ترغب بنشر مسار تعليمي؟ اضغط هنا

بناء خوارزمية لاستخلاص معالم ثلاثية البعد من ملفات الـ CAD من أجل العمليات الصناعية

Algorithm designing for Features Extraction from CAD Files for Industrial Processes

1138   1   2   0.0 ( 0 )
 تاريخ النشر 2018
  مجال البحث الميكاترونيك
والبحث باللغة العربية
 تمت اﻹضافة من قبل Shamra Editor




اسأل ChatGPT حول البحث

تم في هذا البحث بناء خوارزمية, لاستخلاص معالم ثلاثية البعد, ذات أشكال إسطوانية بالإضافة إلى الجيوب و المجاري من نماذج CAD المخزنة بصيغة ملفات STL و ذلك بالاعتماد على منهج التمثيل البياني (graph-based method) و منهج القواعد (rule-based method). كما تم تصميم تطبيق باستخدام Visual Stduio C# كواجهة تخاطب مع المستخدم, يسمح له باستيراد نماذج CAD المخزنة بصيغة STL و استخلاص المعالم و عرض المعلومات الخاصة لكل منها (كقطر و ارتفاع و إحداثيات مركز الثقل للأسطوانات, و قيم العرض و الطول و الإرتفاع للجيوب و المجاري, بالإضافة إلى عرض السطوح المشكلة لها و احداثيات مركز ثقلها). تم بناء الخوارزمية المقترحة من عدة مراحل هي: تقسيم النموذج المدروس إلى مجموعة من السطوح بالاعتماد على خوارزمية RegionGrowing, يليها استخلاص المعالم الأسطوانية بالاعتماد على منهج القواعد, و استخلاص الجيوب و المجاري بالاعتماد على منهج التمثيل البياني, ثم حساب المعلومات الهندسية الخاصة بكل معلم. تم اختبار الخوارزمية المقترحة على نماذج CAD تحتوي معالم أسطوانية و جيوب و مجاري بأشكال مختلفة. و قد أظهرت النتائج قدرة الخوارزمية المقترحة على استخلاص المعالم الإسطوانية و الجيوب و المجاري من نماذج CAD مختلفة مخزنة بصيغة ملفات STL بالإضافة إلى ايجاد المميزات الهندسية للمعالم المستخلصة مثل (احداثيات مركز الثقل بالنسبة لمركز النموذج, العرض, العمق, الارتفاع و قطر الأسطوانة .... الخ).


ملخص البحث
يتناول هذا البحث تصميم خوارزمية لاستخلاص معالم ثلاثية الأبعاد من نماذج CAD المخزنة بصيغة ملفات STL. تعتمد الخوارزمية على منهج القواعد ومنهج التمثيل البياني لاستخلاص المعالم الأسطوانية والجيوب والمجاري. تم تصميم تطبيق باستخدام Visual Studio C# يسمح للمستخدم باستيراد نماذج CAD واستخلاص المعالم وعرض المعلومات الهندسية الخاصة بكل معلم. تتضمن مراحل الخوارزمية تقسيم النموذج إلى مجموعة من السطوح باستخدام خوارزمية Region Growing، ثم استخلاص المعالم الأسطوانية والجيوب والمجاري وحساب المعلومات الهندسية لكل معلم. أظهرت النتائج قدرة الخوارزمية على استخلاص المعالم الهندسية من نماذج CAD المخزنة بصيغة STL بدقة وكفاءة.
قراءة نقدية
دراسة نقدية: يعتبر هذا البحث خطوة مهمة في مجال استخلاص المعالم من نماذج CAD، حيث يقدم خوارزمية فعالة تعتمد على منهجين مختلفين. ومع ذلك، يمكن تحسين البحث من خلال تضمين المزيد من الأمثلة العملية لتوضيح كيفية تطبيق الخوارزمية على نماذج CAD معقدة. كما يمكن تطوير الخوارزمية لتشمل أشكالاً هندسية أكثر تعقيداً مثل المخاريط وأنصاف الكرات. بالإضافة إلى ذلك، يمكن تحسين واجهة المستخدم للتطبيق المصمم لجعلها أكثر تفاعلية وسهولة في الاستخدام.
أسئلة حول البحث
  1. ما هي الصيغ التي يمكن أن تخزن بها نماذج CAD؟

    يمكن تخزين نماذج CAD بصيغ متعددة مثل DXF, IGES, STEP، وSTL.

  2. ما هي الخطوات الأساسية للخوارزمية المقترحة في البحث؟

    تشمل الخطوات تقسيم النموذج إلى مجموعة من السطوح باستخدام خوارزمية Region Growing، استخلاص المعالم الأسطوانية والجيوب والمجاري، وحساب المعلومات الهندسية لكل معلم.

  3. ما هي المعلومات الهندسية التي يتم استخراجها لكل معلم؟

    تشمل المعلومات الهندسية قطر وارتفاع الأسطوانة، إحداثيات مركز الأسطوانة، أبعاد الجيوب والمجاري (الطول، العرض، الارتفاع)، وعدد السطوح المشكلة لكل معلم.

  4. ما هي التحديات التي يمكن مواجهتها عند تطبيق الخوارزمية على نماذج CAD معقدة؟

    من التحديات التي يمكن مواجهتها هي التعامل مع الأشكال الهندسية المعقدة والمتداخلة، والحاجة إلى تحسين دقة الخوارزمية في التعرف على المعالم المختلفة.


المراجع المستخدمة
LOCKETT H, GUENOV M. Graph-based feature recognition for injection moulding based on a mid-surface approach. Computer-Aided Design. 2005
VERMA A, RAJOTIA S. Feature vector: a graph-based feature recognition methodology. Int J Prod Res. 2004;
GAO S, ZHAO W, LIN H, YANG F, CHEN X. Feature suppression based CAD mesh model simplification. Computer-Aided Design. 2010;
قيم البحث

اقرأ أيضاً

استخدمت نظم استخلاص العلاقة استخداماً واسعاً للميزات المولدة من وحدات التحليل اللغوي. إذ تؤدي الأخطاء في هذه المميزات إلى أخطاء في كشف العلاقة و تصنيفها. في هذا البحث، نخرج من هذه الطرق التقليدية مع بنية مميز معقدة من خلال تقديم الشبكات العصبونية الالتفافية لاستخلاص العلاقة التي تتعلم تلقائيا ميزات من الجمل و تقلل من الاعتماد على مجموعة الأدوات و المصادر الخارجية. نموذجنا يأخذ مزايا أحجام لنوافذ متعددة للمرشحات و تضمينات الكلمة المدربة سابقا كدخل لبنية غير ثابتة لتحسين الأداء.
يقدم هذا البحث خوارزمية من أجل استخلاص القيمة العددية من صورة المخططات النبضية للعدادات الصناعية، و ذلك بمعالجة صورة المخطط النبضي للعداد بعد إجراء عملية تقسيم و تجزئة للمخطط النبضي، و تحديد لحظات التغير و نوعها فيما لو كانت جبهة صاعدة ذات قيمة (1) أ م جبهة هابطة ذات قيمة (0)، و من ثم حساب عدد الجبهات الكلية سواء كانت جبهات صاعدة أو هابطة، و معرفة القيمة العددية للعداد الصناعي من خلال قسمة عدد الجبهات على (2)، و قد تم معالجة نوعين من المخططات النبضية، النوع الأول مخططات نبضية ذات إشارات نبضية مفرغة (البكسلات التي تحتويها النبضة ذات لون أبيض) و النوع الثاني مخططات نبضية ذات إشارات نبضية ممتلئة (البكسلات التي تحتويها النبضة ذات لون مغاير للأبيض)، و قد طُورت الخوارزمية المقترحة لتشمل النوعين، و صُممت واجهة برمجية لهذه الخوارزمية باستخدام برنامج ماتلاب، و قد تم تجربتها على ثلاث صور مخططات نبضية، فأعطت نتائج دقيقة باستخلاص القيمة العددية للعداد الصناعي سواء للمخططات ذات النبضات المفرغة أو الممتلئة و كانت نسبة الدقة 100% من أجل المخططات المدروسة، و ذلك بسبب توصل لنسبة تعرف و تمييز 100% بالنسبة للشبكة العصبونية المستخدمة و تمكن الخوارزمية المقترحة لمعرفة عدد الجبهات من معرفة عدد الجبهات بنسبة 100%.
يهدف هذا البحث إلى تحويل بيانات الطبقي المحوري المحوسب لعظم الفخذ المصاب بالسرطان إلى نموذج ثلاثي الأبعاد, و تصميم البديل المعدني للمنطقة المصابة و تحليله في برامج التحليل الميكانيكي, من أجل دراسة وثوقيته و ملاءمته من حيث توزع الإجهادات و القوى تماما ً كما لو كان في جسم المريض بعد التركيب و بالتعاون مع طبيب الجراحة العظمية, يتم الاعتماد على برامج CAD الخاصة بالعمل الميكانيكي الطبي المشترك حيث نستخدم برنامج Mimics لقراءة صورة الطبقي المحوري و برنامج 3MATIC من أجل تحويل الصورة إلى نموذج رقمي ثلاثي الأبعاد بعد عملية توليد السطح و الحجم للبديل العظمي, و تتم عملية تحليل الإجهادات و القوى التي ستتعرض لها منطقة التعويض في برنامج COMSOL, حيث تبين بعد التصميم و التحليل أن البديل ملائم ميكانيكياً و لا يحوي مناطق خطرة بعد تطبيق الحمل المتوقع.
يهدف هذا البحث للحصول على نموذج عصبوني لفئة من النظم الخطية و اللاخطية و ذلك باستخدام خوارزمية البرمجة التطورية Evolutionary programming(EP لاختيار التركيب البنيوي الأمثل للشبكة العصبونية. استخدمنا برنامج ماتلاب Matlab لتصميم الشبكات العصبونية باستخد ام EP, لما يملك من مرونة و سهولة في تمثيل المصفوفات (الأنساق الخلوية Cell Arrays و الأنساق متعددة الأبعادMulti Dimension Arrays ). و قد أثبتت النتائج العملية كفاءة الخوارزمية المستخدمة في الوصول إلى شبكة عصبونية مثلى. تم اختبار أداء و صلادة النموذج الناتج و ذلك بحذف إحدى عصبونات الطبقة المخفية للشبكة التي نتجت عن تطبيق EP و دراسة تأثير هذا الحذف على خرج النموذج الناتج, و قد أكدت الدراسة على فعالية الخوارزمية و ذلك بالنسبة لفئة النظم المستخدمة.
تطورت نظم معالجة الإشارة Systems Processing Signal تطوراً ملحوظاً و سريعاً، و أتى هذا التطور نتيجة لتوافر تقانات حديثة للنظم الإلكترونيـة مـن جهـة، و نتيجـة لتحقيـق خوارزميات حساب متقنة و فعالة لمعالجة الإشارة من جهة أخرى. من أهم تطبيقات معالجة ال إشارة، هي تقانات معالجة الـصور Processing Image . و تعـد عملية الاعتيـان Sampling من العمليات الأساسية و المهمة في معالجة الإشارة التي نحصل منها على عينات يمكن أن تمثل الصورة الأساسية بشكل مثالي. نقدم في هذه المقالة خوارزمية فعالة لترتيب العينات أحادية البعد من الصور ثنائية البعـد، تمكّننا من الحصول على سلسلة عينات تتميز بقدرتها على تمثيل الصور من حيـث البنيـة العامة و من حيث الحفاظ على الترابط الجواري لنقاط الصورة من جهة، و الـسماح بـإجراء معالجات لاحقة بكلفة حسابية أقل من جهة أخرى.
التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا