%37تخفیف

دانلود پروژه:استفاده از الگوریتم های هوشمند در کنترل و هدایت خودکار یک مدل کننده به فرم مشبک سه بعدی

تعداد 123 صفحه فایل word

چکیده

تکنیک های نمونه سازی سریع ، امکان ایجاد ایده از طرح تا تولید نمونه ی دقیق را در حداقل زمان میسر ساخته است.لازمه ساخت نمونه دقیق به معنی انجام یک کار محاسبه شده است که از ایجاد ایده تا تصویب نهایی طرح و ساخت چند نمونه اولیه آن را دربرمی گیرد . نمونه سازی سریع مراحل طراحی و ساخت را به یکدیگر ارتباط می دهد . در این پژوهش ضمن معرفی انواع تکنیک های نمونه سازی به نکات مثبت تکنیک ها اشاره می نماییم و در نهایت ایده و منطق بکار برده شده در نوعی از پرینتر سه بعدی را ارایه می دهیم که جهت کاربردهای مدل مشبک و یا wire frame به کار گرفته شده است و بر اساس نقاط کنترلی بدست آمده از نرم افزار CAD عمل می کند .

برنامه ی پیشنهادی در محیط نرم افزاری متلب اجرا می شود و داده های ورودی جهت اجرای این برنامه از محیط نرم افزار CAD ، پس از طراحی یک شکل مشبک سه بعدی در فرم wire frame بدست می آید .

تصویر مورد نظر در این پروژه ، تصویر یک قوری در فرم استانداردی است که در محیط نرم افزاری CAD می توان به آن دست یافت . از جمله روش های مدل سازی با نرم افزار CAD روشwire frame  است . در این پروژه ضمن معرفی این نرم افزار و انواع روش های مدل سازی آن و نحوه ی دخیره ی اطلاعات در فرمت STL ، فایل شبیه سازی مدل قوری مشبک ارایه می شود و داده های نقاط کنترلی آن در فرمت STL ذخیره و توسط function های نوشته شده در نرم افزار متلب وارد این محیط میگردد .سپس این نقاط پردازش می شود و منطق حرکتی  مورد نظر با درنظر گرفتن داده های کنترلی ارایه می شود، به نحوی که تمام خطوط شکل wire frame را در بربگیرد .سپس، محدودیت های سخت افزاری در ساخت قوری مورد نظر را تعیین می کنیم و تابع هدف مورد نظر در هر قسمت را مشخص کرده و با استفاده از روش های بهینه سازی این تابع هدف را بهینه کرده و با استفاده از الگوریتم های هوشمند قابلیت جستجوی خودکار  بهترین روند حرکتی ممکن که با محدودیت های سخت افزاری هم مقابله می کند به صورت هوش مصنوعی در فرم  نرم افزاری ایجاد می کنیم .

نحوه ی نمایش نتیجه ی برنامه به صورت یک نمودار سه بعدی است که الگوریتم حرکتی به صورت گام به گام در آن نمایش داده می شود .

 

فهرست مطالب

 

 

عنوان                                                                                                      صفحه

بسم الله الرحمن الرحيم. ii

صفحه ی اظهارنامه. iv

صفحه ی گواهی اعضای کمیته. v

تقديم به. vi

سپاسگزاري : vii

چکیده viii

Abstract ix

1-1- مقدمه. 1

1-2- بیان مسئله. 3

1-3- ضرورت و اهمیت تحقیق. 6

1-4- اهداف تحقیق. 6

2-1- مقدمه. 9

2-2- تکنولوژی مدل سازی سریع Rapid Prototyping. 9

2-2-1-1-استریولیتوگرافی(SLA) 10

2-2-1-2-LOM.. 10

2-2-1-3-SLS. 11

2-2-1-4-FDM.. 12

2-2-2-3D Printing. 13

2-2-2-1- BPM.. 13

2-2-2-2- TM.. 14

2-2-2-3-Object System.. 14

2-2-2-4-zcorp 3d Print 14

2-3-تاریخچه ی تکنولوژی IJH. 15

2-3-1-نحوه ی عملکرد سیستم های خروج پیوسته ی IJH. 15

2-4-نحوه ی عملکرد و معرفی اجزاء 3D Printer به روش binder jetting. 17

2-4-1-جاروب.. 17

2-4-2-هد(head) 17

2-4-3-مخزن ساخت.. 17

2-4-4-مخزن تغذیه. 17

2-5-مواد اولیه در روش binder jetting. 18

2-5-1-پودر. 19

2-5-2- بایندر. 19

2-6-نحوه ی عملکرد و معرفی اجزاء 3D Printer به روش material jetting. 19

2 -7-مقایسه ی پروسه های مختلف RPبا پروسه ی 3DP. 19

2-8- تاریخچه ی CAD/CAM.. 21

2-9-انواع مدل های هندسی. 22

2-9-1-مدل اسکلتی(wire frame model) 22

2-9-1-1-اجزاء تشکیل دهنده ی مدل اسکلنی(wire frame entities) 23

2-9-1-2-روش های ساخت مدل wire frame. 23

2- 10- استاندارد گرافیکی و تبادل داده ها در سیستم های CAD/CAM.. 25

2-10-1-انتقال داده بااستفاده ازSTL. 26

2-10-2- مشخصات فرمت STL. 27

2-11-معرفی تکنولوژی استریو لیتوگرافی. 28

3-1- مقدمه. 31

3-1-1-مروری بر تاریخچه مسیر یابی در صنعت ساخت.. 31

3-2-مسیر یابی. 34

3-2-1-مسیر یابی به روش کارتزین. 34

3-2-2-مسیر یابی به روش پارامتریک… 34

3-2-3-مسیر یابی به روش APT. 35

3-3- مقایسه ی روش های مسیر یابی مرسوم 35

3-4- نگاهی اجمالی به روش iso planer 37

3-4-1 توصیف الگوریتم 38

3-4-1-1- وارد کردن فایل ها در فرمت STL. 38

3-4-1-2-محاسبه ی مرکز بخش های مثلثی. 39

3-4-1-3-نقطه ی اتصال کاتر و نقطه ی موقعیت کاتر. 39

3-4-1- 4-مرتب کردن داده ها در محدوده ی تغییرات و بدست آورد نقاط CL. 40

3-4-1-5- مرتب کردن نقاط CL در یک توالی. 40

3-4-1-6 – ذخیره کردن مقادیر. 41

3-4-1-7-درون یابی خطی. 42

3-4-2- خلاصه ی الگوریتم 42

3-4-3-مشاهده ی عملکرد الگوریتم و نتیجه ی آن. 42

3-4-4-آزمایش الگوریتم برای سطوح دیگر. 43

3-5- نگاهی اجمالی به روش iso parametric. 44

3-5-1-محاسبه ی پارامتر های مسیر. 46

3-5-2-گام رو به جلو و گام کناری.. 47

3-5-3- برنامه ریزی مسیر ابزار. 48

3-5-4-مسیر ابزار موازی مستقیم 48

3-5-5-مسیر ابزار موازی برای مسیر کانتوری.. 49

3-5-6-نتایج آزمایشات.. 49

3-5-7-مقایسه ی نتایج بدست آمده در روش iso-parametric. 51

3-6- نگاهی اجمالی به روش iso-scallop. 52

3-6-1-مراحل انجام کار در این روش بصورت زیر می باشد : 54

3-6-1-1-شناسایی نقاط اسکالوپ از نقاط cl  گرفته شده 54

3-6-1-1-1-ایجاد مختصات محلی مربوط به محور در نقطه cl 55

3-6-1-1-2-بدست آوردن نقاط تقاطع داده ها و الگوهای برشی. 56

3-6-1-1-3محاسبه ی نقاط اسکالوپ.. 57

4-1- نمایش قوری در فرم مشبک سه بعدی.. 62

4-1-1- بررسی داده های ورودی.. 62

4-1-2-رسم بخش ها با استفاده از اندیس گذاری برنامه. 66

4-1-3-رسم  نقطه ای داده ها بدون استفاده از اندیس گذاری برنامه. 67

4-2-الگوریتم حرکتی پیشنهادی.. 68

4-2-1-رسم هندسی داده ها بر اساس منطق مرتب سازی نقاط.. 68

4-3- رسم داده ها با استفاده از ماتریس quad. 74

4-3-2-مزیت ها و معایب روش استفاده از ماتریس اندیس ها 76

4-4- استفاده از منطق clustering جهت دست یابی به اندیس داده ها 77

4-4-1-تفاوت عمده ی بین Clustering  و Classification. 77

4-4-2-الگوریتم دسته بندی k-means. 78

4-4-2-1-1-داده های مورد آزمایش جهت دسته ی قوری و در رزولوشن 3. 79

4-5-بهینه سازی مسیر حرکت با استفاده از بهینه سازی الگوریتم های دسته بندی.. 81

4-5-1-جستجوی بهترین مرکز دسته ها به روش درون یابی. 81

4-6- کاربرد الگوریتم های هوشمند در خوشه بندی و درون یابی. 84

4-6-1-2-شاخص اعتبار CS. 86

4-6-2-1-الگوریتم دسته بندی فرا ابتکاری توسط ژنتیک… 87

4-6-2-2-الگوریتم دسته بندی فرا ابتکاری  اتوماتیک توسط ژنتیک… 90

4-6-3- کاربرد الگوریتم PSO در خوشه بندی و جستجوی مراکز دسته ها 92

4-6-3-1-الگوریتم دسته بندی فرا ابتکاری توسط PSO.. 92

4-6-3-2-الگوریتم دسته بندی فرا ابتکاری  اتوماتیک توسطPSO.. 95

4-7- الگوریتم دسته بندی فرا ابتکاری  اتوماتیک GA اصلاح شده با استفاده از K-means. 98

4-7-1 – الگوریتم دسته بندی فرا ابتکاری  اتوماتیک GA اصلاح شده با استفاده از K-means. 98

4-8- مقایسه کلیه ی روش ها و نتیجه گیری.. 100

4-8-1-مسیر یابی داده های ابر نقاط. 100

4-8-2-روش های دسته بندی فرا ابتکاری.. 102

4-8-3- مقایسه ی الگوریتم ترکیبی پیشنهادی را با سایر روش های دسته بندی.. 102

4-9- پیشنهادات و کار های آینده 103

فهرست اشکال

 

 

عنوان                                                                                                      صفحه

شکل(2-1)نحوه ی عملکرد ماشین SLA[5] 10

شکل(2-2)شماتیک دستگاه LOM.. 11

شکل(2-3)شماتیک دستگاه SLS. 12

       شکل( 2-4  )شماتیک دستگاه FDM[5]……………………………………………………………………………………………..12

شکل( 2-5 ) شماتیک دستگاه 3DP به روش BPM.. 14

شکل ( 2-6 ) شماتیک یک سیستم خروج انتخابی. 16

شکل (2-7 ) نحوه شکل گیری یک قطره در یک سیستم خروج انتخابی. 16

شکل(2-8)شماتیک 3DP به روش binder jetting. 18

شکل (2-9) شماتیک 3DP به روش  [6] material jetting. 19

شکل(3-1) نقطه ی cc و cl 39

شکل (3-2)نقاط cc و cl و مسیر طی شده توسط مرکز ابزار بر روی سطح[2] 40

شکل (3-3) سمت راست:نقاط cl در حالت متوالی ، سمت چپ: نقط cl در حالت نامنظم[2] 41

شکل(3-4) خلاصه ای از الگوریتم[2] 42

شکل (3-5) یک نمونه با 5 و 15 خط برای یک سطح[2] 43

شکل (3-6)نمایش ارتفاع SCALLOP [2] 43

شکل(3-7)نمای بالای آزمایش[2] 44

شکل (3-8)دو نمای متفاوت از آزمایش[2] 44

شکل (3-9) انواع مسیر های هندسی. 45

شکل(3-10) تعریف پارامتر های مسیر ابزار. 46

شکل(3-11) نقشه ی مسیر ابزار به روش ایزوپارامتریک… 50

شکل (3-12)آزمایش مدل هایی از ابر  نقاط. 50

شکل(3-13) نمایشی از صفحه ی کابین جهت مقایسه ی روش ها  a: نمایشی از یک صفحه ی کابین خلبان  50

شکل(3-14)مقایسه ی حفظ ویژگی ها در روش های مختلف.. 51

شکل(3-15) خطای ایجاد شده با ا ستفاده از تطبیق دادن پارامتر های مجزا 51

شکل (3-16)  عناصر هندسی ماشینکاری ball-end سطوح. 52

شکل (3-17)- نقاط هندسی بین دو نقطه از نقاط cl  مجاور هم 55

شکل )3-18)الگوریتم و محاسبات نقاط اسکالوپ.. 56

شکل )3-19) را بطه ی هندسی و فلوچارت ارتفاع اسکالوپ.. 57

شکل(3-20)  خروجی برنامه مربوط به مثال 1. 58

شکل(3-21)  خروجی برنامه مربوط به مثال 2. 59

شکل(3-22)   خروجی برنامه مربوط به مثال 3. 60

شکل(3-23) )  خروجی برنامه مربوط به مثال 4. 61

شکل(4-1)نمایش قوری در فرم مشبک سه بعدی.. 62

شکل (4-2)رسم بخش ها با استفاده از تابع surface. 66

شکل (4-3)رسم بخش ها(patch) با استفاده از plot3. 67

شکل (4-4)رسم نقطه ای داده ها با استفاده از منطق افزایشی. 67

شکل(4-5)نمایش بدنه ی قوری.. 69

شکل(4-6)نمایش دسته ی قوری.. 69

شکل(4-7)نمایش لوله ی قوری.. 69

شکل(4-8)نمایش درب  قوری.. 70

شکل(4-9)نمایش کف قوری.. 70

شکل(4-10)درب قوری در الگوریتم مرتب سازی نقاط. 71

شکل (4-11)بدنه در برنامه ی teapot 72

شکل (4-12)بدنه ی قوری تکمیل شده 72

شکل (4-13)مقایسه ی پاسخ برنامه با شکل اصلی دسته ی  قوری.. 72

شکل (4-14)مقایسه ی پاسخ برنامه با شکل اصلی لوله ی قوری.. 72

شکل (4-15)نمایش خروجی برنامه برای بدنه ی قوری.. 74

شکل (4-16) نمایش خروجی برنامه برای دسته ی قوری.. 74

شکل (4-17)نمایش خروجی برنامه برای لوله ی قوری.. 75

شکل (4-18) خروجی الگوریتم k-means در رزولوشن 3. 79

شکل(4-19)خروجی الگوریتم KNN در رزولوشن 6. 80

شکل (4-20)نمایش خروجی درونیابی : نقاط آبی نقاط درون یابی و نقاط قرمز 5 نقطه ی اصلی. 82

شکل (4-21) نتایج خروجی KNN با استفاده از درون یابی. 83

شکل (4-22)اجرای الگوریتم GA در حالت دسته بندی فرا ابتکاری در حالت الف.. 86

شکل(4-23) نمایش روند کاهش تابع هزینه حالت الف بر حسب تکرار در GA. 87

شکل (4-24)اجرای الگوریتم GA در حالت دسته بندی فرا ابتکاری در حالت (ب) 88

شکل(4-25) نمایش روند کاهش تابع هزینه حالت( ب)بر حسب تکرار در GA. 88

شکل (4-26)اجرای الگوریتم GA در حالت دسته بندی  فرا ابتکاری د ر حالت (ج) 89

شکل(4-27) نمایش روند کاهش تابع هزینه حالت( ج)بر حسب تکرار در GA. 89

شکل (4-28)اجرای الگوریتم GA در حالت دسته بندی اتوماتیک فرا ابتکاری با شاخص DB. 90

شکل(4-29) نمایش روند کاهش تابع هزینه حالت انوماتیک( DB)بر حسب تکرار در GA. 90

شکل (4-30)اجرای الگوریتم GA در حالت دسته بندی اتوماتیک فرا ابتکاری با استفاده از شاخص CS. 90

شکل(4-31) نمایش روند کاهش تابع هزینه حالت انوماتیک( CS)بر حسب تکرار در GA. 91

شکل (4-32)اجرای الگوریتم PSO در حالت دسته بندی فرا ابتکاری  در حالت الف.. 91

شکل(4-33) نمایش روند کاهش تابع هزینه حالت (الف)بر حسب تکرار در PSO.. 92

شکل (4-34)اجرای الگوریتم PSO در حالت دسته بندی فرا ابتکاری در حالت (ب) 92

شکل(4-35) نمایش روند کاهش تابع هزینه ( DB)بر حسب تکرار در PSO.. 93

شکل (4-36)اجرای الگوریتم PSO در حالت دسته بندی فرا ابتکاری در حالت (ج) 93

شکل(4-37) نمایش روند کاهش تابع هزینه (CS)بر حسب تکرار در PSO.. 94

شکل (4-38)اجرای الگوریتم PSO در حالت دسته بندی اتوماتیک  فرا ابتکاری با شاخص DB. 94

شکل(4-39) نمایش روند کاهش تابع هزینه حالت انوماتیک( DB)بر حسب تکرار در PSO.. 95

شکل (4-40)اجرای الگوریتم PSO در حالت دسته بندی اتوماتیک  فرا ابتکاری.. 95

با شاخص CS. 95

شکل(4-43) نمایش روند کاهش تابع هزینه حالت انوماتیک( CS)بر حسب تکرار در PSO.. 96

شکل (4-44) دسته بندی کلی توسط الگوریتم دسته بندی اتوماتیک بوسیله ی GA. 97

شکل (4-45) دسته بندی زیربخش شماره ی 1 بوسیله ی K-means. 98

شکل (4-46) دسته بندی زیربخش شماره ی 2 بوسیله ی K-means. 98

شکل (4-47) دسته بندی زیربخش شماره ی 3 بوسیله ی K-means. 98

فهرست جداول

 

عنوان                                                                                                      صفحه

جدول (4-1) مقایسه ی روش های مسیر یابی داده 100

جدول (4-2)مقایسه روش GA و PSO در دو حالت اتوماتیک و غیر اتوماتیک بر اساس شاخص عملکرد 101

جدول(4-3) بررسی و مقایسه الگوریتم های پیشنهادی بر اساس فاکتور درصد صحت دسته بندی.. 102

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “دانلود پروژه:استفاده از الگوریتم های هوشمند در کنترل و هدایت خودکار یک مدل کننده به فرم مشبک سه بعدی”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

قبلا حساب کاربری ایجاد کرده اید؟
گذرواژه خود را فراموش کرده اید؟
Loading...
enemad-logo