許 強(qiáng)，馬建偉，賈振元

（大連理工大學(xué) 機(jī)械工程學(xué)院，大連 116024）

0 引言

復(fù)雜曲面零件作為高端設(shè)備的關(guān)鍵零件在航空航天、能源動(dòng)力、汽車等行業(yè)有著廣泛的應(yīng)用。但是隨著對(duì)高端裝備性能需求的不斷提高，關(guān)鍵零件的結(jié)構(gòu)也愈加復(fù)雜，部分局部幾何特征的加工精度也要求更高。而帶有這些局部幾何特征的曲面零件由于其特殊結(jié)構(gòu)和難加工材料的應(yīng)用加工效率較低，零件整體采用單一的加工參數(shù)很難適應(yīng)高端裝備的快速發(fā)展需求。以帶分流小葉片的葉輪為代表，在數(shù)控加工過程中整體工藝參數(shù)受局部分流小葉片特征的限制。然而，分流小葉片加工面積占葉輪整體加工面積的比例過小，確定的整體加工工藝對(duì)分流小葉片外其他加工區(qū)域過于保守，因此嚴(yán)重制約了該葉輪整體的加工效率。

研究復(fù)雜曲面模型快速分割方法，將分流小葉片（局部特征）從葉輪整體（整體模型）中分離出來，并分別選取已分離的曲面和剩余加工區(qū)域上的最優(yōu)加工參數(shù)，生成獨(dú)立文件的加工代碼，經(jīng)整合最終實(shí)現(xiàn)數(shù)控裝備上的高效加工。目前曲面分割技術(shù)還主要應(yīng)用于生物醫(yī)學(xué)立體圖像識(shí)別[1]和逆向工程[2,3]等領(lǐng)域，針對(duì)提高數(shù)控加工效果的曲面分割技術(shù)很少。常用的三維曲面分割算法包括傳統(tǒng)的分水嶺算法[2,4～6]和k-means法[7]以及新興的神經(jīng)網(wǎng)絡(luò)算法[8,9]等都是由點(diǎn)云驅(qū)動(dòng)的復(fù)雜算法，且分割結(jié)果很難實(shí)現(xiàn)與數(shù)控加工后置處理器間直接有效的數(shù)據(jù)傳遞。

為實(shí)現(xiàn)具有局部特征的復(fù)雜曲面零件加工區(qū)域的快速分割，本文提出了一種算法簡(jiǎn)單但分割效果良好的特征尺寸驅(qū)動(dòng)的曲面模型快速分割方法?；贠pen CASCADE（OCC）應(yīng)用程序框架[10]，結(jié)合VC6.0編程環(huán)境，選取IGES格式作為數(shù)據(jù)接口，開發(fā)了復(fù)雜曲面加工區(qū)域快速分割系統(tǒng)，實(shí)現(xiàn)復(fù)雜曲面某些的快速分割，為具有局部特征的復(fù)雜曲面零件高效率加工奠定基礎(chǔ)。

1 復(fù)雜曲面模型快速分割流程

將復(fù)雜曲面模型視為一組曲面片的集合，模型上的每個(gè)曲面片均可用一組特征長(zhǎng)度線段表示，通過對(duì)特征長(zhǎng)度線段組的排序和分類，最終實(shí)現(xiàn)曲面模型的快速分割。首先，將已有的待加工曲面模型轉(zhuǎn)換成IGES格式并輸入到OCC環(huán)境中。利用IGES文件中的裁剪曲面信息將曲面模型拆分成獨(dú)立特征的曲面片。接著，利用曲面片的邊界信息建立包含曲面片的特征長(zhǎng)方體。然后，利用特征長(zhǎng)方體包含的特征長(zhǎng)度，對(duì)這曲面片進(jìn)行排序和分組，并實(shí)現(xiàn)曲面模的快速分割。最后，根據(jù)分割結(jié)果將局部特征曲面提取并以IGES文件格式輸出。提取出的特征與剩余加工區(qū)域可以分別在CAM環(huán)境中選取各自的最適加工參數(shù)生成加工代碼，經(jīng)整合后最終實(shí)現(xiàn)復(fù)雜曲面模型的快速加工。

2 IGES數(shù)據(jù)接口

IGES定義了一套用于CAD/CAM系統(tǒng)中常用的幾何和非幾何數(shù)據(jù)交換格式，以其獨(dú)特和易于理解的文件結(jié)構(gòu)被廣泛的應(yīng)用于各類CAD/CAM系統(tǒng)中?；贠CCVC實(shí)現(xiàn)IGES文件根代碼的全部讀取并轉(zhuǎn)換為OCC內(nèi)部可以識(shí)別的TopoDS_Shape的主要代碼：

讀取的IGES葉輪模型如圖1所示。

圖1 讀入的IGES葉輪模型

在IGES文件讀取過程中，文件中的曲面片裁剪曲線信息均被獲取并存儲(chǔ)在TopoDS_Shape中，結(jié)合TopExp_Explorer類提供的函數(shù)可以將一個(gè)完整的IGES模型在快速打散成一組離散曲面片集合，主要實(shí)現(xiàn)代碼：同樣，基于OCC-VC實(shí)現(xiàn)分割后結(jié)果的IGES輸出的主要代碼：

3 曲面片特征尺寸提取

為了方便特征尺寸的提取，本文定義恰好可以完全包含曲面片全部邊界的長(zhǎng)方體為該曲面片的特征長(zhǎng)方體，并進(jìn)而定義其體對(duì)角線為主特征尺寸、其長(zhǎng)寬高為子特征尺寸，如圖2所示。

圖2 曲面片的特征長(zhǎng)方體及特征尺寸組

利用存儲(chǔ)在aFace中的曲面片的邊界頂點(diǎn)及邊界參數(shù)信息，采用NURBS曲線擬合出邊界曲線方程，擬合誤差即為CAD模型轉(zhuǎn)換到IGES文件的誤差。設(shè)邊界曲線方程為，求取邊界曲線長(zhǎng)度，給定某一長(zhǎng)度可以反求出指定長(zhǎng)度點(diǎn)處的曲線參數(shù)。綜合這些長(zhǎng)度等分點(diǎn)及起止點(diǎn)的坐標(biāo)信息，通過比較可以得出三個(gè)坐標(biāo)軸方向的最大最小值。三個(gè)方向最大坐標(biāo)值構(gòu)成點(diǎn)P1，三個(gè)方向最小坐標(biāo)值構(gòu)成點(diǎn)P2，過此兩點(diǎn)可以得到一個(gè)與坐標(biāo)軸平行的長(zhǎng)方體，即為本文定義的特征長(zhǎng)方體。

邊界曲線長(zhǎng)度等分點(diǎn)插值主要代碼：

將得到的特征長(zhǎng)方體的長(zhǎng)寬高和體對(duì)角線排序后存儲(chǔ)至一個(gè)特征尺寸組中，并以此特征組作為該曲面片的唯一簡(jiǎn)易識(shí)別標(biāo)識(shí)。

4 曲面模型的快速分割

4.1 快速分割結(jié)果顯示

本文選取主特征尺寸作為曲面片特征的主要標(biāo)志，針對(duì)主特征尺寸長(zhǎng)度采用冒泡排序算法實(shí)現(xiàn)全部離散后的曲面片指針的排序。排序之后，第一個(gè)曲面片指針指向的曲面片的主特征尺寸最長(zhǎng)，同時(shí)，排序?qū)?shí)現(xiàn)主特征尺寸相似的指針的聚集。設(shè)定相似容差，并對(duì)主特征尺寸相似的曲面片群添加相同標(biāo)記。相同標(biāo)記的曲面片以相同的顏色在OCC中顯示，完成曲面模型的快速分割。葉輪模型的快速分割結(jié)果如圖3所示。如果分割結(jié)果不滿意可以適當(dāng)調(diào)整容差值或增加子特征尺寸的介入以獲得滿意的分割結(jié)果。

圖3 葉輪模型的快速分割結(jié)果

4.2 局部特征提取

在分割系統(tǒng)軟件窗口中添加樹結(jié)構(gòu)，映射分割后的曲面標(biāo)記值到樹結(jié)構(gòu)節(jié)點(diǎn)上，通過點(diǎn)選節(jié)點(diǎn)選顯示分割后的局部特征曲面片，選中并以IGES格式輸出，如4中所示的葉輪分流小葉片。

圖4 提取出的分流小葉片結(jié)構(gòu)

5 結(jié)束語

本文提出了一種算法相對(duì)簡(jiǎn)單但分割效果良好的基于特征尺寸的曲面模型快速分割方法。以IGES文件格式為數(shù)據(jù)接口，結(jié)合OCC-VC編程，實(shí)現(xiàn)了具有局部幾何特征的復(fù)雜曲面零件的快速分割。通過模型分割實(shí)現(xiàn)各區(qū)域最適加工參數(shù)選擇并輸出對(duì)應(yīng)的加工代碼，為在數(shù)控裝備上實(shí)現(xiàn)具有局部幾何特征的復(fù)雜曲面零件的高效加工。同時(shí)，該分割系統(tǒng)具有的與CAD/CAM之間的數(shù)據(jù)交換能力為實(shí)現(xiàn)曲面零件設(shè)計(jì)、加工區(qū)分割、數(shù)控編程的閉環(huán)制造模式奠定基礎(chǔ)。

[1] Chen X, Teoh E K.3D object segmentation using B-Surface[J].Image and Vision Computing,2005,23(14):1237-1249.

[2] Mangan A P, Whitaker R T.Partitioning 3D surface meshes using watershed segmentation[J].Visualization and Computer Graphics,IEEE Transactions on,1999,5(4):308-321.

[3] Dey T K,Giesen J,Goswami S. Shape segmentation and matching with flow discretization[M].Algorithms and Data Structures.Springer Berlin Heidelberg, 2003:25-36.

[4] Rettmann M E,Han X, Xu C, et al. Automated sulcal segmentation using watersheds on the cortical surface[J].NeuroImage, 2002,15(2):329-344.

[5] Pulla S.Curvature based segmentation of 3-dimensional meshes[D].Arizona State University,2001.

[6] Pulla S, Razdan A, Farin G. Improved curvature estimation for watershed segmentation of 3-dimensional meshes[J].IEEE Transactions on Visualization and Computer Graphics, 2001.

[7] Shlafman S,Tal A, Katz S. Metamorphosis of polyhedral surfaces using decomposition[A].Computer Graphics Forum. Blackwell Publishing, Inc[C].2002,21(3):219-228.

[8] Bhandarkar S M, Koh J,Suk M. Multiscale image segmentation using a hierarchical self-organizing map[J].Neurocomputing,1997,14(3): 241-272.

[9] Koh J, Suk M, Bhandarkar S M. A multilayer self-organizing feature map for range image segmentation[J].Neural Networks,1995,8(1):67-86.

[10] 丁偉,馮飛,吳維勇.基于Open CASCADE的點(diǎn)云數(shù)據(jù)的研究與實(shí)現(xiàn)[J].制造業(yè)自動(dòng)化,2010(13):216-218.