基于CAA的复杂零件MBD模型数字化检测数据提取与组织技术

刘红军，叶文静，纪 俐

（沈阳航空航天大学 机电工程学院，沈阳 110136）

基于CAA的复杂零件MBD模型数字化检测数据提取与组织技术

刘红军，叶文静，纪 俐

（沈阳航空航天大学 机电工程学院，沈阳 110136）

为实现数字化检测过程中基于MBD产品的复杂零件检测信息自动获取与关联特征，提出基于CATIA平台利用CAA技术对模型底层信息获取的实现方法。首先对模型的底层B-Rep信息进行提取，根据提取的几何数据与拓扑数据对模型进行检测特征的识别，之后对检测信息进行提取与分析并关联相应的检测特征，结合特征识别结果确定检测信息的具体位置，最后通过检测工艺规划得到标准的DMIS检测程序，驱动三坐标测量机完成零件的检测。检测结果表明此方法能够准确、高效的提取复杂零件的检测信息并关联特征，满足数字化检测技术中对检测信息与关联特征的要求，为数字化检测技术提供了全新的基于MBD模型的数字化检测数据提取与组织方式。

MBD；CATIA；检测信息；特征识别；数字化检测；组件应用技术

0 引言

伴随着数字化设计与数字化制造的广泛应用，对产品质量评价体系的要求也越来越高，数字化检测技术应运而生，制造行业逐步走向数字化设计、制造、检测相结合的现代化制造模式，但基于MBD的数字化检测技术的全面应用仍然处于探索阶段。基于MBD的检测信息获取与特征的准确关联是实现数字化检测的基础[1]，目前各三坐标产商开发了适用于自己测量机的各类检测规划软件可自动识别检测信息与特征，如UG中CMM检测模块、PC-DMIS软件及AC-DMIS软件等，但各类检测规划软件对不同设计平台所设计的模型存在兼容性问题，造成读取模型时个别零件丢失、检测信息丢失及检测特征丢失等问题。目前国内部分大型企业已经应用数字化检测设备进行检测，但检测信息的获取仍然依靠人工读取二维图纸来确定，而设计、制造过程已经实现了三维数字化，就导致检验信息产生双数据源，给信息的管理与传递过程造成了潜在问题[2]。如何获取MBD模型的检测信息与关联检测特征是保证数字化检测结果正确的关键因素，文中对CATIA模型利用CAA[3]（Component Application Architecture）技术对检测信息获取并关联检测特征，实现了检测信息的自动获取与关联特征，为数字化检测提供数据基础。

1 检测特征识别

特征识别是从零件模型中抽取具有一定工程意义的特征信息[4]，特征是解决CAD/CAPP/CAM间“自动化”孤岛问题的有效办法[5]，同样，在数字化检测系统中，检测特征作为系统的数据源，为检测规划系统提供了基本的检测信息。文中采用CATIA底层B-Rep数据对特征进行提取并识别[6]。

1.1 B-Rep信息提取

B-Rep边界表示法是指用点、边、面、环以及它们之间相互的关系描述三维模型[7]，UG和CATIA等软件以B-Rep边界表示法为基础描述几何形体，B-Rep数据包含几何定义数据与拓扑数据，几何定义数据是指几何对象在空间中的表达，拓扑关系数据是指点、线、面、环的几何定义数据及相互之间的拓扑关系数据。在CATIA模型中，存在几何对象与拓扑对象之分，拓扑对象是由几何对象抽取而出，用来表达模型的拓扑关系。根据CATIA模型中所有拓扑对象之间的拓扑层次关系，可得出CATIA模型B-Rep数据提取的基本思路，其流程如图1所示，按照此流程对B-Rep信息进行提取，部分程序如下：

图1 检测模型B-Rep信息提取流程

1.2 特征识别

特征识别技术中基于图的方法具有准确且高效识别特征的效果，并得到了广泛使用，该方法采用属性邻接图方式来描述构成特征的面集合之间的关系[8]，节点对应零件的实体面，弧的属性表示两面交线的凹凸性，为凸弧时，表明与该节点所连接的边为凸边，相反则为为凹边，弧线的凹凸属性判断公式如下：

2 检测信息获取与分析

传统的检测方法需检测人员在尺寸标注与公差标注的位置查找检验要求并确定检验计划和检验工序，这种检测方法工作量庞大，效率极低而且准确度无法保证，遇到检测对象繁多的复杂零件，易造成检测数据丢失。本文的主要目的是保证检测信息不丢失的前提下提高检测效率实现数字化检测。

检测信息获取的过程即对模型中的MBD数据提取的过程[9]，首先获取模型的标注队列（CATITPSList）对象，之后得到标注的依附面TTRS（Technologically and Topologically Related Surfaces），并判断其类型是Semantic还是Nonsemantic，再判断基本类型如Dimension（尺寸），Geometrical Tolerance（几何公差），Roughness（粗糙度）等，然后通过不同类型TPS特征对应的形为特征接口提取相应的数据，部分程序实现如下，图2为CATIA模型中MBD的数据提取流程。

3 应用实例

图2 MBD数据提取流程

在CATIA平台下建立如图4所示模型并进行MBD信息标注，按照图1中B-Rep信息提取的流程对CATIA模型底层的基本数据进行获取，获取的拓扑面作为属性邻接图的节点，判断节点之间的凹凸关系，对输出的属性邻接矩阵分解出不包含凸弧的结构，与标准特征库进行比对后识别出独立的特征结构，如图3所示，为凹槽特征与圆孔特征的属性邻接矩阵，其中“2”所在位置为凹弧出现位置，“0”表示两面不相邻无交线，“1”代表凸弧出现位置，“3”表示两相交面处于相切状态。特征识别后，对检测信息进行分析与提取，并关联其特征，结果如图4所示。

图3 凹槽与圆孔邻接矩阵

图4 检测模型

经特征识别、检测信息分析与特征关联后获得的检测信息，通过后续的检测工艺规划，即检测点布置、检测碰撞检查与规避后，输出标准的DMIS程序，驱动三坐标测量机对模型进行检测，图5为零件的检测过程，检测结果表明，检测信息提取、信息分析与关联特征结果准确，三坐标测量机能够对其进行识别与评价，而且整个检测过程时间大幅度缩减，显著的提高了检测效率。

图5 零件检测

4 结论

文中提出在CATIA平台利用CAA技术实现自动获取检测信息与关联特征方法，针对传统检测过程中手动获取检测信息的丢失、错误和低效率问题，检测特征不能自动关联问题、特征属性不能自动获取问题进行了解决，由设计模型通过对底层B-Rep信息提取进行检测特征的识别，之后对检测信息进行提取与分析，关联相关的几何特征，经后续的检测工艺规划可实现三坐标测量机的驱动，验证了检测信息提取与特征关联的正确性。检测信息与特征的自动获取与关联告别了传统的检测方式，并且很大程度上提高了检测效率，为实现数字化检测提供了数据基础。

[1] 袁修华.基于STEP标准的三维实体制造特征识别技术研究[D].吉林:吉林大学,2008.

[2] 段桂江,岑荣.基于MBD的飞机结构件检验规划技术研究[J].航空制造技术,2015,19:62-67.

[3] 梁岱春,张为民,隋立江.浅析基于CAA的CATIA二次开发[J].航空制造技术,2012,10:65-68.

[4] 李大磊,陈广飞,尹跃峰.基于图的混合加工特征识别方法[J].组合机床与自动化加工技术,2013,6:81-83.

[5] 韩娟,张发平,高博,等.基于图和规则的混合式特征识别技术[J].机械设计与制造,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,陈卓宁,李建勋.面向三维机加工艺规划系统的CATIA模型B-Rep信息提取与应用[J].计算机系统应用,2014,23(6):211-214.

[8] 闫海兵.飞机结构件复杂加工特征识别技术的研究与实现[D].南京:南京航空航天大学,2010.

[9] 陈卓宁,秦宇,徐明同.面向三维机加工艺规划系统的CATIA模型MBD数据提取和应用[J].计算机系统应用,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

辽宁省自然科学基金（2013024017）

刘红军（1971 -），男，辽宁沈阳人，副教授，博士，研究方向为数字化设计与制造。