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

【摘要】：目前,產(chǎn)品的設(shè)計(jì)原型與實(shí)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(lǐng)域,車身覆蓋件具有外形尺寸大、結(jié)構(gòu)復(fù)雜、自由曲面多和表面要求質(zhì)量高的特點(diǎn),在傳統(tǒng)的沖壓成形后易產(chǎn)生回彈現(xiàn)象,嚴(yán)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(shù)的快速發(fā)展,3D打印技術(shù)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(jìn)行檢測已經(jīng)成為當(dāng)前迫切需要解決的問題。本文針對汽車領(lǐng)域高強(qiáng)鋼板材零件及3D打印領(lǐng)域中聚丙交酯(PLA)、熱塑性聚氨酯彈性體橡膠(TPU)盒形件,應(yīng)用三維掃描設(shè)備3D Ca Mega光學(xué)三維掃描系統(tǒng)分別對高強(qiáng)鋼板材零件及打印出來的兩個(gè)長方盒進(jìn)行三維掃描,獲取零件點(diǎn)云數(shù)據(jù);采用點(diǎn)云處理軟件Geomagic studio分別對三維掃描所獲得點(diǎn)云數(shù)據(jù)進(jìn)行點(diǎn)云處理;最后通過質(zhì)量檢測軟件Geomagic qualify對零件分別進(jìn)行精度分析,主要包括3D比較分析以及2D比較分析。結(jié)果顯示,高強(qiáng)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(biāo)準(zhǔn)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(biāo)準(zhǔn)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(biāo)準(zhǔn)偏差0.0492 mm。本文采用先進(jìn)的三維掃描技術(shù),借助于計(jì)算機(jī)軟件,對三維數(shù)字化全尺寸進(jìn)行檢測,將這種先進(jìn)的檢測方法應(yīng)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(qiáng)鋼板汽車零部件的回彈提供了一種分析手段,對于汽車領(lǐng)域精度要求高的零件進(jìn)行進(jìn)一步回彈補(bǔ)償?shù)旎A(chǔ)。
[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(xué)位授予單位】：哈爾濱理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TH161.1

【相似文獻(xiàn)】

相關(guān)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(diǎn)云數(shù)據(jù)融合算法[J];西安交通大學(xué)學(xué)報(bào);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(diǎn)云[J];光學(xué)精密工程;2009年04期

3 范然;金小剛;;大規(guī)模點(diǎn)云選擇及精簡[J];圖學(xué)學(xué)報(bào);2013年03期

4 李偉;李旭東;趙慧潔;張穎;;基于姿態(tài)標(biāo)準(zhǔn)化的線特征點(diǎn)云提取方法[J];北京航空航天大學(xué)學(xué)報(bào);2013年08期

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

6 史寶全;梁晉;張曉強(qiáng);舒挽;;特征保持的點(diǎn)云精簡技術(shù)研究[J];西安交通大學(xué)學(xué)報(bào);2010年11期

7 陳國安;劉飛;李麗;;采用模糊規(guī)則的人體點(diǎn)云特征尺寸識別與提取[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2011年08期

8 張旭;張學(xué)昌;唐覺明;;點(diǎn)云對稱邊特征的最優(yōu)化提取技術(shù)[J];中國機(jī)械工程;2013年05期

9 曹照均;李尚平;李冰;;多基準(zhǔn)點(diǎn)下多視點(diǎn)云拼接對齊方法的研究[J];機(jī)械設(shè)計(jì)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(diǎn)云精簡方法[J];中國機(jī)械工程;2014年16期

相關(guān)會議論文 前10條

1 李文濤;韋群;楊海龍;;基于圖像的點(diǎn)云生成和預(yù)處理[A];2011年全國通信安全學(xué)術(shù)會議論文集[C];2011年

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

3 馬國慶;陶萍萍;楊周旺;;點(diǎn)云空間曲線的微分信息計(jì)算及匹配方法[A];第四屆全國幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會議論文集[C];2009年

4 江倩殷;劉忠途;李熙瑩;;一種有效的點(diǎn)云精簡算法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

5 解輝;張愛武;孟憲剛;;機(jī)載激光點(diǎn)云快速繪制方法[A];第二十五屆全國空間探測學(xué)術(shù)研討會摘要集[C];2012年

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

7 朱曉強(qiáng);余燁;劉曉平;袁曉輝;Bill P.Buckles;;基于航拍圖像和LiDAR點(diǎn)云的城市道路提取[A];全國第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集（上冊）[C];2008年

8 劉虎;;基于線性八叉樹的點(diǎn)云簡化與特征提取研究[A];促進(jìn)科技經(jīng)濟(jì)結(jié)合，，服務(wù)創(chuàng)新驅(qū)動發(fā)展——蚌埠市科協(xié)2012年度學(xué)術(shù)年會論文集[C];2012年

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

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

相關(guān)重要報(bào)紙文章 前2條

1 曹裕華 高化猛 江鴻賓;激光點(diǎn)云 亦真亦幻[N];解放軍報(bào);2013年

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

相關(guān)博士學(xué)位論文 前10條

1 彭檢貴;融合點(diǎn)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(xué);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(shù)研究[D];西南交通大學(xué);2013年

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

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

5 王瑞巖;計(jì)算機(jī)視覺中相機(jī)標(biāo)定及點(diǎn)云配準(zhǔn)技術(shù)研究[D];西安電子科技大學(xué);2015年

6 段敏燕;機(jī)載激光雷達(dá)點(diǎn)云電力線三維重建方法研究[D];武漢大學(xué);2015年

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

8 金龍存;3D點(diǎn)云復(fù)雜曲面重構(gòu)關(guān)鍵算法研究[D];上海大學(xué);2012年

9 李揚(yáng)彥;基于點(diǎn)云的三維重建與形變事件分析[D];中國科學(xué)院深圳先進(jìn)技術(shù)研究院;2013年

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

相關(guān)碩士學(xué)位論文 前10條

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

2 楊紅粉;頻域技術(shù)應(yīng)用于點(diǎn)云配準(zhǔn)研究[D];北京建筑大學(xué);2015年

3 段紅娟;點(diǎn)云圖像交互式曲線骨架提取技術(shù)及其應(yīng)用[D];西南交通大學(xué);2015年

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

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

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

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

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

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

10 朱東方;基于復(fù)雜拓?fù)浣Y(jié)構(gòu)點(diǎn)云的曲線擬合研究與應(yīng)用[D];山東大學(xué);2015年

本文編號：1795158