摘要：提出了一种基于中性语义特征转换的异构CAD系统间数据交换方法,该方法采用"中性语义特征转换器"将不同系统间的造型信息转换为统一的数据信息格式,并通过中性语义转换库实现了不同系统间操作命令的4种映射关系。此外,还实现了异构CAD系统间零件的同步协同传输。最后,将该文提到的思想初步应用在理工大学自主开发的HUSTCAIDS与UG间的异构协同设计中,证明该理论的可行性。

摘要：在语义特征CAD系统中,特征参数的确定是一个十分耗时且需要反复实验和调整的过程。为了在创建特征的同时能够迅速为设计者给出特征参数值的适当范围,提出了一种改进的方法。该方法使用特征语义表示法来描述产品特征的各种信息,简化了"细胞元"模型管理特征的各个面的策略,通过提取每个特征面的语义并计算特征面的语义约束条件,最终确定特征参数的精确范围。该算法不仅可以有效提高确定参数范围的速度和精确度,还可以大大提高语义特征CAD系统的性能。实验表明该算法具有更强的适应性和实用性。

摘要：为解决语义特征化后复杂造型协同设计中造型共享库中的造型检索问题,提出了一种基于群智能自组织聚类算法。该算法首先将语义特征造型信息向量化,通过语义造型特征树得到语义特征造型特征集,以蚁群算法做为自组织准则,并以粒子群算法做为蚁群移动模型,将特征语义群分布在一个平面上进行聚类,递归收集聚类结果。试验证明,采用此种方法,可以对特征造型完成准确率很高的聚类,使特征库组织性得到了很大提高。

摘要：结合自主开发的HUST-CAID(哈尔滨理工大学计算机辅助工业造型设计)系统的特点,引入自由曲面特征,给出了自由曲面特征的参数化定义,并在此基础上对自由曲面特征识别进行研究,先是给出自由曲面特征识别的定义,接着提出了基于曲线的特征识别的算法。该方法将基于曲线的特征以二维参数的形式给出定义,使其能在二维平面上研究,通过重构特征的剖面模板库,从而利用目标特征与模板特征匹配实现了特征识别。

摘要：实时3D可视化是机械产品设计当中的一个主要问题,针对CAD几何学和装配以及机械产品的高可视化提出了MEMPHIS中间件框架,目的是连接实时虚拟现实应用,特别是CAD模型的管理操作设计。同时还保证了当进行模型转换时,在CAD模型上必须作相应的几何改变,系统会同步变化,这样避免了传统的从CAD模型转换到VR模型转换时人工加入虚拟现实特殊信息,如光照设置、材质、纹理、行为这些刻画VR模型可视化特性的信息属性后才能实现这种转换。从而大大提高了机械产品协同设计的效率和可视性性能。

摘要：提出了一种面向普适环境的协同设计框架。该协同设计框架在现有分布协同对象计算技术和网格服务的基础上,引入了普适环境“随时随地”和“透明”的思想,巧妙地把协同设计技术融入第三代计算环境中。该文讨论了普适计算的相关理论,也涉及了网格计算的相关技术。并且建立了第三代计算环境下分布式协同设计模型。该框架能够很好地利用各种网络资源,随时随地的进行产品设计开发。最后简要介绍该框架在在自主开发的HUST-CAIDS中的初步应用。

摘要：传输完整的CAD模型语义信息是协同设计有效进行的关键,提出了一种异构CAD系统语义信息交换方法,该方法通过构建语义转换器实现了常规文件、压缩文件和中性文件三种模型文件的数据转换和翻译,并给出了判定特征相似性的方法,实现了源CAD系统和目标CAD系统的语义互操作,保证了语义传输的完整性和高效性。构建了一个协同资源共享平台,在该平台下实现了Pro/E系统和UG系统之间的语义数据交换,协同传输效率提高了近30%。

摘要：特征造型技术是新一代CAD系统的关键技术,是产品模型技术的核心。该文讨论了以细胞元模型为基础的语义特征造型技术。在语义特征造型中用特征依赖图(FDG)的数据模型来保存和维护设计中的各种特征信息及其之间的关系,在此基础上分析了依据特征依赖图中特征间的关系动态修改特征优先级的方法,确保了模型修改的有效性。最后给出了一个实例。

摘要：为提高CAD造型的设计效率,提出一种基于遗传-蚁群算法的CAD产品快速建模方法,该方法采用遗传算法求得次优解,依据求得的次优解对蚁群算法进行初始信息素分布,在次优解中进一步寻优,最终搜索到产品造型设计的最优解。遗传算法和蚁群算法的有效结合,使算法具有较好的全局收敛效率和求解精度。实验结果表明,该算法搜索出来的造型包含造型的细节特征,更加满足用户的个性化需要。

摘要：为了提高概念设计的工作效率和设计水平,提出了一种基于语义表示法的概念设计方案的表示方法。这种方法通过语义表示法来表示模型中的特征,通过细胞元模型来管理模型数据,通过语义面将特征和设计方案表示成为具有n个语义输入和m个语义输出的黑盒,通过语义依赖图建立产品模型与特征之间的组织关系,通过力传递的方法来简化概念设计方案的推理过程。该方法不仅可以大大提高概念设计问题的求解速度,还可以为设计者提供更丰富的概念设计方案。实验证明该算法具有广泛的应用前景和实用价值。