25694

اتوماسيون روند تبديل مدل ابر نقاط پره توربين به مدل سه‌بعدي داراي هندسه مطلوب

كارشناسي ارشد

مهندسي مكانيك- طراحي كاربردي ـ شكل‌دهي

1397

1400/7/28

رامين هاشمي

مهندسي مكانيك

يكي از عمليات¬هاي اصلي حين مهندسي معكوس قطعات مكانيكي از جمله پره توربين، بازسازي سطوح با استفاده از ابر نقاط حاصل‌شده از كليه روش‌هاي داده‌برداري است. بر همين اساس به¬كارگيري ابر نقاط جهت تشكيل پروفيل دوبعدي مقاطع به¬منظور بازسازي انواع خاصي از سطوح، همانند سطوح روكشي و سطوح جاروب‌شده، از حيث درنظرگيري ملاحظات هندسي سطح نهايي و نيز پايداربودن نتايج حاصل از روند اجرايي، اهميت فراواني دارد. علاوه بر اين موضوع ارائه يك چارچوب كاري خودكارشده كه بتواند در كنار تسريع فرايند دستيابي به مدل پره، زمينه را براي پياده‌سازي الزامات طراحي آن فراهم كند، منجر به كاهش زمان طراحي تا ساخت اين محصول خواهد شد. از اين رو در اين تحقيق سعي شده است ضمن آنكه عمليات تشكيل مناسب‌ترين پروفيل دوبعدي مقطع در قالب يك چارچوب كاري مبتني بر ويژگي‌هاي هندسي از طريق به¬كاربستن روش برازش مقيد مطرح گردد، امكاني فراهم شود تا به كمك يك روند شناسايي خودكارِ ويژگي¬هاي هندسي، به نزديك¬ترين مدل كامپيوتري در مقايسه با نكات طراحي نهفته در هندسه اين قطعه دست يافت. اين چارچوب كاري به چهار بخش پيش‌پردازش ابر نقاط، افرازبندي، دسته‌بندي و برازش نهايي تقسيم مي‌گردد و به¬منظور پياده‌سازي بخش‌هاي مذكور از مفاهيمي نظير خوشه‌بندي داده‌ها، شناسايي نقطه تغيير(CPD)، الگوريتم اجماع نمونه تصادفي(RANSAC)، ساختار درخت دودويي همراه با پيمايش ميان¬ترتيب، شناسايي خودكار قيدهاي هندسي و بهينه‌سازي مقيد/نامقيد بهره گرفته شده است.

1400/09/23

Automated 3D CAD Reconstruction of Turbine Blade from Point Clouds

10/20/2022 12:00:00 AM

One the main operations in the reverse engineering of mechanical parts such as turbine blade is surface reconstruction using points cloud which are concluded from all the data capturing methods. On this base using points cloud for creating 2D profile of sections in order to remake special surface features like extrude surfaces and sweep surfaces from the view of final surface geometry consideration and also stability of results from administrative process, has much importance. Moreover, presentation of an automatic framework which is able to beside of accelerate reaching process to CAD model, prepare the groundwork for its design requirement, will lead to decrease leading time of this product. Therefore, in this research, it has tried to discuss that the most efficient creation action of sectional 2D profile in a feature-based framework using constraint fitting, moreover to provide a situation that by using an automatic geometric feature recognition attain to the nearest CAD model in comparison to design intents. This framework divide to four parts as points cloud preprocessing, segmentation, classification and final fitting. In order to perform the said parts have been using from concepts like ML clustering, CPD, RANSAC, binary tree with inorder traversal, automatic constraint setting and constrained/unconstrained optimization.