本文選題：精度分析 + 回彈　； 參考：《哈爾濱理工大學》2017年碩士論文

【摘要】：目前,產(chǎn)品的設計原型與實際生產(chǎn)出來的產(chǎn)品型面之間有一定的誤差,這影響了產(chǎn)品的裝配和使用。在汽車領域,車身覆蓋件具有外形尺寸大、結構復雜、自由曲面多和表面要求質(zhì)量高的特點,在傳統(tǒng)的沖壓成形后易產(chǎn)生回彈現(xiàn)象,嚴重影響了汽車覆蓋件的成形質(zhì)量。另一方面,隨著工業(yè)技術的快速發(fā)展,3D打印技術已經(jīng)越來越成熟,使用3D打印生產(chǎn)的零件的精度比傳統(tǒng)的高,但與原模型還有一定的誤差。為此,對零件型面的精度進行檢測已經(jīng)成為當前迫切需要解決的問題。本文針對汽車領域高強鋼板材零件及3D打印領域中聚丙交酯(PLA)、熱塑性聚氨酯彈性體橡膠(TPU)盒形件,應用三維掃描設備3D Ca Mega光學三維掃描系統(tǒng)分別對高強鋼板材零件及打印出來的兩個長方盒進行三維掃描,獲取零件點云數(shù)據(jù);采用點云處理軟件Geomagic studio分別對三維掃描所獲得點云數(shù)據(jù)進行點云處理;最后通過質(zhì)量檢測軟件Geomagic qualify對零件分別進行精度分析,主要包括3D比較分析以及2D比較分析。結果顯示,高強鋼板零件三維回彈的最大偏差為2.8572 mm、平均偏差為1.3540 mm和標準偏差為1.4133 mm;XY截面二維回彈的最大偏差為2.1637 mm。PLA材料的長方盒最大偏差0.1211 mm、最小偏差-0.1211 mm、平均偏差0.0487 mm~-0.0133 mm和標準偏差0.0490 mm;TPU材料長方盒最大偏差0.1265 mm、最小偏差-0.1264 mm、平均偏差0.0492 mm~-0.0148 mm和標準偏差0.0492 mm。本文采用先進的三維掃描技術,借助于計算機軟件,對三維數(shù)字化全尺寸進行檢測,將這種先進的檢測方法應用于檢測零件型面的精度,對3D打印零件的型面誤差提供了一種測量方法;為以后高強鋼板汽車零部件的回彈提供了一種分析手段,對于汽車領域精度要求高的零件進行進一步回彈補償?shù)旎A。
[Abstract]:At present, there is a certain error between the product design prototype and the actual product profile, which affects the assembly and use of the product. In the automotive field, body panels have the characteristics of large size, complex structure, many free-form surfaces and high surface quality. It is easy to produce springback phenomenon after traditional stamping forming, which seriously affects the forming quality of automobile panels. On the other hand, with the rapid development of industrial technology, the 3D printing technology has become more and more mature. The precision of the parts produced by 3D printing is higher than that of the traditional ones, but there are still some errors with the original model. Therefore, it has become an urgent problem to detect the accuracy of parts surface. In this paper, the high strength steel sheet parts in automobile field and the TPU box parts of poly (lactide) pla, thermoplastic polyurethane elastomer, in the field of 3D printing, are studied. The 3D Ca Mega optical 3D scanning system was used to scan the parts of high strength steel sheet and the two long boxes printed out to obtain the point cloud data of the parts. The point cloud processing software Geomagic studio is used to process the point cloud data obtained by 3D scanning. Finally, the accuracy of the parts is analyzed by Geomagic qualify, which includes 3D comparison analysis and 2D comparative analysis. The results show that The maximum deviation of 3D springback of high-strength steel plate parts is 2.8572 mm, the average deviation is 1.3540 mm and the maximum deviation of standard deviation is 1.4133 mm XY section two-dimensional springback. The maximum deviation of 2.1637 mm.PLA material is 0.1211 mm for long square box, -0.1211 mm for minimum deviation, and 0.0487 mm for average deviation. The maximum deviation, minimum deviation, average deviation and standard deviation of mm~-0.0133 mm and standard deviation 0.0490 mm are 0.1265 mm, -0.1264 mm, 0.0492 mm~-0.0148 mm and 0.0492 mm, respectively. In this paper, the advanced 3D scanning technology and computer software are used to detect the full dimensions of 3D digitization. The advanced detection method is applied to detect the precision of the surface of parts. This paper provides a method for measuring the surface error of 3D printed parts, and provides an analytical method for the springback of automotive parts of high-strength steel plates in the future, and lays a foundation for further springback compensation for parts with high precision in automobile field.
【學位授予單位】：哈爾濱理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TH161.1

【相似文獻】

相關期刊論文 前10條

1 梁新合;梁晉;郭成;曹巨明;;法向約束的多幅點云數(shù)據(jù)融合算法[J];西安交通大學學報;2009年05期

2 孟凡文;吳祿慎;;用繼承與優(yōu)化算法精密拼接無序點云[J];光學精密工程;2009年04期

3 范然;金小剛;;大規(guī)模點云選擇及精簡[J];圖學學報;2013年03期

4 李偉;李旭東;趙慧潔;張穎;;基于姿態(tài)標準化的線特征點云提取方法[J];北京航空航天大學學報;2013年08期

5 邱望標;呂圣楠;;帶有矩形參照物的可程序化點云精確拼接算法[J];組合機床與自動化加工技術;2010年09期

6 史寶全;梁晉;張曉強;舒挽;;特征保持的點云精簡技術研究[J];西安交通大學學報;2010年11期

7 陳國安;劉飛;李麗;;采用模糊規(guī)則的人體點云特征尺寸識別與提取[J];計算機輔助設計與圖形學學報;2011年08期

8 張旭;張學昌;唐覺明;;點云對稱邊特征的最優(yōu)化提取技術[J];中國機械工程;2013年05期

9 曹照均;李尚平;李冰;;多基準點下多視點云拼接對齊方法的研究[J];機械設計與制造;2014年04期

10 李啟東;李文龍;周莉萍;;一種曲面特征保持的航空葉片點云精簡方法[J];中國機械工程;2014年16期

相關會議論文 前10條

1 李文濤;韋群;楊海龍;;基于圖像的點云生成和預處理[A];2011年全國通信安全學術會議論文集[C];2011年

2 蔡來良;李儒;;點云數(shù)據(jù)處理算法與實現(xiàn)初步研究[A];第四屆“測繪科學前沿技術論壇”論文精選[C];2012年

3 馬國慶;陶萍萍;楊周旺;;點云空間曲線的微分信息計算及匹配方法[A];第四屆全國幾何設計與計算學術會議論文集[C];2009年

4 江倩殷;劉忠途;李熙瑩;;一種有效的點云精簡算法[A];第十五屆全國圖象圖形學學術會議論文集[C];2010年

5 解輝;張愛武;孟憲剛;;機載激光點云快速繪制方法[A];第二十五屆全國空間探測學術研討會摘要集[C];2012年

6 李凱;張愛武;;基于激光點云的糧倉儲糧數(shù)量測量方法[A];第二屆“測繪科學前沿技術論壇”論文精選[C];2010年

7 朱曉強;余燁;劉曉平;袁曉輝;Bill P.Buckles;;基于航拍圖像和LiDAR點云的城市道路提取[A];全國第19屆計算機技術與應用（CACIS）學術會議論文集（上冊）[C];2008年

8 劉虎;;基于線性八叉樹的點云簡化與特征提取研究[A];促進科技經(jīng)濟結合，，服務創(chuàng)新驅(qū)動發(fā)展——蚌埠市科協(xié)2012年度學術年會論文集[C];2012年

9 李濱;王佳;;基于點云的建筑測繪信息提取[A];第四屆“測繪科學前沿技術論壇”論文精選[C];2012年

10 楊雪春;;反求工程建模中點云切片技術研究[A];全國先進制造技術高層論壇暨第八屆制造業(yè)自動化與信息化技術研討會論文集[C];2009年

相關重要報紙文章 前2條

1 曹裕華 高化猛 江鴻賓;激光點云 亦真亦幻[N];解放軍報;2013年

2 中國工程院院士 劉先林;四維遠見的裝備創(chuàng)新[N];中國測繪報;2012年

相關博士學位論文 前10條

1 彭檢貴;融合點云與高分辨率影像的城區(qū)道路提取與表面重建研究[D];武漢大學;2012年

2 劉涌;基于連續(xù)序列自動快速拼接的全方位三維測量技術研究[D];西南交通大學;2013年

3 袁小翠;產(chǎn)品表面缺陷視覺檢測數(shù)據(jù)處理關鍵技術研究[D];南昌大學;2015年

4 賴祖龍;基于LiDAR點云與影像的海岸線提取和地物分類研究[D];武漢大學;2013年

5 王瑞巖;計算機視覺中相機標定及點云配準技術研究[D];西安電子科技大學;2015年

6 段敏燕;機載激光雷達點云電力線三維重建方法研究[D];武漢大學;2015年

7 韓峰;基于點云信息的既有鐵路狀態(tài)檢測與評估技術研究[D];西南交通大學;2015年

8 金龍存;3D點云復雜曲面重構關鍵算法研究[D];上海大學;2012年

9 李揚彥;基于點云的三維重建與形變事件分析[D];中國科學院深圳先進技術研究院;2013年

10 楊德賀;面向虛擬測方系統(tǒng)的點云聚類與擬合理論[D];中國礦業(yè)大學（北京）;2014年

相關碩士學位論文 前10條

1 龔碩然;基于Delaunay三角剖分的點云三維網(wǎng)格重構[D];河北大學;2015年

2 楊紅粉;頻域技術應用于點云配準研究[D];北京建筑大學;2015年

3 段紅娟;點云圖像交互式曲線骨架提取技術及其應用[D];西南交通大學;2015年

4 張永恒;散亂點云數(shù)據(jù)配準方法研究[D];長安大學;2015年

5 吳愛;面向特征擬合的點云簡化方法研究[D];中國地質(zhì)大學(北京);2015年

6 薛廣順;基于立體視覺的牛體點云獲取方法研究與實現(xiàn)[D];西北農(nóng)林科技大學;2015年

7 胡誠;精度約束下地表LiDAR點云抽稀方法研究[D];西南交通大學;2015年

8 余明;三維離散點云數(shù)據(jù)處理技術研究[D];南京理工大學;2015年

9 陳星宇;基于三維彩色點云的地形分類方法研究[D];南京理工大學;2015年

10 朱東方;基于復雜拓撲結構點云的曲線擬合研究與應用[D];山東大學;2015年

本文編號：1795158