[發明專利]一種MBD模型的關鍵檢驗特性識別及其提取方法

有效

• 申請號: 202110036971.1
• 申請日: 2021-01-12
• 公開（公告）號: CN112733451B
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 于勇;勞欣欣;鮑強偉;趙罡
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/10;G06N20/10;G06N3/00;G06N3/12
• 代理公司: 北京慧泉知識產權代理有限公司 11232
• 代理人: 李娜;王順榮

1.一種MBD模型的關鍵檢驗特性識別及其提取方法，其特征在于：其步驟如下：

步驟一：解析MBD模型，獲得其三維標注列表集合ListAnno，并且獲得數據庫預定的檢驗工具列表集合ListTool；

步驟二：遍歷ListAnno中的標注，獲取依附的特征，判斷特征類型是否為圓角、倒角，若是則提取特征的幾何信息，在ListTool中獲取相應的檢驗工具；否則獲取檢驗特性類型，判斷其是否為公差標注，若是提取其基準，再為其分配檢驗工具；否則提取特性精度，再在ListTool中獲取相應的檢驗工具；將上述匹配結果存儲到已生成檢驗特性容器vectorInspectionCharacteristics中；

步驟三：將檢驗項目與三維模型關聯，在模型上能視化標注，并且在結構樹上添加檢驗信息子節點，實現對檢驗項目的存儲與管理；

步驟四：獲取檢驗特性集合的總數N，按照檢驗特性序號的順序排列編碼組成染色體；

步驟五：隨機生成M條染色體組成初始種群，即染色體數組；

步驟六：將數據集劃分為訓練集和測試集，利用訓練樣本訓練SVM預測模型；

步驟七：K折交叉驗證，將每條染色體對應測試集輸入到SVM預測模型中，計算種群中每個個體適應值f(x)，存儲到已生成適應值的容器vectorFit中；

步驟八：采用非支配排序方法，從舊群體中選擇表現為優異的個體到新的群體中；

步驟九：隨機生成交叉概率P_ci進行交叉操作，選擇若干父體進行配對，生成新的個體；隨機生成變異概率P_mi進行變異操作，確定變異個體；

步驟十：判斷是否滿足預定的終止條件，如果滿足則終止技術，得到最優解，執行步驟十一，否則返回步驟七；

步驟十一：解析最優解的染色體信息，刪除MBD模型上的非關鍵檢驗特性，并將檢驗特性格式化輸出到excel表格中，便于指導現場檢驗工作。

2.根據權利要求1所述的一種MBD模型的關鍵檢驗特性識別及其提取方法，其特征在于：在步驟一中所述的“MBD模型”，是指在傳統CAD幾何實體模型基礎上，增加了豐富的制造語義信息的模型集；在步驟一中所述的“解析MBD模型”，其具體作法如下：獲取編輯器中MBD模型指針pDoc，依據pDoc獲取零件指針piTPSDoc，依據零件指針和系統提供的獲取標注集函數GetSets()獲取零件標注信息列表存儲于ListAnno。

3.根據權利要求1所述的一種MBD模型的關鍵檢驗特性識別及其提取方法，其特征在于：在步驟二中所述的“獲取依附的特征”，其具體作法如下：通過三維標注獲取特征路徑標識piTPS，調用系統提供的獲取標注集函數GetTTRS()獲取到標注依附特征。

4.根據權利要求1所述的一種MBD模型的關鍵檢驗特性識別及其提取方法，其特征在于：在步驟三所述的“結構樹上添加檢驗信息子節點”，其具體作法如下：獲取編輯器中MBD模型指針pDoc，通過零件指針獲取CATPart的初始化，調用系統提供的獲取零件函數GetPart()檢索零件元素，存入零件列表pIPrtPart，掃描樹結構獲取所有幾何圖形集，存入幾何圖形集列表GSList中，調用系統提供的創建幾何圖形函數CreateGeometricalSet()建立“檢驗規程”幾何集，將檢驗項目添加到檢驗規程中。

5.根據權利要求1所述的一種MBD模型的關鍵檢驗特性識別及其提取方法，其特征在于：在步驟四所述的“按照檢驗特性序號的順序排列編碼”，其具體作法如下，生成長度為N的一維數組Array表示染色體，在第i個位置，即Array[i]取值0及1中的一種，0代表不選取第i個檢驗特性，否則選取。

6.根據權利要求1所述的一種MBD模型的關鍵檢驗特性識別及其提取方法，其特征在于：在步驟五中所述的“隨機生成M條染色體組成初始種群，即染色體數組”，其具體作法如下：每個一維數組代表一條染色體，在一維數組的每個位置隨機生成0和1的數字，并計算該染色體的值，按此方法隨機生成M條值不相同的染色體。