文|农食山人
编辑|农食山人
◆ ◇ 前言 ◇ ◆
装配基准层的构建传统的虚拟装配实际上是用几何逻辑来描述一般的装配行为，这要求操作者具有很高的几何语言分析和判断能力，缺乏直观性和真实性。本文简化了农业机械关键部件的规则装配行为。
运营商使用VR进行虚拟组装，以提高互动性和真实性。该系统采用简单的装配行为，与实际操作相一致的方式进行装配，保证了用户操作的一致性，降低了虚拟装配的难度。
该系统使用装配基准的几何逻辑来定义零件的装配行为。装配基准轴和装配基准面是根据网格实体模型的零件旋转轴和台阶面定位的，分别用于轴孔对准装配和零件装配定位，其定位误差与网格实体模型相同。设计人员通过可视化界面对不正确的装配基准进行筛选，以提高系统的容错率。
数据层是独立计算和存储数据的每个部分的节点。该节点的脚本中设置了多个哈希表，用于存储来自meshssolid模型和知识库的数据。在装配过程中，系统不断调用节点数据进行知识推理，并实时反馈装配测试数据。
虚拟样机三维模型层的子节点与零件的三维模型相对应，提高了多个零件同时反馈的数据处理效率。知识库的构建与应用传统智能设计系统的设计参数和计算逻辑都已封装在程序中，无法根据小批量生产的多变要求改变设计标准和计算逻辑。
该系统构建的知识库完全由用户输入和定义，可以根据不同的生产需求指定不同的计算逻辑和设计标准。该系统构建了一个具有各种设计和测试功能的虚拟样机的网格实体模型。
它可以调用知识库中的设计过程数据和脚本逻辑命令，以控制多个部件同时进行多个设计测试。每个零件的虚拟样机都可以独立地检测和反馈自己的测试数据。
同时，知识库数据是由数据表动态生成的。与传统的农机智能设计系统相比，该系统完成了各种设计和测试功能，并将设计过程数据高度封装在不同的商用插件接口中，该系统具有独立、自动、同步的单件数据处理功能，并动态更新用户定义的设计过程数据，更符合实际生产需要。知识库分为五个部分。
其中，装配、零件分类和装配顺序评估知识库根据脚本中的判断逻辑和计算过程来计算数据。公差拟合、干扰分析和互换性知识库需要使用特征半径和精度等级来检索系统根目录下的表数据，然后使用脚本进行操作。
虚拟装配通过动力学或运动学的方式控制多对象交互的几何计算。该系统使用VR设备进行人机交互，调用网格实体模型层进行碰撞反，通过动力学或运动学进行模拟。该系统实现人机交互对齐，并使用运动学方程来描述对象的运动。最后，系统设置范围阈值，并将零件调整为装配姿势。
式中，θ为装配基准轴与装配体的夹角；→ap，→ab和→fp，→fb分别是零件和装配体的装配基准轴的方向矢量和装配基准面的法向矢量；→Lp是零件的位移矢量；Rp是以零件质心为原点围绕特定轴旋转的旋转矩阵；和→P→P0是零件装配前后的位置矢量。
2.1CAD知识库在
CAD过程中，零件的公差带、配合形式和装配顺序是根据机械制造工艺标准设计的。然后，结合企业的生产需求，设计评价标准对设计方案进行评价，指导计算机辅助设计。其中，知识库的数据表是系统根目录中的.csv二进制表文件。系统检索公差表、尺寸偏差表、序列评估数据表和互换性数据表中的数据，以及特征直径、精度等级和评估指标的参数，输入相应的脚本进行计算，输出到系统，并更新虚拟样机的数据。
需要强调的是，每次系统启动时，都会遍历.csv文件并动态生成哈希表，并且.csv文件中的数据可以更新。这解决了传统智能设计平台所面临的问题，即无法改变系统中封装的计算逻辑和生产数据，以满足小批量生产不断变化的设计要求。
这部分知识库数据封装在脚本代码中。首先，系统根据流程将三维模型转换为三角形面片结构。然后，系统重建模型的质心坐标系，并根据模型质心的固定位置调整缩放比和采样，以获得采样图像，重建质心坐标系后，系统根据模型边界框的长宽比对轴类零件和一般零件进行分类。
最后，系统将通用零件的样本图像输入到谷歌网上，对齿轮、轴承等通用零件进行分类；然后将所有分类的零件样本数据输入到OpenCV图像处理算法中，检测所有特征参数，并将其输入到YoloV4tiny中，检测每一类零件中包含的特征类型特征参数提取。
2.2装配顺序与评价
知识库农业机械关键部件的装配主体一般为轴，其装配部件为阶梯或花键轴段，对应于网格实体模式上的每个特征。该系统将特征与零件的特征参数相匹配，以生成各种装配序列。
以图上部的装配主体轴为例，算法以装配主体的x轴（红色箭头）为正方向，并使用具有框架A和B的装配特征参数来匹配零件。例如，部件C1、D1、D2、E1和E2的装配序列号分别为（ 2.1）、（ 5.1）、“ 5.2”、“ 7.1”和“ 7.2”，其中D2（ 5.2）表示前向装配第五部件组合的第二层部件（方框D表示部件组合）
我们统计了车间的实际生产数据，如装配时间的最大值和最小值、装配人员在车间的移动距离、装配工具的更换频率等指标。然后，我们以10分为步长划分100分的得分范围，并将其存储在知识库中。系统调用该框架内各个零件的装配索引值，以计算每个装配序列的评估值。
公式（23）求解装配序列的第j个评价指标的第i级的装配时间和装配难度评价值αji。kj是指数划分级别的数量。公式（24）是第k个装配序列的总评估值。
2.3公差配合和过盈分析
知识库公差配合设计中要测试的过盈量主要在轴孔配合处，包括过盈配合量和设计不当造成的过盈。用户设置零件的公差等级，并根据特征直径检索公差带数据。然后，根据设定的匹配基准系统，解决匹配零件特征的尺寸偏差和极限尺寸问题。接下来，系统更新零件网格的实体模型层的参数，以产生独立偏差。最后，当用户进行虚拟装配时，系统根据特征的直径和设定的精度水平，在知识框架内检索数据，以分析零件的干涉实时性是否合理。
系统对零件网格实体模型中网格单元体的颜色进行变换，标记干涉位置，提取其质心，生成干涉分布的散点图，直观地反映了干涉量的分布。
xij，yij，zij是装配零件特征上的第j个网格单元的质心坐标，该质心坐标与装配体特征上的第一个网格单元干涉。（xic，yic，zic）是第i个网格单元体的质心，其中干涉发生在装配体的特征上。ηiis是第i个网格单元对组合体特征的干扰值；当它为负时，值越小，干扰越大；当该值为正时，不存在干扰。将所有与装配体干涉的网格元素的最大值作为径向干涉ηyz。
轴向干涉ηx通过干涉特征的质心x坐标xc1、xc2与特征厚度T1、T2.3.2.4之间的距离计算。零件互换性知识库该知识框架内多个车间的生产过程统计用于计算不同批次零件的匹配干扰规律，并生成每个车间产品的互换性匹配方案，用于估计生产成本和修改公差匹配方案。
在知识推理和建立实体网格模型的过程中，出现以下错误的概率很低：（1）特征识别错误；（2） assemblysequence生成错误。系统设置了网格实体模型可视化界面和装配序列可视化界面，设置者可以在该界面上查看推测结果并手动更改数据。用户可以通过修改安装在网格实体模型层上的脚本参数来重建网格实体模型，也可以通过修改每个零件数据层中的装配序列号来修改装配序列。
利用某企业设计生产的农机变速箱传动部件轴承选型方案数据，在自动完成虚拟样机构建后，生成推荐的轴承模型，并与实际工艺数据进行比较，验证了系统的准确性。最后，通过第三方组织的软件评估对系统性能进行了评估。
3.1.虚拟样机的构建和装配
序列的生成装配序列可视化界面和每个零件的装配序列号。
之所以选择B方案，是因为右半部分的最后一部分和左半部分的第一部分需要用尾钩扳手安装。如果先安装右半部分，然后安装左半部分，将节省重复访问工具的时间。
3.2装配干涉和匹配方案的生成和不完全互通式立交方案
我们调查并获得了一、二车间的生产过程统计数据，更新了虚拟样机的网格实体模型层数据统计，并统计干扰数据和互换性匹配虚拟装配后的数据。
根据表中的数据，1号车间的产品规模较小2号车间的面积很大。该系统表明，具有较大平均极限的轴承尺寸应与车间1的产品相匹配，而具有较小平均值应与车间2的产品相匹配。然后，根据在给定数据的情况下，我们在表中选择了三种类型的轴承进行虚拟装配。最后系统统计的干涉数据表明，它符合所提出的配合间隙要求。
◆ ◇ 结语◇ ◆
本文资助项目的合作企业聘请了第三方评估公司进行软件评估。使用配置为32GB内存，interi59400f CPU，NVIDIA 2070 Super显卡测试平台、时间和装配操作误差率四个专业评定完成本章智能设计任务的人员，使用以SolidWorks的智能设计系统和该系统为性能指标该系统的指标。每个专业人员完成设计步骤和组装步骤五次。我们统计平均操作时间、装配错误率，以及每人计算机资源消耗率。
参考文献：
[1]. Ahmed, F.; Han, S. Interoperability of product and manufacturing information using ontology. Concurr. Eng. 2015, 23, 265–278.
[2]. Wu, Z.; Liu, H.; Goh, M. Knowledge recommender system for complex product development using ontology and vector spacemodel. Concurr. Eng. 2019, 27, 347–360.
[3]. Jaiswal, P.; Huang, J.; Rai, R. Assembly-based conceptual 3D modeling with unlabeled components using probabilistic factorgraph. Comput. Aided Des. 2016, 74, 45–54.
[4]. Zhang, D.; Wang, X.; Hu, J.; Qin, H. Interactive modeling of complex geometric details based on empirical mode decompositionfor multi-scale 3D shapes. Comput. Aided Des. 2017, 87, 1–10.
[5]. Sun, Q.; Zhao, B.; Liu, X.; Mu, X.; Zhang, Y. Assembling deviation estimation based on the real mating status of assembly. Comput.Aided Des. 2019, 115, 244–255.
