發(fā)布時(shí)間：2017-12-06 07:03

  本文關(guān)鍵詞：3D打印設(shè)計(jì)與個(gè)性化制造技術(shù)

  更多相關(guān)文章： 3D打印 殼單元有限元仿真 靈敏度分析 不倒翁設(shè)計(jì) 3D食品打印 打印路徑優(yōu)化 人臉胖瘦調(diào)整

【摘要】：3D打印是一種快速成型技術(shù),能夠高效地將數(shù)字化三維模型制造成實(shí)體,有效提高設(shè)計(jì)、制造物體的效率。隨著桌面級(jí)3D打印機(jī)價(jià)格不斷下降,3D打印技術(shù)的快速普及使普通用戶體驗(yàn)到制造個(gè)性化模型的樂趣。在進(jìn)行3D打印之前,需要首先對(duì)物體進(jìn)行數(shù)字化建模,但是如何將普通用戶的設(shè)計(jì)想法轉(zhuǎn)換為可打印3D數(shù)字化模型是目前普遍存在的難點(diǎn)之一。用戶要求模型美觀、能夠滿足特定需求、并具有個(gè)性化和趣味性。所以在模型設(shè)計(jì)階段需要充分考慮打印成品的功能性,對(duì)數(shù)字模型進(jìn)行相應(yīng)優(yōu)化調(diào)整。目前常用的3D建模軟件能夠生成可3D打印模型,但建模過程主要基于物體外觀進(jìn)行,難以保證打印物體滿足相應(yīng)設(shè)計(jì)功能。由于建模過程中缺少對(duì)于結(jié)構(gòu)的優(yōu)化,常常導(dǎo)致打印材料的浪費(fèi),增加打印耗時(shí)。對(duì)于用戶個(gè)性化的需求,比如制作不倒翁玩具、類似糖畫的可食用物體,目前并沒有可行解決方案,而制作過程中涉及到網(wǎng)格編輯、物體結(jié)構(gòu)分析與仿真、圖像抽象化等內(nèi)容對(duì)于普通用戶十分繁瑣,需要相應(yīng)算法滿足此類需求。本文對(duì)3D打印設(shè)計(jì)與個(gè)性化制造相關(guān)問題進(jìn)行了深入探討,結(jié)合物理仿真、圖像編輯等技術(shù)提出了高效易用的解決方案。本文主要內(nèi)容與貢獻(xiàn)如下:·提出了一種優(yōu)化殼體厚度參數(shù)的方法,能夠在保持物體結(jié)構(gòu)強(qiáng)度的基礎(chǔ)上,減少打印材料消耗。在用戶輸入網(wǎng)格模型和相應(yīng)受力情況后,本算法能夠自動(dòng)根據(jù)應(yīng)力約束對(duì)厚度參數(shù)進(jìn)行優(yōu)化,并生成可進(jìn)行3D打印的封閉殼體。本算法主要有以下兩點(diǎn)貢獻(xiàn):1、使用分割算法對(duì)輸入網(wǎng)格模型進(jìn)行分塊。采用殼單元有限元仿真模型對(duì)物體進(jìn)行仿真。2、本算法推導(dǎo)了剛度矩陣、節(jié)點(diǎn)位移等物理量對(duì)厚度參數(shù)的導(dǎo)數(shù)解析形式,提高了仿真優(yōu)化過程速度。采用交替優(yōu)化過程求解優(yōu)化問題,將非線性優(yōu)化問題在局部轉(zhuǎn)化為線性規(guī)劃問題。采用靈敏度分析方法進(jìn)一步加速優(yōu)化過程。使用不同種類3D打印機(jī)、多種打印材料制作模型進(jìn)行相關(guān)物理實(shí)驗(yàn)。本算法能夠在較短時(shí)間內(nèi)求解厚度參數(shù)。仿真、優(yōu)化結(jié)果和實(shí)驗(yàn)測(cè)試相符�！ぬ岢隽艘环N計(jì)算機(jī)輔助設(shè)計(jì)算法,幫助普通用戶設(shè)計(jì)并制作個(gè)性化不倒翁。本算法生成的模型能夠在外力推動(dòng)后搖而不倒,最終靜止在平衡位置�；诹嘏c能量相關(guān)知識(shí),我們推導(dǎo)了不倒翁質(zhì)心和底部形狀需要滿足的約束條件。將設(shè)計(jì)制作不倒翁問題抽象為優(yōu)化問題,并在優(yōu)化目標(biāo)函數(shù)中加入節(jié)省打印材料、增加不倒翁穩(wěn)定性、增加搖擺幅度、外形比例協(xié)調(diào)等約束條件。我們制作了多種模型進(jìn)行相關(guān)實(shí)驗(yàn),驗(yàn)證推導(dǎo)的物理約束和優(yōu)化算法有效性。本算法提供了簡(jiǎn)單易用的框架,能夠幫助普通用戶使用常見3D打印機(jī)制作不倒翁玩具�！ぬ岢隽艘环N根據(jù)肖像進(jìn)行3D食品打印制作的方法。本算法使用3D食品打印機(jī),打印材料使用麥芽糖、巧克力、果醬等可食用材料。在保持輸入圖像特征的情況下,本算法能夠自動(dòng)將輸入肖像進(jìn)行抽象化,并轉(zhuǎn)化為可打印路徑。本方法主要分為兩階段:1、使用圖像抽象化方法提取肖像輪廓線�？蛇M(jìn)行人臉特征點(diǎn)檢測(cè)、素描生成算法進(jìn)一步增強(qiáng)人臉特征。2、使用路徑優(yōu)化算法生成可打印路徑,在保持打印效果的前提下,減少打印耗時(shí)。我們提出了一種簡(jiǎn)單易用的肖像胖瘦調(diào)整算法,進(jìn)一步提高肖像食品打印效果。對(duì)多幅肖像進(jìn)行3D食品打印制作,并進(jìn)行多組實(shí)驗(yàn)對(duì)比,驗(yàn)證本算法效果。
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.73

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 趙恩環(huán);杜玲;;基于模型約束的人臉特征點(diǎn)跟蹤[J];光盤技術(shù);2008年10期

2 王麗婷;丁曉青;方馳;;一種魯棒的全自動(dòng)人臉特征點(diǎn)定位方法[J];自動(dòng)化學(xué)報(bào);2009年01期

3 鄭青碧;許穎梅;;一種快速高效的人臉特征點(diǎn)定位方法[J];計(jì)算機(jī)應(yīng)用研究;2014年04期

4 宋剛,艾海舟,徐光yP;紋理約束下的人臉特征點(diǎn)跟蹤[J];軟件學(xué)報(bào);2004年11期

5 關(guān)鵬;張立明;;基于貝賽爾曲面的三維人臉特征點(diǎn)定位方法[J];復(fù)旦學(xué)報(bào)(自然科學(xué)版);2008年01期

6 金城;卜佳俊;陳華;陳純;宋明黎;吳祺;;自底向上的人臉特征點(diǎn)定位[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2008年05期

7 鄒北驥;曾陽;王磊;彭小寧;;一種處理遮掩的人臉特征點(diǎn)定位方法[J];系統(tǒng)仿真學(xué)報(bào);2009年08期

8 黃琛;丁曉青;方馳;;一種魯棒高效的人臉特征點(diǎn)跟蹤方法[J];自動(dòng)化學(xué)報(bào);2012年05期

9 徐國慶;;在線模板的人臉特征點(diǎn)對(duì)齊[J];計(jì)算機(jī)工程與設(shè)計(jì);2013年11期

10 郭修宵;陳瑩;;非約束環(huán)境下人臉特征點(diǎn)的穩(wěn)定跟蹤[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2014年07期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前1條

1 謝琛;;基于ASM的人臉特征點(diǎn)定位淺析[A];中國電子學(xué)會(huì)第十六屆信息論學(xué)術(shù)年會(huì)論文集[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 崔瀅;基于統(tǒng)計(jì)學(xué)習(xí)的人臉特征點(diǎn)定位算法研究[D];南京理工大學(xué);2015年

2 趙海明;3D打印設(shè)計(jì)與個(gè)性化制造技術(shù)[D];浙江大學(xué);2017年

3 王軍南;人臉特征點(diǎn)檢測(cè)方法研究[D];浙江大學(xué);2015年

4 杜春華;人臉特征點(diǎn)定位及識(shí)別的研究[D];上海交通大學(xué);2008年

5 黨力;自動(dòng)人臉分析與識(shí)別的若干問題研究[D];中國科學(xué)技術(shù)大學(xué);2012年

6 馮振華;參數(shù)化統(tǒng)計(jì)新模型及其應(yīng)用研究[D];江南大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 劉銀;基于回歸的人臉特征點(diǎn)估計(jì)算法研究[D];南京理工大學(xué);2013年

2 劉暢翔;人臉特征點(diǎn)定位算法及其在人臉識(shí)別的應(yīng)用研究[D];東華理工大學(xué);2015年

3 萬楊;顯性形狀回歸的人臉對(duì)齊方法實(shí)驗(yàn)研究[D];大連理工大學(xué);2015年

4 王一軻;人臉檢測(cè)與人臉特征點(diǎn)定位方法的設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2015年

5 張哲;三維人臉特征點(diǎn)的檢測(cè)與標(biāo)記[D];南昌航空大學(xué);2015年

6 吳飛龍;基于機(jī)器視覺的校車安全監(jiān)測(cè)系統(tǒng)[D];浙江大學(xué);2016年

7 謝鄭楠;基于多任務(wù)特征選擇和自適應(yīng)模型的人臉特征點(diǎn)檢測(cè)[D];北京交通大學(xué);2016年

8 黃宇駒;基于級(jí)聯(lián)回歸的多姿態(tài)人臉特征點(diǎn)檢測(cè)算法研究[D];華南理工大學(xué);2016年

9 賈子元;基于深度感知的個(gè)性化皮影戲生成方法研究[D];哈爾濱工業(yè)大學(xué);2016年

10 陳t，

本文編號(hào)：1257728