[发明专利]薄壁复杂曲面零件三维加工预处理方法

说明书

技术领域

本发明属于复杂曲面零件加工预处理领域，特别涉及反求工程中薄壁复杂曲面零件扫描线点云数据的预处理方法。

背景技术

随着快速成型技术、数字化加工技术的发展，反求工程已经成为航空、航天、汽车、船舶和模具等工业领域最重要的产品设计方法之一。反求工程的关键技术包括数据采集与处理即数字化技术，数据预处理技术和曲面模型重建技术。反求工程的数据来源一般都是三维点云数据，通过常用的三维数字化测量设备，如三维激光扫描仪和三坐标测量机等。对零件表面进行三维采样，在满足采样速度和数据质量的前提下，获取零件的三维离散数据。三维点云数据主要分为散乱点云、扫描线点云、网格化点云和多边形点云。常见的为扫描线点云数据，其由一组扫描线组成，扫描线上的所有点位于扫描平面内。目前，在反求工程中，铝合金蒙皮等金属或非金属材料的薄壁复杂曲面零件的应用越来越广泛。薄壁复杂曲面零件数字化过程中，因零件表面的反射特性、几何形状和测量设备的接受角度、触点等因素的影响，复杂曲面零件表面的局部区域无法采样，造成点云数据模型的部分残缺，产生孔洞区域。而基于曲率特征的数字化和重采样后，点云数据将主要集中在曲面上因焊接变形、应力、受热不均等因素引起的曲率不连续或剧烈变化的区域上，呈现出明显的疏密分布不均匀的特点。再就是对薄壁复杂曲面点云数据进行面型重建时，研究和使用最多的方法是B样条曲面建模。但是，B样条曲面重建过程需要矩形拓扑结构的点云数据，而数字化过程中采集的扫描线点云数据，由于孔洞或分布不均匀区域的存在，并不能保证每条扫描线上采集的数据点数相同。这些扫描线点云数据缺点，可能会产生以下影响：一方面，对残缺的点云数据直接进行B样条曲面重建时，会在重建的曲面上出现孔洞或不理想的区域，严重影响建模的质量和精度；另一方面，点云数据有缺点的区域重建得到的曲面与原始曲面的误差较大，会导致零件精密加工过程中因型面失真而过切或少切等问题，影响最终零件的加工精度。

因此，反求工程中，对薄壁复杂曲面零件点云数据中的孔洞或分布不均匀区域进行适当的修补预处理，使点云数据不会出现大面积的缺陷区域，并形成严格的矩形拓扑结构，是反求工程中非常关键的承上启下的一环，直接影响曲面重建成功与否以及CAD模型的精度和质量，对薄壁复杂曲面零件的后续精密加工环节也起着关键的制约作用。现如今，点云数据孔洞或分布不均匀修补方法的研究在国内外均取得了很大的进展，如基于神经网络、支持向量机以及能量优化和细分，三角网格模型，网格曲面模型等的孔洞修补方法。但其中有一些方法需要先对扫描线点云数据模型进行一定的前期处理或者对点云孔洞的边界进行识别，实时性不强，复杂度也比较高。文献“基于神经网络的点云残缺数据修补方法”(刘俊，何建英.机械工程师，2007(2)：32-34)提出了一种三维残缺数据的BP神经网络修补方法，首先裁出小片数据，框选出残缺数据边界附近的样本点集，并加以训练，把训练后的BP网络用于残缺区域数据点的预测，根据预测值和实际残缺值对比，完成数据的修补，具有较高的效率和精度，对于非线性、有噪声、模式特征不明确的数据都有比较好的效果。但有不足的地方：操作多，每个孔洞都要人为框选边界样本点集；修补区域点的密度与周围不一致；点云数据规模较大时，训练速度较慢；对于一些曲率变化较大的区域，特征表现的不够好。文献“基于支持向量机的曲面数据修补”(吴岩冰，陈中中，马胜钢，李矢.制造技术与机床，2009(1)：126-128)提出了一种基于支持向量机的修补方法。该方法首先找出孔洞的边界点，然后根据边界点获得模型的样本点集；其次，为了获得均匀的修补点，建立局部坐标系，进行坐标变换，通过坐标变换后的边界点采样得到模型的输入，实现残缺点云数据的修补，为后续的曲面构造提供完整的数据型面。该方法计算的补测数据与孔洞周围数据具有较好的过渡连接关系，修补结果比较满意。但本方法需要先确定孔洞的边界，算法复杂；孔洞与采样平面之间的夹角过大时容易造成采样得到的输入点与孔洞周围点云稀疏不均，孔洞修补结果不理想；再就是支持向量机模型需要一定时间的训练，实时性和速度不能保证。反求工程中，用三维数字化测量设备扫描薄壁复杂曲面零件，得到海量扫描线点云数据模型，此时，点云数据不可避免的存在孔洞或分布不均匀的区域，对这些孔洞及分布不均的区域进行及时的修补预处理，对后续B样条曲面建模以及零件的精密加工都至关重要。

发明内容