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)立體圖像識別[1]和逆向工程[2,3]等領(lǐng)域，針對提高數(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度線段表示，通過對特征長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方體。然后，利用特征長方體包含的特征長度，對這曲面片進(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方體為該曲面片的特征長方體，并進(jìn)而定義其體對角線為主特征尺寸、其長寬高為子特征尺寸，如圖2所示。

圖2 曲面片的特征長方體及特征尺寸組

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，求取邊界曲線長度，給定某一長度可以反求出指定長度點(diǎn)處的曲線參數(shù)。綜合這些長度等分點(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)軸平行的長方體，即為本文定義的特征長方體。

邊界曲線長度等分點(diǎn)插值主要代碼：

將得到的特征長方體的長寬高和體對角線排序后存儲(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易識別標(biāo)識。

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，針對主特征尺寸長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，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簡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.