基于CAA的復雜零件MBD模型數字化檢測數據提取與組織技術

劉紅軍，葉文靜，紀 俐

（沈陽航空航天大學 機電工程學院，沈陽 110136）

基于CAA的復雜零件MBD模型數字化檢測數據提取與組織技術

劉紅軍，葉文靜，紀 俐

（沈陽航空航天大學 機電工程學院，沈陽 110136）

為實現數字化檢測過程中基于MBD產品的復雜零件檢測信息自動獲取與關聯特征，提出基于CATIA平臺利用CAA技術對模型底層信息獲取的實現方法。首先對模型的底層B-Rep信息進行提取，根據提取的幾何數據與拓撲數據對模型進行檢測特征的識別，之后對檢測信息進行提取與分析并關聯相應的檢測特征，結合特征識別結果確定檢測信息的具體位置，最后通過檢測工藝規劃得到標準的DMIS檢測程序，驅動三坐標測量機完成零件的檢測。檢測結果表明此方法能夠準確、高效的提取復雜零件的檢測信息并關聯特征，滿足數字化檢測技術中對檢測信息與關聯特征的要求，為數字化檢測技術提供了全新的基于MBD模型的數字化檢測數據提取與組織方式。

MBD；CATIA；檢測信息；特征識別；數字化檢測；組件應用技術

0 引言

伴隨著數字化設計與數字化制造的廣泛應用，對產品質量評價體系的要求也越來越高，數字化檢測技術應運而生，制造行業逐步走向數字化設計、制造、檢測相結合的現代化制造模式，但基于MBD的數字化檢測技術的全面應用仍然處于探索階段。基于MBD的檢測信息獲取與特征的準確關聯是實現數字化檢測的基礎[1]，目前各三坐標產商開發了適用于自己測量機的各類檢測規劃軟件可自動識別檢測信息與特征，如UG中CMM檢測模塊、PC-DMIS軟件及AC-DMIS軟件等，但各類檢測規劃軟件對不同設計平臺所設計的模型存在兼容性問題，造成讀取模型時個別零件丟失、檢測信息丟失及檢測特征丟失等問題。目前國內部分大型企業已經應用數字化檢測設備進行檢測，但檢測信息的獲取仍然依靠人工讀取二維圖紙來確定，而設計、制造過程已經實現了三維數字化，就導致檢驗信息產生雙數據源，給信息的管理與傳遞過程造成了潛在問題[2]。如何獲取MBD模型的檢測信息與關聯檢測特征是保證數字化檢測結果正確的關鍵因素，文中對CATIA模型利用CAA[3]（Component Application Architecture）技術對檢測信息獲取并關聯檢測特征，實現了檢測信息的自動獲取與關聯特征，為數字化檢測提供數據基礎。

1 檢測特征識別

特征識別是從零件模型中抽取具有一定工程意義的特征信息[4]，特征是解決CAD/CAPP/CAM間“自動化”孤島問題的有效辦法[5]，同樣，在數字化檢測系統中，檢測特征作為系統的數據源，為檢測規劃系統提供了基本的檢測信息。文中采用CATIA底層B-Rep數據對特征進行提取并識別[6]。

1.1 B-Rep信息提取

B-Rep邊界表示法是指用點、邊、面、環以及它們之間相互的關系描述三維模型[7]，UG和CATIA等軟件以B-Rep邊界表示法為基礎描述幾何形體，B-Rep數據包含幾何定義數據與拓撲數據，幾何定義數據是指幾何對象在空間中的表達，拓撲關系數據是指點、線、面、環的幾何定義數據及相互之間的拓撲關系數據。在CATIA模型中，存在幾何對象與拓撲對象之分，拓撲對象是由幾何對象抽取而出，用來表達模型的拓撲關系。根據CATIA模型中所有拓撲對象之間的拓撲層次關系，可得出CATIA模型B-Rep數據提取的基本思路，其流程如圖1所示，按照此流程對B-Rep信息進行提取，部分程序如下：

圖1 檢測模型B-Rep信息提取流程

1.2 特征識別

特征識別技術中基于圖的方法具有準確且高效識別特征的效果，并得到了廣泛使用，該方法采用屬性鄰接圖方式來描述構成特征的面集合之間的關系[8]，節點對應零件的實體面，弧的屬性表示兩面交線的凹凸性，為凸弧時，表明與該節點所連接的邊為凸邊，相反則為為凹邊，弧線的凹凸屬性判斷公式如下：

2 檢測信息獲取與分析

傳統的檢測方法需檢測人員在尺寸標注與公差標注的位置查找檢驗要求并確定檢驗計劃和檢驗工序，這種檢測方法工作量龐大，效率極低而且準確度無法保證，遇到檢測對象繁多的復雜零件，易造成檢測數據丟失。本文的主要目的是保證檢測信息不丟失的前提下提高檢測效率實現數字化檢測。

檢測信息獲取的過程即對模型中的MBD數據提取的過程[9]，首先獲取模型的標注隊列（CATITPSList）對象，之后得到標注的依附面TTRS（Technologically and Topologically Related Surfaces），并判斷其類型是Semantic還是Nonsemantic，再判斷基本類型如Dimension（尺寸），Geometrical Tolerance（幾何公差），Roughness（粗糙度）等，然后通過不同類型TPS特征對應的形為特征接口提取相應的數據，部分程序實現如下，圖2為CATIA模型中MBD的數據提取流程。

3 應用實例

圖2 MBD數據提取流程

在CATIA平臺下建立如圖4所示模型并進行MBD信息標注，按照圖1中B-Rep信息提取的流程對CATIA模型底層的基本數據進行獲取，獲取的拓撲面作為屬性鄰接圖的節點，判斷節點之間的凹凸關系，對輸出的屬性鄰接矩陣分解出不包含凸弧的結構，與標準特征庫進行比對后識別出獨立的特征結構，如圖3所示，為凹槽特征與圓孔特征的屬性鄰接矩陣，其中“2”所在位置為凹弧出現位置，“0”表示兩面不相鄰無交線，“1”代表凸弧出現位置，“3”表示兩相交面處于相切狀態。特征識別后，對檢測信息進行分析與提取，并關聯其特征，結果如圖4所示。

圖3 凹槽與圓孔鄰接矩陣

圖4 檢測模型

經特征識別、檢測信息分析與特征關聯后獲得的檢測信息，通過后續的檢測工藝規劃，即檢測點布置、檢測碰撞檢查與規避后，輸出標準的DMIS程序，驅動三坐標測量機對模型進行檢測，圖5為零件的檢測過程，檢測結果表明，檢測信息提取、信息分析與關聯特征結果準確，三坐標測量機能夠對其進行識別與評價，而且整個檢測過程時間大幅度縮減，顯著的提高了檢測效率。

圖5 零件檢測

4 結論

文中提出在CATIA平臺利用CAA技術實現自動獲取檢測信息與關聯特征方法，針對傳統檢測過程中手動獲取檢測信息的丟失、錯誤和低效率問題，檢測特征不能自動關聯問題、特征屬性不能自動獲取問題進行了解決，由設計模型通過對底層B-Rep信息提取進行檢測特征的識別，之后對檢測信息進行提取與分析，關聯相關的幾何特征，經后續的檢測工藝規劃可實現三坐標測量機的驅動，驗證了檢測信息提取與特征關聯的正確性。檢測信息與特征的自動獲取與關聯告別了傳統的檢測方式，并且很大程度上提高了檢測效率，為實現數字化檢測提供了數據基礎。

[1] 袁修華.基于STEP標準的三維實體制造特征識別技術研究[D].吉林:吉林大學,2008.

[2] 段桂江,岑榮.基于MBD的飛機結構件檢驗規劃技術研究[J].航空制造技術,2015,19:62-67.

[3] 梁岱春,張為民,隋立江.淺析基于CAA的CATIA二次開發[J].航空制造技術,2012,10:65-68.

[4] 李大磊,陳廣飛,尹躍峰.基于圖的混合加工特征識別方法[J].組合機床與自動化加工技術,2013,6:81-83.

[5] 韓娟,張發平,高博,等.基于圖和規則的混合式特征識別技術[J].機械設計與制造,2013,3:97-104.

[6] V.B.Sunil,RupalAgarwal,S.S.Pande.An Approach to Recognize Interacting Features from B-Rep CAD Models of Prismatic Machined Parts Using a Hybrid (Graph and Rule Based) Technique[J].Computers in Industry,2010,61:686-701.

[7] 徐同明,陳卓寧,李建勛.面向三維機加工藝規劃系統的CATIA模型B-Rep信息提取與應用[J].計算機系統應用,2014,23(6):211-214.

[8] 閆海兵.飛機結構件復雜加工特征識別技術的研究與實現[D].南京:南京航空航天大學,2010.

[9] 陳卓寧,秦宇,徐明同.面向三維機加工藝規劃系統的CATIA模型MBD數據提取和應用[J].計算機系統應用,2014,23(9):212-218.

Digital-Inspection data extraction and application of complex MBD model based on CAA

LIU Hong-jun, YE Wen-jing, JI Li

TP182；TP391

A

1009-0134(2016)12-0064-04

2016-08-31

遼寧省自然科學基金（2013024017）

劉紅軍（1971 -），男，遼寧沈陽人，副教授，博士，研究方向為數字化設計與制造。