場合もある。そのような場合は、品質評価値が所定の閾値以下のメッシュとその周囲部のメッシュを抽出する。 In step S104, it is compared whether or not the quality evaluation value of each mesh is equal to or greater than a predetermined threshold value, and a mesh whose quality evaluation value is equal to or greater than the predetermined threshold value and the surrounding mesh are extracted. Here, the predetermined threshold is, for example, a value such as 0.9 in the case of the skewness described above. Depending on the definition of the quality evaluation value, the quality of the mesh may deteriorate as the quality evaluation value decreases. In such a case, a mesh whose quality evaluation value is a predetermined threshold value or less and a mesh around the mesh are extracted.
次に、Ｓ１０５に進み、上述のＳ１０４において抽出されたメッシュ、すなわち所定の閾値以上の品質評価値である品質の悪いメッシュとその周囲部のメッシュについて、品質評価値に応じて、グルーピング処理（第１の品質グルーピング処理）が行われる。例えば、０．９以上で１．０以下の品質評価値を、０．０１の幅の範囲で層別し、Ｓ１０４において抽出されたメッシュがどの範囲、すなわち、どのグループに入るかを決定することによって、グルーピングを行う。この第１の品質グルーピング処理によって、同じグループと分類されたメッシュは、同じグループ識別子（第１の品質グループ識別子：以下、第１の品質グループＩＤという）が付与される。 Next, the process proceeds to S105, in which the mesh extracted in S104 described above, that is, the poor quality mesh that is a quality evaluation value equal to or higher than a predetermined threshold and the surrounding meshes, are grouped according to the quality evaluation value (first step). 1 quality grouping process) is performed. For example, a quality evaluation value of 0.9 or more and 1.0 or less is stratified in a range of 0.01 width, and it is determined which range, that is, which group the mesh extracted in S104 belongs to. To perform grouping. Meshes classified as the same group by the first quality grouping process are given the same group identifier (first quality group identifier: hereinafter referred to as a first quality group ID).
尚、この第１の品質グルーピング処理は、グルーピングを所定の幅の範囲で層別しなくても、品質評価値が所定の範囲内で近似する複数のメッシュを１つのグループとして、グルーピングするようにしてもよく、グルーピングの方法は種々有り得る。上述のＳ１０４、及び、Ｓ１０５における処理は、第１のグルーピング部１３によって実行される。また、上述のＳ１０５によりグルーピングされたメッシュの第１の品質グループＩＤのデータは、メッシュＤＢ２０の第１の品質グループの項目２７の欄にストアされる。
In the first quality grouping process, a plurality of meshes whose quality evaluation values approximate within a predetermined range are grouped as one group without grouping the groups within a predetermined width range. There may be various grouping methods. The processes in S104 and S105 described above are executed by the
次に、Ｓ１０６に進み、座標変換処理部１４において、分類された各第１の品質グループの分類毎に、各メッシュを局所座標系に変換処理する。これは、前述した如く、まず、局所座標系を生成する三角メッシュについて、３つの角度の中で最も小さい角度を有している頂点のノードを原点に設定する。次に、この原点を形成する２辺の長い方の辺をＸ軸上の辺として設定し、この長い方の辺が存在する側がＸ軸の正の側として設定する。次いで、三角メッシュの平面上で原点を形成する２辺の短い方の辺が存在する側を、原点でＸ軸と直交するＹ軸の正の側に設定する。そして、原点でＸ軸とＹ軸とに直交する残りの軸がＺ軸に設定される。
In step S106, the coordinate
次いで、Ｓ１０７に進み、座標変換処理部１４は、Ｓ１０６で生成した局所座標系を、前述のように、原点を形成する２辺の長い方の辺の長さを基準として（基準値「１」として）正規化を実行する。
Next, in S107, the coordinate
その後、Ｓ１０８に進み、ニューラルネットワーク処理部１５において、座標変換処理部１４で作成された正規化された各三角メッシュの局所座標系の値や、原点Ｐ１における要素情報（原点Ｐ１を頂点とする三角メッシュの数、原点Ｐ１を頂点とする三角メッシュの中での最大角、最小角、これらの角度差等）を入力値として、予め設定しておいたニューラルネットワークに入力し、この三角メッシュについて複数の三角メッシュの同一又は類似を判断するグループの判定値を出力値（第２の品質グループ）として取得し、グループ分けする。
Thereafter, the process proceeds to S108, where the neural
このニューラルネットワークによって、同じグループと分類されたメッシュは、同じグループ識別子（第２の品質グループ識別子：以下、第２の品質グループＩＤという）が付与される。そして、このＳ１０８によりグルーピングされたメッシュの第２の品質グループＩＤのデータは、メッシュＤＢ２０の第２の品質グループの項目２８の欄にストアされる（第２の品質グルーピング処理）。
Meshes classified as the same group by this neural network are given the same group identifier (second quality group identifier: hereinafter referred to as second quality group ID). Then, the data of the second quality group ID of the mesh grouped in S108 is stored in the column of the
次いで、Ｓ１０９に進むと、オペレータはメッシュ修正を行うことができる。このメッシュ修正の順番と方法は、種々ある。例えば、品質評価値が所定の閾値以上のものは、Ｓ１０５の処理により分類抽出され、更に、Ｓ１０８の処理によりグルーピングされているので、ＰＣ１は、最も品質評価値の大きなグループのメッシュ、すなわち品質の最も悪いグループにグループ分けされたメッシュを、メッシュデータの中から抽出してモニタ６上に表示し、オペレータは、表示されたそのグループのメッシュの中から一つを選択して、修正を行うことができる。すなわち、品質が評価された複数のメッシュの中で、品質の悪いメッシュから修正されるように、モニタ６に表示するようにする。 Next, in S109, the operator can perform mesh correction. There are various orders and methods for the mesh correction. For example, if the quality evaluation value is equal to or greater than a predetermined threshold, it is classified and extracted by the process of S105, and further grouped by the process of S108. The mesh grouped into the worst group is extracted from the mesh data and displayed on the monitor 6, and the operator selects one of the displayed meshes of the group and corrects it. Can do. In other words, among the plurality of meshes whose quality is evaluated, the screen is displayed on the monitor 6 so as to be corrected from the mesh having the poor quality.
或いは、ＰＣ1は、所定の閾値以上のメッシュをモニタ６上に、オペレータは、表示された品質の悪いメッシュの中から修正したいメッシュを選択して、修正を行うようにしてもよい。メッシュ修正の順番は、種々の方法が考えられるが、以下では、その中の一つの方法の場合で、メッシュの修正の方法を具体的に示す。
Alternatively, the
図１１は、生成されたメッシュをモニタ６の画面上に表示させたときのメッシュの一部を示す図である。Ｓ１０１において生成されたメッシュを、モニタ６に表示させるべく、オペレータが所定のコマンドをＰＣ１に指示すると、図１１に示すようなメッシュが表示される。オペレータは、例えば、品質評価値が所定の閾値以上であるとされた全てのメッシュをモニタ６に表示するコマンドをＰＣ1に指示すると、ＰＣ1は、メッシュＤＢ２０の中から品質評価値が所定の閾値以上のメッシュを抽出し、図１２に示すような画像をモニタ６上に表示する。
FIG. 11 is a diagram illustrating a part of the mesh when the generated mesh is displayed on the screen of the monitor 6. When the operator instructs the
図１２は、Ｓ１０５においてメッシュの中から品質の悪いグループのメッシュとして抽出されたメッシュを表示させたときのメッシュの一部を示す図である。図１２では、品質評価値が所定の閾値以上のメッシュがハイライト、ここでは、斜線で表示されている。これは、所定の閾値以上のメッシュと他のメッシュとをオペレータが区別できるようにするためである。また、Ｍ１，Ｍ２，Ｍ３，Ｍ４の各メッシュと、Ｍ１１，Ｍ１２，Ｍ１３，Ｍ１４の各メッシュとは、同じ品質評価値で分類されるメッシュであっても、Ｓ１０８の処理により異なるグループに分けられたメッシュであることを示す。 FIG. 12 is a diagram illustrating a part of the mesh when the mesh extracted as a mesh of a poor quality group from the meshes in S105 is displayed. In FIG. 12, meshes whose quality evaluation values are equal to or higher than a predetermined threshold are highlighted, in this case, hatched. This is to enable the operator to distinguish between meshes having a predetermined threshold value or more and other meshes. Further, the meshes M1, M2, M3, and M4 and the meshes M11, M12, M13, and M14 are divided into different groups by the process of S108 even if they are classified by the same quality evaluation value. Indicates a mesh.
オペレータが、マウス５を用いてハイライト表示されたメッシュの一つを選択すると、図１３に示すように、選択されたメッシュと、その選択されたメッシュの周囲部のメッシュとがモニタ６の画面上に表示される。より詳しく言えば、図１２の画面の状態において、メッシュＭ１をマウス５によって選択し、メッシュの修正モードになると、図１３の画面が表示される。尚、図１２は、メッシュＭ１と周囲部のメッシュ、並びにメッシュＭ1と同一又は類似のメッシュ（第１の品質グルーピング処理（Ｓ１０５）と第２の品質グルーピング処理（Ｓ１０８）とで同一又は類似とみなされたメッシュ）Ｍ２，Ｍ３，Ｍ４とそれらの周囲部のメッシュの範囲が、わかり易いように、太い線で示してある。オペレータが、一つのメッシュを選択し、選択したメッシュを修正するための所定のコマンドをＰＣ1に指示すると、ＰＣ1は修正モードになる。
When the operator selects one of the highlighted meshes using the
そして、図１３の状態では、選択されたメッシュＭ１とその周囲部のメッシュ、並びに、メッシュＭ１と同じグループの他のメッシュＭ２，Ｍ３，Ｍ４が表示されるが、それら以外のメッシュは表示されない。すなわち、図１３の状態では、メッシュＭ１が修正される場合に、メッシュＭ１とその周囲部のメッシュ、並びに、メッシュＭ１と同じグループの他のメッシュＭ２，Ｍ３，Ｍ４とその周囲部のメッシュが、他のメッシュとは別個に表示される。メッシュＭ１の形状の変更は、メッシュＭ１の周囲部のメッシュの形状の変更に繋がるので、メッシュＭ１を修正するときには、周囲部のメッシュも合わせて表示されるのである。 In the state shown in FIG. 13, the selected mesh M1 and the surrounding meshes and other meshes M2, M3, and M4 of the same group as the mesh M1 are displayed, but the other meshes are not displayed. That is, in the state of FIG. 13, when the mesh M1 is modified, the mesh M1 and the surrounding mesh, and the other meshes M2, M3, M4 and the surrounding mesh in the same group as the mesh M1, It is displayed separately from other meshes. Since the change in the shape of the mesh M1 leads to the change in the shape of the mesh around the mesh M1, when the mesh M1 is corrected, the mesh in the periphery is also displayed.
オペレータは、図１３の画面表示を見ながら、マウス５等を使用して、メッシュＭ１のノードを選択して、移動等のコマンドを入力することによって、メッシュＭ１の形状を変更することができる。メッシュＭ１のノード位置を変更すると、上述したようにメッシュＭ１の周囲部のメッシュのノード位置も変更される。
The operator can change the shape of the mesh M1 by selecting a node of the mesh M1 using the
図１３では、図１２に示すメッシュの中から、修正されるメッシュＭ１と周囲部のメッシュ並びに、メッシュＭ１と同じグループの他のメッシュＭ２，Ｍ３，Ｍ４のみが表示される場合、表示される各メッシュの位置が、図１２における対応するメッシュの位置と同じになるように、メッシュの表示が行われる。 In FIG. 13, when only the mesh M1 to be modified and the surrounding meshes and other meshes M2, M3, and M4 in the same group as the mesh M1 are displayed from among the meshes shown in FIG. The mesh is displayed so that the mesh position is the same as the corresponding mesh position in FIG.
尚、図１３の表示の変形例として、修正モードにおけるメッシュの表示は、図１４に示すようにしてもよい。図１４は、選択されたメッシュとその周囲部のメッシュが表示される他の例を示す図である。図１４では、表示される各メッシュの位置は、図１２における対応するメッシュの位置と同じになるように、メッシュは表示されないが、表示されるメッシュＭ１と、メッシュＭ１と同じグループの他のメッシュＭ２，Ｍ３，Ｍ４は、それぞれ、周囲部のメッシュを含めて、他のメッシュとは別個に、一つの固まりとして表示される。 As a modification of the display in FIG. 13, the mesh display in the correction mode may be as shown in FIG. FIG. 14 is a diagram illustrating another example in which the selected mesh and the surrounding mesh are displayed. In FIG. 14, the mesh is not displayed so that the position of each displayed mesh is the same as the position of the corresponding mesh in FIG. 12, but the displayed mesh M1 and other meshes in the same group as the mesh M1 are displayed. M2, M3, and M4 are displayed as one lump separately from the other meshes, including the surrounding meshes.
次に、修正モードにおけるメッシュの修正の方法について説明する。図１５は、修正すべきメッシュＭ１とその周囲部のメッシュを示す図である。図１６から図１８は、図１５に示すメッシュＭ１の修正例を示す図である。すなわち、図１６は、左上側のエッジを２分割して修正した場合の例を示している。また、図１７は、メッシュを方向転換した場合の例を示している。更に、図１８は、メッシュのノードの移動（上のノードを更に上方に移動）した場合の例を示している。 Next, a mesh correction method in the correction mode will be described. FIG. 15 is a diagram showing a mesh M1 to be corrected and a mesh around the mesh M1. 16 to 18 are diagrams showing examples of correction of the mesh M1 shown in FIG. That is, FIG. 16 shows an example in which the upper left edge is corrected by being divided into two. FIG. 17 shows an example when the direction of the mesh is changed. Further, FIG. 18 shows an example in which the mesh node is moved (the upper node is moved further upward).
メッシュの修正方法は、図１６から図１８に示した以外にも、ノードの結合など、種々あるので、他の方法であってもよい。また、メッシュの修正は、オペレータが修正のための各種コマンド、マウス５による位置指定等をＰＣ1に入力することによって行われる。
Since there are various mesh correction methods other than those shown in FIGS. 16 to 18 such as node connection, other methods may be used. In addition, the mesh is corrected when the operator inputs various commands for correction, position designation with the
図９に戻り、Ｓ１０９でメッシュＭ１の修正を行い、オペレータが修正されたメッシュＭ１とその周囲部のメッシュの状態を更新する旨のコマンド、例えば更新コマンドをＰＣ1へ入力して指示すると、Ｓ１１０の判定処理でYESとなって、Ｓ１１１に進んで、メッシュＭ１とその周囲部のメッシュのデータが更新される。尚、Ｓ１１０で更新しないとの指示が与えられた場合は、Ｓ１０５からの処理を繰り返す。 Returning to FIG. 9, when the mesh M1 is corrected in S109 and the operator inputs a command to update the corrected mesh M1 and the surrounding mesh state, for example, an update command to the PC1, an instruction of S110 The determination process is YES, the process proceeds to S111, and the data of the mesh M1 and the surrounding mesh are updated. If an instruction not to update is given in S110, the processing from S105 is repeated.
そして、Ｓ１１１からＳ１１２に進むと、メッシュＭ１と同じグループの他のメッシュＭ２，Ｍ３，Ｍ４とその周囲部のメッシュについても、メッシュＭ１についてした修正と同じように行う連動修正が行われ、メッシュデータが修正内容のメッシュデータに更新される。 Then, when the process proceeds from S111 to S112, the other meshes M2, M3, M4 in the same group as the mesh M1 and the surrounding meshes are also subjected to the interlocking correction performed in the same manner as the correction for the mesh M1, and mesh data. Is updated to the mesh data of the modified content.
例えば、図１９に示すように、メッシュＭ１の左上側のノードを分割してＰ11に新たなノードを形成する修正を行ったとすると、他の同一又は類似関係にあるメッシュＭ２，Ｍ３，Ｍ４について、正規化された局所座標系の値に基づいて、対応する角度、対応するノード位置での修正が実行される。図１９の例では、メッシュＭ２，Ｍ３，Ｍ４のそれぞれに、新たなノードＰ12，Ｐ13，Ｐ14を形成して修正が実行される。 For example, as shown in FIG. 19, assuming that the upper left node of the mesh M1 is divided and a new node is formed in P11, other meshes M2, M3, and M4 having the same or similar relationship are obtained. Based on the normalized value of the local coordinate system, the correction at the corresponding angle and the corresponding node position is executed. In the example of FIG. 19, new nodes P12, P13, and P14 are formed in the meshes M2, M3, and M4, respectively, and correction is performed.
また、例えば、図１９に示すように、メッシュＭ11の右端側のノードをノードＰ21の位置まで下方に移動させた場合、メッシュＭ11と同じグループの他のメッシュＭ12，Ｍ13，Ｍ14とその周囲部のメッシュについても、メッシュＭ11についてした修正と同じように行う連動修正が行われ、メッシュデータが修正内容のメッシュデータに更新される。すなわち、メッシュＭ１２の右端側のノードはノードＰ22の位置まで下方に移動させられ、メッシュＭ１３の左端側のノードはノードＰ23の位置まで上方に移動させられ、メッシュＭ１４の右端側のノードはノードＰ24の位置まで上方に移動させられる。 Further, for example, as shown in FIG. 19, when the node on the right end side of the mesh M11 is moved downward to the position of the node P21, other meshes M12, M13, M14 in the same group as the mesh M11 and the surrounding area Also for the mesh, the interlock correction is performed in the same manner as the correction for the mesh M11, and the mesh data is updated to the mesh data of the correction content. That is, the rightmost node of the mesh M12 is moved downward to the position of the node P22, the leftmost node of the mesh M13 is moved upward to the position of the node P23, and the rightmost node of the mesh M14 is moved to the node P24. To the position of
このように、Ｓ１１２の連動修正によって、メッシュＭ１（Ｍ11）と同じグループに属する複数のメッシュＭ２，Ｍ３，Ｍ４（Ｍ12，Ｍ13，Ｍ14）も、修正したメッシュＭ１（Ｍ11）と同じように周囲部も含めて修正される。従って、本実施の形態では、単に品質評価値のみの分類のみならず、特にＳ１０８での第２の品質グルーピング処理で、局所座標系でのグルーピング処理が行われているため、連動修正も容易且つ精度良く実行されるのである。 As described above, the meshes M2, M3, and M4 (M12, M13, and M14) belonging to the same group as the mesh M1 (M11) are also connected to the peripheral portion in the same manner as the corrected mesh M1 (M11) by the interlocking correction in S112. Will be corrected. Therefore, in the present embodiment, not only the classification of only the quality evaluation value but also the grouping process in the local coordinate system is performed in the second quality grouping process in S108 in particular. It is executed with high accuracy.
上述のＳ１１２で、メッシュＭ１のグループのメッシュの修正が終わると、Ｓ１１３に進み、オペレータは、メッシュの修正処理を、更に行うか否かの指示をＰＣ1に対して行う。
When the correction of the mesh of the group of the mesh M1 is completed in S112 described above, the process proceeds to S113, and the operator instructs the
Ｓ１１３で、ＰＣ１が更なる修正処理を行う指示を受けたと判定した場合（例えば、メッシュＭ11の修正を行う場合等）は、Ｓ１０５からの処理を繰り返し、上述のメッシュＭ11についての修正を行う。この連動修正を繰り返し行うことにより、最終的には、例えば、図２０に示すような、図１２に示されたメッシュＭ１、及び、Ｍ11とその周囲部のメッシュＭ２，Ｍ３，Ｍ４、及び、Ｍ12，Ｍ13，Ｍ14が修正された状態を得ることができる。
If it is determined in S113 that the
また、Ｓ１１３で更なる修正処理を行わないとの指令を受けたと判定した場合はそのままプログラムを抜ける。 If it is determined in S113 that an instruction not to perform further correction processing has been received, the program exits as it is.
尚、更なるメッシュの修正を行うか否かは、例えば、モニタ６の画面上に、継続してメッシュの修正を行うか否かをオペレータに尋ねるポップアップウインドウのようなものを表示させ、オペレータに、そのウインドウへのコマンド入力を行わせることによって行うようにする。 Whether or not to further modify the mesh is determined by, for example, displaying on the screen of the monitor 6 a pop-up window that asks the operator whether or not to continue the mesh modification. This is done by inputting a command to the window.
以上説明したように、本実施の第１形態によれば、オペレータは、図１２に示す品質の悪いメッシュＭ１やＭ11を選択して修正を行い、これらメッシュＭ１，Ｍ11を、図２０に示すような品質の良いメッシュを修正することができる。 As described above, according to the first embodiment, the operator selects and corrects the poor quality meshes M1 and M11 shown in FIG. 12, and these meshes M1 and M11 are shown in FIG. A good quality mesh can be modified.
更に、Ｓ１１２の連動修正によって、メッシュＭ１及びＭ11と同じグループの他のメッシュＭ２，Ｍ３，Ｍ４及びＭ12，Ｍ13，Ｍ14についても同様に修正を行うことができるので、修正を効率的に行うことができる。また、修正したメッシュと同一又は類似するメッシュに対して、修正したメッシュと同様の修正を行うので、メッシュの修正が均一になる。 Further, by the interlock correction in S112, other meshes M2, M3, M4 and M12, M13, M14 in the same group as the meshes M1 and M11 can be similarly corrected, so that the correction can be performed efficiently. it can. Further, since the same correction as the corrected mesh is performed on the same or similar mesh as the corrected mesh, the correction of the mesh becomes uniform.
また、本実施の第１形態によるグループ分けは、Ｓ１０８により、専任者による学習を考慮したニューラルネットワークによって実行されるため、たとえ熟練していないオペレータであっても、容易に精度の良いグループ分けが行われ、その結果、連動修正も精度良く行うことが可能となっている。 In addition, since the grouping according to the first embodiment is executed by a neural network in consideration of learning by a full-time person in S108, even an unskilled operator can easily perform grouping with high accuracy. As a result, interlocking correction can be performed with high accuracy.
尚、上述したＳ１０９において、メッシュの修正をするべく修正コマンドをオペレータがＰＣ1に入力してＰＣ1が修正モードになると、図１３或いは図１４に示すような画面の表示になるのではなく、図２１に示すように、選択されたメッシュＭ１とメッシュＭ１の周囲部のメッシュも含めて、サブウインドウ３１に表示させるようにしてもよい。図２１は、修正モードにおける画面表示の変形例を示す図である。図２２は、図２１の場合に、メッシュが修正された状態を示す。
In S109 described above, when the operator inputs a correction command to the
すなわち、オペレータは、ＰＣ1のMMIを用いて、図２１のサブウインドウ３１内に表示されたメッシュＭ１とその周囲部のメッシュに対して修正を行うことができる。メッシュＭ１が修正されると、サブウインドウ内のメッシュＭ１とその周囲部のメッシュは修正された形状になり、更に、上述したようにＳ１１２の連動修正を行うと、図２２に示すように、サブウインドウ３１の範囲外に表示されている、メッシュＭ２，Ｍ３，Ｍ４についても修正されて表示される。 That is, the operator can correct the mesh M1 displayed in the subwindow 31 of FIG. 21 and the surrounding meshes using the MMI of the PC1. When the mesh M1 is corrected, the mesh M1 in the sub-window and the surrounding mesh are corrected, and when the interlock correction in S112 is performed as described above, as shown in FIG. The meshes M2, M3, and M4 displayed outside the range of the window 31 are also corrected and displayed.
このようなサブウインドウ３１を利用することによって、オペレータが他のメッシュを誤って修正することがなくなるので、修正作業の効率が向上する。 By using such a subwindow 31, the operator does not correct other meshes by mistake, so that the efficiency of the correction work is improved.
また、上述した例では、Ｓ１０９の修正処理の後、オペレータが更新コマンドを指示することによって、メッシュデータの更新処理（Ｓ１１１）及び連動修正の処理（Ｓ１１２）が実行されているが、Ｓ１０９の修正処理に対応してリアルタイムにメッシュデータの更新と他のメッシュの連動修正を行うようにしてもよい。すなわち、図９におけるＳ１１０の処理を省き、Ｓ１０９の処理を行うと、Ｓ１１１とＳ１１２の処理を連続して行うようにする。このようにすれば、連動修正の状態を確認しながら、メッシュの修正を行うことができる。 In the example described above, the mesh data update process (S111) and the interlock correction process (S112) are executed by the operator instructing an update command after the correction process of S109. Corresponding to the processing, the mesh data may be updated in real time and other meshes may be linked and corrected. That is, if the process of S110 in FIG. 9 is omitted and the process of S109 is performed, the processes of S111 and S112 are performed continuously. In this way, the mesh can be corrected while confirming the state of the interlock correction.
更に、Ｓ１０９における修正作業の内容を記録しておき、他の対象等のメッシュデータに対する修正に利用できるような修正記録部を有するようにしてもよい。具体的には、修正記録部は、修正するメッシュと周囲部のメッシュについてされた修正作業のログである修正データを、各メッシュに対応させて記憶装置３に記録するようにする。修正作業のデータは、例えば、オペレータのMMIに対する操作内容は、いわゆるスクリプトによって記述できるので、そのスクリプトデータを、例えば、図１０のメッシュＤＢ２０の修正ログの項目２９の欄に記憶させる。
Furthermore, the contents of the correction work in S109 may be recorded, and a correction recording unit that can be used for correction of mesh data of other objects or the like may be provided. Specifically, the correction recording unit records correction data, which is a log of correction work performed on the mesh to be corrected and the surrounding meshes, in the
その結果、そのときに修正を行っている対象のメッシュではなく、オペレータが別の対象の修正、例えば後日他の車両のメッシュの修正を行うときに、同一あるいは類似の品質の悪いメッシュに対して、修正ログの項目２９に記憶されたスクリプトをプログラムとして読み出すことによって、修正作業を再現してメッシュ修正の参考にしたり、メッシュの修正を自動的に行うようにすることができる。よって、別の対象の修正作業を短時間に行うことができる。
As a result, instead of the target mesh being modified at that time, when the operator modifies another target, such as a mesh of another vehicle at a later date, the same or similar poor quality mesh By reading the script stored in the
また、修正されたメッシュは、当初生成されたメッシュデータと異なるものとなるため、修正内容が確定するまで、各メッシュの属性を変更するような属性管理部を有するようにしてもよい。例えば、メッシュＭ１について修正すると、その結果周囲部のメッシュも同時に修正される。更に、メッシュＭ１と連動修正されたメッシュとその連動修正されたメッシュの周囲部のメッシュも存在する場合がある。 Further, since the modified mesh is different from the mesh data generated at the beginning, an attribute management unit that changes the attribute of each mesh may be provided until the correction content is determined. For example, when the mesh M1 is corrected, the surrounding mesh is also corrected at the same time. Further, there may be a mesh that is linked and corrected with the mesh M1 and a mesh around the mesh that is linked and corrected.
その場合、属性管理部は、修正されたメッシュＭ１とその周囲部のメッシュ、並びに連動修正されたメッシュＭ２，Ｍ３，Ｍ４についてのメッシュデータには、一時的に新たな属性を付与する。属性としては、例えばグループ番号を利用することができる。その新たに付与される属性の内容は、例えば、グループ番号に記号、番号等を付加したものである。図１０において、メッシュＭ１の第１の品質グループが「１」、第２の品質グループが「２」であれば、新たに付与されるのは、「１−２−１」などである。その結果、メッシュＭ１の修正に関連して修正された各メッシュに、同じ属性「１−２−１」を有するようにさせることができるので、例えば、モニタ上に表示させる時に、メッシュＭ１と周囲部のメッシュ、並びにメッシュＭ１と同様の修正がされたメッシュＭ２，Ｍ３，Ｍ４及びその周囲部のメッシュを、他のメッシュとは異なる色を付けて表示させるようにすることができる。同様に、メッシュＭ１と異なるグループのメッシュＭｉについて修正した場合は、そのメッシュＭｉのグループ番号「第１の品質グループ−第２の品質グループ」が「ｍ−ｎ」であれば、新たに付与されるのは、「ｍ−ｎ−１」などである。その結果、修正されたメッシュＭｉとその周囲部のメッシュ、並びにそのメッシュＭｉと同様の修正がされたメッシュ及びその周囲部のメッシュを、メッシュＭ１及び他のメッシュＭ２，Ｍ３，Ｍ４等とは異なる色を付けて表示させるようにすることができる。 In that case, the attribute management unit temporarily gives a new attribute to the mesh data of the modified mesh M1 and the surrounding meshes, and the mesh data of the meshes M2, M3, and M4 that have been modified together. For example, a group number can be used as the attribute. The newly added attribute content is, for example, a group number added with a symbol, number, or the like. In FIG. 10, if the first quality group of the mesh M1 is “1” and the second quality group is “2”, “1-2-1” or the like is newly added. As a result, each mesh modified in relation to the modification of the mesh M1 can have the same attribute “1-2-1”. For example, when displaying on the monitor, the mesh M1 and the surrounding area are displayed. The meshes M2, M3, and M4 modified in the same manner as the mesh M1 and the surrounding meshes may be displayed with colors different from those of other meshes. Similarly, when the mesh Mi of a group different from the mesh M1 is corrected, if the group number “first quality group-second quality group” of the mesh Mi is “mn”, it is newly assigned. "Mn-1" or the like. As a result, the modified mesh Mi and the surrounding mesh, and the modified mesh and the surrounding mesh similar to the mesh Mi are different from the mesh M1 and the other meshes M2, M3, M4, etc. It can be displayed with color.
従って、修正されたメッシュをグループ毎に識別、例えば画面上では異なる色で表示することができるので、修正作業において、変更箇所が容易にかつグループ別に識別できる。特に、連動修正されたメッシュをさらに修正したいときに、連動修正されたメッシュも容易に識別することができる。 Accordingly, the corrected mesh can be identified for each group, for example, displayed in a different color on the screen, so that the changed portion can be easily identified for each group in the correction operation. In particular, when it is desired to further modify the mesh that has been corrected, the mesh that has been corrected can be easily identified.
尚、修正が終了し、修正内容が確定した後は、一時的に付与された属性を元の属性に戻すような処理、上述した例であれば、グループ番号を「１−２−１」を元の「１−２」に戻す処理を、図９の処理の最後に追加にする。 After the correction is completed and the correction content is confirmed, the process of returning the temporarily assigned attribute to the original attribute. In the above example, the group number is set to “1-2-1.” The process of returning to the original “1-2” is added at the end of the process of FIG.
尚、本実施の形態では、メッシュＤＢ２０の各ノードについては特にデータを持たせていないが、そのノード毎にノードを有して形成される三角メッシュ（周囲要素）の個数や、各三角メッシュの角度等のデータを記録しておくようにしても良い。こうすることにより、座標変換処理部１４において、原点の設定や、Ｘ軸の設定をより確実に行わせることが可能となる。すなわち、例えば、三角メッシュが、正三角形や二等辺三角形であった場合、上述の原点の設定条件とＸ軸の設定条件では、明確な局所座標系の生成が困難な場合があるが、更に、原点の設定条件やＸ軸の設定条件を、「最も周囲要素が少ないノードを原点とする」、「構成要素の角度の最大角と最小角との差が小さいものを原点とする」、…、「原点を構成する２辺が同じ長さの場合、他の２つの頂点のうち構成要素の少ない方の頂点をＸ軸とする」、…、等の条件を更に階層的に加えておけるので確実に局所座標系を生成することが可能となる。
In the present embodiment, each node of the
次に、図２３乃至図２６は本発明の実施の第２形態を示し、図２３はメッシュデータの修正処理の全体を示すブロック図、図２４はニューラルネットワーク処理部におけるニューラルネットワークの基本構成図、図２５は解析用メッシュの修正処理の流れの例を示すフローチャート、図２６は記憶装置にストアされるメッシュデータのデータ構造の例を示す説明図である。尚、本実施の第２形態は、ニューラルネットワーク処理部におけるニューラルネットワークが、入力値に対して前記第１形態で説明したグループの判定値に加え、選択した三角メッシュの修正後の座標値をも出力値として出力できるように構成したことが、前記第１形態とは異なり、他の構成、及び、作用効果は同様であるので、同じ部分には同じ符号を記し、説明は省略する。 Next, FIG. 23 to FIG. 26 show a second embodiment of the present invention, FIG. 23 is a block diagram showing the whole mesh data correction processing, and FIG. 24 is a basic configuration diagram of a neural network in a neural network processing unit, FIG. 25 is a flowchart showing an example of the flow of analysis mesh correction processing, and FIG. 26 is an explanatory diagram showing an example of the data structure of mesh data stored in the storage device. In the second embodiment, the neural network in the neural network processing unit has the corrected coordinate value of the selected triangular mesh in addition to the group determination value described in the first embodiment for the input value. Unlike the first embodiment, since the configuration that can output as an output value is the same as the other configurations and the operational effects, the same portions are denoted by the same reference numerals and the description thereof is omitted.
すなわち、図２３に示すように、ＰＣ１は、メッシュ生成部１１と、メッシュ品質評価部１２と、第１のグルーピング部１３と、座標変換処理部１４と、ニューラルネットワーク処理部５１と、メッシュ修正部５２と、連動修正部１７とを有して主要に構成されている。
That is, as shown in FIG. 23, the
ニューラルネットワーク処理部５１は、ニューラルネットワーク処理手段としてのものであり、座標変換処理部１４で作成された正規化された各三角メッシュの局所座標系の値や、原点Ｐ１における三角メッシュ（要素）情報（具体的には、原点Ｐ１を頂点とする三角メッシュの数、原点Ｐ１を頂点とする三角メッシュの中での最大角、最小角、これらの角度差等）を入力値として、予め設定しておいたニューラルネットワークに入力する。そして、このニューラルネットワークは、この三角メッシュについて複数の三角メッシュの同一又は類似を判断するグループの判定値（第２の品質グループ）と、各ノードの修正後の局所座標系における座標値を出力値として取得する。
The neural
すなわち、本実施の第２形態におけるニューラルネットワークは、例えば図２４に示すように、３層モデルで構成されている。２つ以上必要な入力層の素子には、ノードＰ３のＸ座標、Ｙ座標、上述の原点Ｐ１における三角メッシュ（要素）情報等が入力される。中間層の素子数に関しては、理論的に求められる方法がないため、中間層の素子数を種々変えた場合の推定精度がどのように変化を調べ、適当な数が予め設定されている。また、出力層の素子からは、グループ分けの判定値（例えば、１，２，３，…等の整数で、数値が小さいほど粗悪な要素グループであることを表す）が第２の品質グループの値として出力され、更に、各ノードの修正後の局所座標系における座標値が出力される。このニューラルネットワークにおける教師用データは、専任者が予め修正を行った際のノード座標や要素周囲の情報等（入力値）とこの時のグループ分けの判定値と専任者がその三角メッシュについて実際に修正を行った局所座標系における座標値（出力値：第２の品質グループの値，修正を行った局所座標系における座標値）である。 That is, the neural network in the second embodiment is configured by a three-layer model as shown in FIG. 24, for example. The X and Y coordinates of the node P3, the triangular mesh (element) information at the above-described origin P1, and the like are input to two or more input layer elements. Since there is no theoretically required method for the number of elements in the intermediate layer, the estimation accuracy when the number of elements in the intermediate layer is changed in various ways is examined, and an appropriate number is set in advance. Further, from the elements of the output layer, grouping determination values (for example, integers such as 1, 2, 3,..., Indicating that the smaller the numerical value is, the worse the element group) are the second quality group. As a value, a coordinate value in the local coordinate system after correction of each node is further output. The data for teachers in this neural network is the node coordinates and information around the elements (input values) when the full-time person made corrections in advance, the judgment value of grouping at this time, and the full-time person about the triangular mesh. This is a coordinate value in the corrected local coordinate system (output value: value of the second quality group, coordinate value in the corrected local coordinate system).
尚、ニューラルネットワークに対する入力値は、上述の例に限るものではなく、例えば、三角メッシュのスキューネスの値、面積の値であっても良い。また、ノードＰ３のＸ座標、Ｙ座標の値のみであっても良い。このような入力値の設定は、ニューラルネットワークにより推定されるグループ分けの判定値の精度により適宜決定される。また、ニューラルネットワークの階層も３層モデルに限るものではなく、４層以上のモデルであっても良いことは云うまでもない。 Note that the input value to the neural network is not limited to the above example, and may be, for example, a skewness value or an area value of a triangular mesh. Further, only the X-coordinate and Y-coordinate values of the node P3 may be used. Such setting of the input value is appropriately determined depending on the accuracy of the grouping determination value estimated by the neural network. Needless to say, the hierarchy of the neural network is not limited to the three-layer model, and may be a model having four or more layers.
この第２形態によるニューラルネットワークについても、その原理は、前記第１形態で説明したものと同様、一般的に公知のものであり、詳細は前述の通りである。 The principle of the neural network according to the second embodiment is generally known as described in the first embodiment, and the details are as described above.
メッシュ修正部５２は、メッシュ修正手段としてのものであり、メッシュの修正を行うための処理プログラムである。メッシュデータの修正は、前記第１形態と同様、ＰＣ１のキーボード４、マウス５及びモニタ６のマンマシンインターフェース（以下、MMIと略す）を利用して行われる。
The
オペレータは、前記第１形態と同様、モニタ６の画面上にメッシュを表示させ、メッシュを指定あるいは選択して、マウス５によりメッシュのノードの位置を移動、エッジの修正等させることによって、メッシュの形状を修正することができる。このオペレータによるメッシュの修正は、ニューラルネットワークの学習データとしてストアされる。
As in the first embodiment, the operator displays the mesh on the screen of the monitor 6, designates or selects the mesh, moves the position of the mesh node with the
そしてまた、メッシュ修正部５２は、このオペレータによる修正に加え、ニューラルネットワークから出力される各ノードの修正後の局所座標系における座標値を基に、メッシュの形状を修正することも可能になっている。
In addition to the correction by the operator, the
このため、図２６に示すように、本実施の第２形態によるメッシュＤＢ６０は、ニューラルネットワーク処理による修正座標の項目６１の欄が設けられている。
For this reason, as shown in FIG. 26, the
以下、図２５を用いて、上述した第２形態による修正処理について、より詳述に説明する。図２５は、図２３に示した上述の修正処理について、より詳述な処理の流れの例を示すフローチャートである。 Hereinafter, the correction processing according to the second embodiment described above will be described in more detail with reference to FIG. FIG. 25 is a flowchart showing an example of a detailed flow of the correction process described above shown in FIG.
Ｓ１０１〜Ｓ１０７までは、前記第１形態で説明した処理と同様の処理であり、Ｓ１０７で局所座標を正規化処理した後は、Ｓ２０１へと進み、ニューラルネットワーク処理部５１において、座標変換処理部１４で作成された正規化された各三角メッシュの局所座標系の値や、原点Ｐ１における要素情報（原点Ｐ１を頂点とする三角メッシュの数、原点Ｐ１を頂点とする三角メッシュの中での最大角、最小角、これらの角度差等）を入力値として、予め設定しておいたニューラルネットワークに入力する。そして、このニューラルネットワークから、この三角メッシュについて複数の三角メッシュの同一又は類似を判断するグループの判定値（第２の品質グループ）と、各ノードの修正後の局所座標系における座標値を出力値として取得する。
Steps S101 to S107 are the same as those described in the first embodiment. After normalizing the local coordinates in S107, the process proceeds to S201, and the neural
尚、このニューラルネットワークによって、同じグループと分類されたメッシュは、同じグループ識別子（第２の品質グループ識別子：以下、第２の品質グループＩＤという）が付与される。そして、このＳ２０１によりグルーピングされたメッシュの第２の品質グループＩＤのデータは、メッシュＤＢ２０の第２の品質グループの項目２８の欄にストアされる（第２の品質グルーピング処理）。また、各ノードの修正後の局所座標系における座標値は、メッシュＤＢ６０のニューラルネットワーク処理による修正座標の項目６１の欄にストアされる。
Note that meshes classified as the same group by this neural network are given the same group identifier (second quality group identifier: hereinafter referred to as second quality group ID). Then, the data of the second quality group ID of the mesh grouped in S201 is stored in the column of the
次いで、Ｓ２０２に進むと、Ｓ２０１でニューラルネットワークにより得られた修正を採用するか否かの選択がモニタ６を通じて、オペレータに求められる。尚、ニューラルネットワークによる修正は、モニタ６上に色を変え、或いは、線種を変えて重ねて表示される。 Next, when proceeding to S202, the operator is requested through the monitor 6 to select whether or not to adopt the correction obtained by the neural network in S201. The correction by the neural network is displayed on the monitor 6 by changing the color or line type.
このＳ２０２の選択で、オペレータがニューラルネットワークによる修正をそのまま採用すると選択した場合には、Ｓ２０３に進み、ニューラルネットワークによる修正座標に基づきメッシュデータの更新が行われ、Ｓ１１２に進んで、連動修正及び更新が実行される。尚、このＳ１１２以降の処理は、前記第１形態で説明したものと同様である。 If the operator selects that the correction by the neural network is adopted as it is in this selection of S202, the process proceeds to S203, the mesh data is updated based on the correction coordinates by the neural network, and the process proceeds to S112 to perform interlock correction and update. Is executed. The processes after S112 are the same as those described in the first embodiment.
一方、Ｓ２０２の選択で、オペレータがニューラルネットワークによる修正を採用しないと選択した場合には、Ｓ１０９に進み、オペレータがメッシュの修正を行い、Ｓ１１０で更新するか否か判定される。 On the other hand, if the operator selects not to adopt the correction by the neural network in the selection in S202, the process proceeds to S109, where the operator corrects the mesh and determines whether or not to update in S110.
このＳ１１０の判定の結果、更新する場合には、Ｓ２０４に進み、更新しない場合にはＳ１０５へと戻る。 As a result of the determination in S110, when updating, the process proceeds to S204, and when not updating, the process returns to S105.
Ｓ１１０の判定の結果、更新するとされて、Ｓ２０４に進むと、メッシュとその周囲部のメッシュのデータが更新され、更に、この更新結果がニューラルネットワークの学習データとしてストアされる。そして、Ｓ１１２に進み、連動修正及び更新が実行され、以降の処理は、前記第１形態で説明したものと同様である。 As a result of the determination in S110, the data is updated. When the process proceeds to S204, the data of the mesh and the surrounding mesh are updated, and the updated result is stored as learning data of the neural network. Then, the process proceeds to S112, and the interlock correction and update are executed. The subsequent processing is the same as that described in the first embodiment.
このように、本発明の実施の第２形態によれば、前記第１形態の効果に加え、ニューラルネットワークから、グループ判定値のみならず、各ノードの修正後の局所座標系における座標値までもが出力されるため、ニューラルネットワークにより、たとえ熟練していないオペレータであっても、容易に精度の良いグループ分けと修正が行われ、その結果、連動修正も精度良く行うことが可能となって、修正作業の大幅な効率改善を図ることができる。 Thus, according to the second embodiment of the present invention, in addition to the effects of the first embodiment, not only the group determination value but also the coordinate value in the local coordinate system after correction of each node is obtained from the neural network. Is output by the neural network, even if it is an unskilled operator, grouping and correction with high accuracy can be easily performed, and as a result, linked correction can be performed with high accuracy. The efficiency of the correction work can be greatly improved.
尚、本発明は、上述した実施の形態に限定されるものではなく、本発明の要旨を変えない範囲において、種々の変更、改変等が可能である。 Note that the present invention is not limited to the above-described embodiment, and various changes and modifications can be made without departing from the scope of the present invention.
１ パーソナルコンピュータ
２ コンピュータ本体
３ 記憶装置
４ キーボード
５ マウス
６ モニタ
１１ メッシュ生成部（メッシュ生成手段）
１２ メッシュ品質評価部（メッシュ品質評価手段）
１３ 第１のグルーピング部（メッシュ抽出分類手段）
１４ 座標変換処理部（メッシュデータ検出手段）
１５ ニューラルネットワーク処理部（ニューラルネットワーク処理手段）
１６ メッシュ修正部（メッシュ修正手段）
１７ 連動修正部（連動修正手段）
DESCRIPTION OF
12 Mesh quality evaluation section (mesh quality evaluation means)
13 1st grouping part (mesh extraction classification means)
14 Coordinate conversion processing unit (mesh data detection means)
15 Neural network processing unit (neural network processing means)
16 Mesh correction part (mesh correction means)
17 Linkage correction unit (linkage correction means)
Claims (5)
上記複数のメッシュの中から選択したメッシュについて、予め設定したデータを抽出するメッシュデータ検出手段と、
上記メッシュデータ検出手段で検出したデータを入力値として予め設定しておいたニューラルネットワークに入力し、上記選択したメッシュについて少なくとも上記複数のメッシュの同一又は類似を判断するグループの判定値を出力値として取得するニューラルネットワーク処理手段と、
一つの選択されたメッシュを修正するメッシュ修正手段と、
上記メッシュ修正手段により修正したメッシュと同じグループに属する他のメッシュに対し、上記修正したメッシュと同じ修正を行う連動修正手段と、
を備えたことを特徴とする解析用メッシュ修正装置。 Mesh generating means for generating a plurality of polygonal meshes;
Mesh data detecting means for extracting preset data for a mesh selected from the plurality of meshes;
The data detected by the mesh data detection means is input as an input value to a preset neural network, and at least the determination value of the group for determining the same or similar of the plurality of meshes for the selected mesh is used as an output value. A neural network processing means to obtain;
Mesh correcting means for correcting one selected mesh;
Linked correction means for performing the same correction as the corrected mesh for other meshes belonging to the same group as the mesh corrected by the mesh correction means,
An analysis mesh correction device comprising:
上記メッシュ修正手段は、上記ニューラルネットワーク処理手段から出力される上記選択したメッシュの修正後の形状を示す値を用いて一つの選択されたメッシュを修正自在であることを特徴とする請求項１記載の解析用メッシュ修正装置。 The neural network in the neural network processing means outputs, as an output value, a value indicating the corrected shape of the selected mesh in addition to the group determination value for the input value,
2. The mesh correcting means is capable of correcting one selected mesh using a value indicating a shape after correction of the selected mesh output from the neural network processing means. Analysis mesh correction device.
上記メッシュ品質評価手段により評価した上記複数のメッシュを、予め設定しておいた閾値を基に抽出し、該抽出したメッシュを上記メッシュ品質評価手段での評価毎に分類するメッシュ抽出分類手段とを有し、
上記ニューラルネットワーク処理手段によるグループ分けは、上記メッシュ抽出分類手段で分類した分類毎に選択的に実行することを特徴とする請求項１乃至請求項４の何れか一つに記載の解析用メッシュ修正装置。 A mesh quality evaluation means for evaluating the quality of the plurality of meshes with an evaluation method set in advance;
Extracting the plurality of meshes evaluated by the mesh quality evaluation unit based on a preset threshold and classifying the extracted meshes for each evaluation by the mesh quality evaluation unit; Have
The analysis mesh correction according to any one of claims 1 to 4, wherein the grouping by the neural network processing means is selectively executed for each classification classified by the mesh extraction classification means. apparatus.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2005140280A JP2006318232A (en) | 2005-05-12 | 2005-05-12 | Analytical mesh correction device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2005140280A JP2006318232A (en) | 2005-05-12 | 2005-05-12 | Analytical mesh correction device |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2006318232A true JP2006318232A (en) | 2006-11-24 |
Family
ID=37538854
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2005140280A Pending JP2006318232A (en) | 2005-05-12 | 2005-05-12 | Analytical mesh correction device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2006318232A (en) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009003800A (en) * | 2007-06-22 | 2009-01-08 | Canon Inc | Method for creating model for analysis and program for creating model for analysis |
| US8612183B2 (en) | 2007-10-31 | 2013-12-17 | Hitachi, Ltd. | Analysis model generation system |
| CN115482358A (en) * | 2022-10-12 | 2022-12-16 | 北京医准智能科技有限公司 | Method, device and equipment for generating triangular mesh curved surface and storage medium |
| WO2024034010A1 (en) * | 2022-08-09 | 2024-02-15 | 日産自動車株式会社 | Defective location output method and defective location output device |
| JP7487318B2 (en) | 2020-02-07 | 2024-05-20 | ディープマインド テクノロジーズ リミテッド | Autoregressive Neural Networks for the Generation of Polygonal Meshes of 3D Objects |
-
2005
- 2005-05-12 JP JP2005140280A patent/JP2006318232A/en active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009003800A (en) * | 2007-06-22 | 2009-01-08 | Canon Inc | Method for creating model for analysis and program for creating model for analysis |
| US8612183B2 (en) | 2007-10-31 | 2013-12-17 | Hitachi, Ltd. | Analysis model generation system |
| JP7487318B2 (en) | 2020-02-07 | 2024-05-20 | ディープマインド テクノロジーズ リミテッド | Autoregressive Neural Networks for the Generation of Polygonal Meshes of 3D Objects |
| WO2024034010A1 (en) * | 2022-08-09 | 2024-02-15 | 日産自動車株式会社 | Defective location output method and defective location output device |
| CN115482358A (en) * | 2022-10-12 | 2022-12-16 | 北京医准智能科技有限公司 | Method, device and equipment for generating triangular mesh curved surface and storage medium |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7395190B2 (en) | Analytical model producing method and analytical model producing apparatus | |
| US9508177B2 (en) | Method of controlling skeleton model, and recording medium therewith | |
| CN107886082B (en) | Method and device for detecting mathematical formulas in images, computer equipment and storage medium | |
| JP6612486B1 (en) | Learning device, classification device, learning method, classification method, learning program, and classification program | |
| JP7298825B2 (en) | Learning support device, learning device, learning support method, and learning support program | |
| JP2006318232A (en) | Analytical mesh correction device | |
| CN113836339A (en) | Scene graph generation method based on global information and position embedding | |
| Ulu et al. | Manufacturability oriented model correction and build direction optimization for additive manufacturing | |
| KR102401112B1 (en) | Artificial neural network Automatic design generation apparatus and method including policy network using UX-bit | |
| US20220270341A1 (en) | Method and device of inputting annotation of object boundary information | |
| CN110874170A (en) | Image area correction method, image segmentation method and device | |
| JP4903671B2 (en) | Analysis model creation device | |
| JP2006172007A (en) | Mesh correction device for analysis and mesh correction method for analysis | |
| JP2005301349A (en) | Generation support device for analytic model | |
| JP2005332183A (en) | Device and method for mesh correction, and program | |
| CN106022295A (en) | Data position determining method and data position determining device | |
| CN117934337B (en) | Method for mask repair of blocked chromosome based on unsupervised learning | |
| CN111444674B (en) | Character deformation method, medium and computer equipment | |
| WO2024095636A1 (en) | Design assistance device, design assistance program, and design assistance method | |
| US20240143886A1 (en) | Method of correcting layout for semiconductor process using machine learning, method of manufacturing semiconductor device using the same, and layout correction system performing the same | |
| WO2023171559A1 (en) | Occlusion-inference object detection device, occlusion-inference object detection, and program | |
| WO2024024175A1 (en) | Determination evaluation device, method, and program | |
| US20230071291A1 (en) | System and method for a precise semantic segmentation | |
| JP2022053944A (en) | Information processing device | |
| JPH0887585A (en) | Hierarchical approximating method for graphic data |