一种二维工程图公差尺寸智能标注的方法与流程

1.本发明涉及工业设计和生产制造软件领域，具体涉及一种二维工程图公差尺寸智能标注的方法。


背景技术：

2.企业进行工业设计和生产制造时，设计工程师运用cad软件生成产品二维工程图，产品二维工程图生成后，需要标注关键零部件的尺寸并添加尺寸公差。尺寸公差是加工零部件尺寸允许的偏差量，尺寸公差越小，则加工精度要求越高，对加工设备和工艺的要求越高。通常设计工程师在产品二维图基本尺寸标注完成后，为基本尺寸添加尺寸加工公差。
3.目前产品二维图尺寸标注并给尺寸添加公差的工作，由有经验的图纸设计工程师手动标注完成。而这种方法存在以下的弊端：1、为产品二维图手动标注公差尺寸的过程中，既要满足设计要求，又要考虑可加工性，对于图纸设计工程师的要求较高；2、一个产品的图纸往往有大量的公差尺寸需要标注，这会耗费设计工程师大量的时间；3、无法借鉴以往大量已经完工的图纸中公差尺寸的标注经验为新读取的二维图纸服务，这样造成了大量重复劳动，降低了图纸设计的效率。


技术实现要素：

4.为了解决上述技术问题，本发明提出一种二维工程图公差尺寸智能标注的方法，包括以下步骤：s1：创建历史二维图库；收集历史二维图，将历史二维图放置在一个文件夹中或者数据库中，形成历史二维图库；所述历史二维图为已经完成尺寸公差标注且正确的二维图；所述二维图为工业中用于生产和制造的二维平面图，一般由各种工业制图软件生成；s2：采集历史二维图数据信息；遍历二维图库中每个二维图，通过二维软件的api接口函数，获取和计算每个二维图的数据信息，包括：s21,获取外轮廓参数；通过二维软件的api接口函数获取外轮廓参数值；外轮廓是指二维图最外面的边形成的轮廓；获取的外轮廓参数包括外轮廓几何形状、外轮廓边的数量、外轮廓面积、外轮廓周长、外轮廓二维图元类别、外轮廓二维图元数量；s22,获取外轮廓对应的尺寸和公差；通过二维软件的api接口函数获取外轮廓尺寸、公差标注参数中的尺寸、公差数值；
外轮廓对应的尺寸是指二维图中标注的外轮廓的尺寸值，外轮廓对应的公差是指二维图中标注的外轮廓加工的精度值，精度以数值表示；s23,获取二维图的内轮廓参数；通过二维软件的api接口函数获取内轮廓参数值；所述内轮廓是由各种二维图元组成的封闭图形；二维图元包括线段、圆弧、样条曲线、圆；s24,计算内轮廓位置；内轮廓位置是指内轮廓象限的值；进一步的，计算内轮廓位置的方法包括如下子步骤：s241,计算外轮廓的中点，获得外轮廓中点的坐标；s242,计算内轮廓象限的值；以外轮廓的中点坐标为原点，以x方向为x轴，y方向为y轴，建立外轮廓坐标系，并形成4个象限，设象限的区间范围为m，建立象限的区间范围与象限的对应关系；在外轮廓坐标系中，以x轴为起点，计算出内轮廓的中点所在的弧度，对比象限值m的区间范围，获得内轮廓象限的值；将计算出的内轮廓象限的值作为内轮廓位置；s25,获取内轮廓对应的尺寸和公差；通过二维软件的api接口函数获取内轮廓尺寸、公差标注参数中的尺寸、公差数值；内轮廓对应的尺寸是指二维图中标注的内轮廓的尺寸值，内轮廓对应的公差是指二维图中标注的内轮廓加工的精度值，精度以数值表示；s3：将步骤s2采集到的历史二维图数据信息存储到数据库，将所述数据库作为二维图基础信息元数据库；所述历史二维图数据信息包括：外轮廓中各二维图元数学表达值、外轮廓边的数量、外轮廓面积、外轮廓周长、外轮廓二维图元类别、外轮廓二维图元数量；内轮廓各二维图元数学表达值、内轮廓边的数量、内轮廓面积、内轮廓周长、内轮廓二维图元类别、内轮廓二维图元数量，以及内轮廓位置；外轮廓对应的尺寸和公差；内轮廓对应的尺寸和公差；获取内轮廓中的二维图元、二维图元的类别、二维图元的数量、各二维图元数学表达值；将步骤s2采集到的历史二维图数据信息存储到二维图基础信息元数据库，s4：构建轮廓相似度判断模型；轮廓相似度判断模型为轮廓相似度计算函数；设：（1）新读取的二维图的轮廓相比于历史二维图库中的轮廓的相似度的值为；（2）新读取的二维图的轮廓的面积为s1i，历史二维图库中的轮廓的面积为s2n；外轮廓与内轮廓均为轮廓，i=新读取的二维图的外轮廓的数量+新读取的二维图的内轮廓的数量；
n=历史二维图库中二维图的的外轮廓的数量+历史二维图库中的二维图的内轮廓的数量；（3）新读取的二维图的轮廓的周长为l1i，历史二维图库中的轮廓的周长为l1n；（4）新读取的二维图轮廓中的二维图元的数量为；为新读取的二维图轮廓中的二维图元的线段的数量、为新读取的二维图轮廓中的二维图元的圆弧的数量、为新读取的二维图轮廓中的二维图元的样条曲线的数量、为新读取的二维图轮廓中的二维图元的圆的数量；历史二维图库中的轮廓中的二维图元的数量为；为历史二维图库中的轮廓中的二维图元的线段的数量、为历史二维图库中的轮廓中的二维图元的圆弧的数量、为历史二维图库中的轮廓中的二维图元的样条曲线的数量、为历史二维图库中的轮廓中的二维图元的圆的数量；（5）轮廓几何形状匹配值为p；（6）为新读取和计算的二维图轮廓的位置，为历史二维图库中的轮廓的位置；二维图轮廓包括内轮廓和外轮廓；建立轮廓相似度计算函数，函数，为权重系数，；进一步的，所述权重系数为人工设定；s5：通过二维软件的api接口函数，获取和计算新读取的二维图的数据信息；获取内轮廓中的二维图元、二维图元的类别、二维图元的数量、各二维图元数学表达值；设：新读取的二维图的轮廓的面积为s1i，外轮廓与内轮廓均为轮廓，i=外轮廓的数量+内轮廓的数量；新读取的二维图的轮廓的周长为l1i，（4）新读取的二维图轮廓中的二维图元的数量为；
为新读取的二维图轮廓中的二维图元的线段的数量、为新读取的二维图轮廓中的二维图元的圆弧的数量、为新读取的二维图轮廓中的二维图元的样条曲线的数量，为新读取的二维图轮廓中的二维图元的圆的数量；（5）轮廓几何形状匹配值为p；（6）为新读取和计算的二维图轮廓的位置；s6：匹配新读取的二维图中的轮廓与历史二维图库中的轮廓，若能够匹配，则执行步骤s7，若不能够匹配，则不执行步骤s7；具体的，将新读取的二维图中的轮廓边的数量与历史二维图库中的轮廓边的数量相比，若边的数量相同，则认为能够匹配；否则，则认为不能匹配；s7：采用步骤s4构造的轮廓相似度判断模型，计算每个轮廓的相似度；将步骤s5中获得的值代入到轮廓相似度计算函数中，遍历二维图库中每一个轮廓的数据，进行相似度计算，给出新读取的二维图的轮廓相比于历史二维图库中的轮廓的相似度的值；s8：对步骤s7获得的每个新读取的二维图的轮廓相比于历史二维图库中的轮廓的相似度的值按照从大到小的顺序进行排序，得到相似度排序表；在相似度排序表中，取≥设定最小相似度值，且最大的值作为最大相似度值；进一步的，设定最小相似度值为60%-99%；较佳的，设定最小相似度值为90%-99%；优选的，设定最小相似度值为90%、92%、95%；s9：根据步骤s8获得的最大相似度值，在历史二维图库中找到与最大相似度值相对应的轮廓，及相对应轮廓的尺寸和公差，得到相匹配的尺寸和公差，将相匹配的尺寸和公差，通过api接口函数，将相匹配的轮廓的尺寸和公差值标注在新的轮廓上，实现智能化快速标注。
5.有益效果：依据本发明的二维图尺寸和公差自动标注的方法，用智能化替代了手动操作，开创性的提出了用大数据处理和机器学习的方法来解决二维图尺寸和公差标注的问题，解决了行业痛点。
附图说明
6.图1为本发明二维工程图公差尺寸智能标注的方法的流程示意图。
具体实施方式
7.为使对本发明的目的、构造、特征、及其功能有进一步的了解，兹配合实施例详细说明如下：实施例1如图1所示，一种二维工程图公差尺寸智能标注的方法，包括以下步骤：s1：创建历史二维图库；收集历史二维图，将历史二维图放置在一个文件夹中或者数据库中，形成历史二维图库；所述历史二维图为已经完成带尺寸公差标注且正确的二维图；所述二维图为工业中用于生产和制造中用到的二维平面图，一般由各种工业制图软件生成；创建历史二维图库，使得以往的标注经验能够被借鉴；将已经完成尺寸公差标注且正确的二维图放置在这个历史二维图库中，保证了二维图库的全面性；s2：采集历史二维图数据信息；遍历二维图库中每个二维图，通过二维软件的api接口函数，获取和计算每个二维图的数据信息，包括：s21,获取外轮廓参数；通过二维软件的api接口函数获取外轮廓参数值；外轮廓是指二维图最外面的边形成的轮廓；获取的外轮廓参数包括外轮廓几何形状、外轮廓边的数量、外轮廓面积、外轮廓周长、外轮廓二维图元类别、外轮廓二维图元数量；所述外轮廓边的数量为围成外轮廓的边的数量；所述边包括线段和弧；外轮廓面积为外轮廓的面积值，外轮廓周长为外轮廓的周长值，二维图元的类别包括线段、圆弧、样条曲线、圆；外轮廓二维图元类别为外轮廓中包括的二维图元的类别；外轮廓二维图元数量是指外轮廓中的线段的数量、圆弧的数量、样条曲线的数量、圆的数量；外轮廓几何形状包括外轮廓中各二维图元数学表达值；二维图元数学表达值是指二维图元的参数值；进一步的，线段的参数包括两个端点的坐标值；圆弧的参数包括两个端点的坐标值、圆弧半径值、弧度值；样条曲线的参数包括样条曲线的微分点；圆的参数包括圆心的坐标值和半径；s22,获取外轮廓对应的尺寸和公差；通过二维软件的api接口函数获取外轮廓尺寸、公差标注参数中的尺寸、公差数值；外轮廓对应的尺寸是指二维图中标注的外轮廓的尺寸值，外轮廓对应的公差是指二维图中标注的外轮廓加工的精度值，精度以数值表示；s23,获取二维图的内轮廓参数；通过二维软件的api接口函数获取内轮廓参数值；所述内轮廓是由各种二维图元组成的封闭图形；二维图元包括线段、圆弧、样条曲线、圆；获取的内轮廓参数包括内轮廓几何形状、内轮廓边的数量、内轮廓面积、内轮廓周
长、内轮廓二维图元类别、内轮廓二维图元数量；所述内轮廓边的数量为围成内轮廓的边的数量；所述边包括线段和弧；内轮廓面积为内轮廓的面积值，内轮廓周长为内轮廓的周长值，二维图元的类别包括线段、圆弧、样条曲线、圆；内轮廓二维图元类别为内轮廓中包括的二维图元的类别；内轮廓二维图元数量是指内轮廓中的线段的数量、圆弧的数量、样条曲线的数量、圆的数量；内轮廓几何形状包括内轮廓中各二维图元数学表达值；二维图元数学表达值是指二维图元的参数值；进一步的，线段的参数包括两个端点的坐标值；圆弧的参数包括两个端点的坐标值、圆弧半径值、弧度值；样条曲线的参数包括样条曲线的微分点；圆的参数包括圆心的坐标值和半径；s24,计算内轮廓位置内轮廓位置是指内轮廓象限的值；进一步的，计算内轮廓位置的方法包括如下子步骤：s241,计算外轮廓的中点，获得外轮廓中点的坐标；找出外轮廓的所有的顶点，获取外轮廓各顶点的坐标值；若外轮廓为圆形或圆弧，则取圆形或圆弧的四等分点为顶点；设，外轮廓顶点的坐标为；为顶点的数量；设，外轮廓的中点的坐标为，则；；得到外轮廓中点的坐标；s242,计算内轮廓象限的值；以外轮廓的中点坐标为原点，以x方向为x轴，y方向为y轴，建立外轮廓坐标系，并形成4个象限，设象限的区间范围为m，建立象限的区间范围与象限的对应关系；0《m≤90度为第1象限；90《m≤180为第2象限；180《m≤270为第3象限；270《m≤360为第4象限；在外轮廓坐标系中，以x轴为起点，计算出内轮廓的中点所在的弧度，对比象限值m的区间范围，获得内轮廓象限的值；
将计算出的内轮廓象限的值作为内轮廓位置；s25,获取内轮廓对应的尺寸和公差；通过二维软件的api接口函数获取内轮廓尺寸、公差标注参数中的尺寸、公差数值；内轮廓对应的尺寸是指二维图中标注的内轮廓的尺寸值，内轮廓对应的公差是指二维图中标注的内轮廓加工的精度值，精度以数值表示；s3：将步骤s2采集到的历史二维图数据信息存储到数据库，将所述数据库作为二维图基础信息元数据库；所述历史二维图数据信息包括：外轮廓中各二维图元数学表达值、外轮廓边的数量、外轮廓面积、外轮廓周长、外轮廓二维图元类别、外轮廓二维图元数量；内轮廓各二维图元数学表达值、内轮廓边的数量、内轮廓面积、内轮廓周长、内轮廓二维图元类别、内轮廓二维图元数量，以及内轮廓位置；外轮廓对应的尺寸和公差；内轮廓对应的尺寸和公差；获取内轮廓中的二维图元、二维图元的类别、二维图元的数量、各二维图元数学表达值；获取历史二维图数据信息，代入步骤s4中的轮廓相似度计算函数，如果不获取这些数据信息，则无法进行历史二维图的轮廓和新获取的二维图的轮廓的相似度的计算；s4：构建轮廓相似度判断模型；轮廓相似度判断模型为轮廓相似度计算函数；设：（1）新读取的二维图的轮廓相比于历史二维图库中的轮廓的相似度的值为；（2）新读取的二维图的轮廓的面积为s1i，历史二维图库中的轮廓的面积为s2n；外轮廓与内轮廓均为轮廓，i=新读取的二维图的外轮廓的数量+新读取的二维图的内轮廓的数量；n=历史二维图库中二维图的的外轮廓的数量+历史二维图库中的二维图的内轮廓的数量；（3）新读取的二维图的轮廓的周长为l1i，历史二维图库中的轮廓的周长为l1n；（4）新读取的二维图轮廓中的二维图元的数量为；为新读取的二维图轮廓中的二维图元的线段的数量、为新读取的二维图轮廓中的二维图元的圆弧的数量、为新读取的二维图轮廓中的二维图元的样条曲线的数量、为新读取的二维图轮廓中的二维图元的圆的数量；历史二维图库中的轮廓中的二维图元的数量为；
为历史二维图库中的轮廓中的二维图元的线段的数量、为历史二维图库中的轮廓中的二维图元的圆弧的数量、为历史二维图库中的轮廓中的二维图元的样条曲线的数量、为历史二维图库中的轮廓中的二维图元的圆的数量；（5）轮廓几何形状匹配值为p；（6）为新读取和计算的二维图轮廓的位置,为历史二维图库中的轮廓的位置；二维图轮廓包括内轮廓和外轮廓；建立轮廓相似度计算函数，建立轮廓相似度计算函数，为权重系数，；进一步的，所述权重系数为人工设定；通过构建轮廓相似度计算函数，将新读取的二维图的轮廓与历史二维图库中的轮廓进行匹配，计算出轮廓的相似度的值，通过具体的函数进行匹配，使得匹配更加具有科学性、准确性；获取新读取的二维图的轮廓的面积、周长、二维图元的数量与历史二维图库中的轮廓的面积、周长、二维图元的数量，当新读取的二维图的轮廓与历史二维图库中的轮廓的面积、周长、二维图元的数量相似时，才进行后续轮廓相似度的计算，避免了面积、周长、二维图元的数量相差较大时的无意义的比较计算，减少计算的工作量，提高计算的效率；s5：通过二维软件的api接口函数，获取和计算新读取的二维图的数据信息；新读取的二维图数据信息包括：外轮廓中各二维图元数学表达值、外轮廓边的数量、外轮廓面积、外轮廓周长、外轮廓二维图元类别、外轮廓二维图元数量；内轮廓各二维图元数学表达值、内轮廓边的数量、内轮廓面积、内轮廓周长、内轮廓二维图元类别、内轮廓二维图元数量，以及内轮廓位置；获取内轮廓中的二维图元、二维图元的类别、二维图元的数量、各二维图元数学表达值；设：新读取的二维图的轮廓的面积为s1i，外轮廓与内轮廓均为轮廓，i=外轮廓的数量+内轮廓的数量；新读取的二维图的轮廓的周长为l1i，
（4）新读取的二维图轮廓中的二维图元的数量为；为新读取的二维图轮廓中的二维图元的线段的数量、为新读取的二维图轮廓中的二维图元的圆弧的数量、为新读取的二维图轮廓中的二维图元的样条曲线的数量，为新读取的二维图轮廓中的二维图元的圆的数量；（5）轮廓几何形状匹配值为p；（6）为新读取和计算的二维图轮廓的位置；获取新读取的二维图的数据信息，代入步骤s4中的轮廓相似度计算函数，如果不获取这些数据信息，则无法将新获取的二维图的轮廓与历史二维图库中的轮廓进行相似度匹配；s6：匹配新读取的二维图中的轮廓与历史二维图库中的轮廓，若能够匹配，则执行步骤s7，若不能够匹配，则不执行步骤s7；具体的，将新读取的二维图中的轮廓边的数量与历史二维图库中的轮廓边的数量相比，若边的数量相同，则认为能够匹配；否则，则认为不能匹配；本发明通过匹配新读取的二维图中的轮廓与历史二维图库中的轮廓，进行几何形状的计算和匹配，若能够匹配再进行相似度计算，不仅减少了相似度计算的数量，降低了计算机资源的消耗，提高了相似度计算效率，和公差尺寸标注速度，还提高了相似度计算的准确率。
8.对于如何提高相似度的准确率，举例来说，设新读取的二维图中的轮廓有100条边，历史二维图库中的轮廓有6条边，则在进行计算轮廓几何形状匹配值时，会提高顶点重合的几率，会导致相似度计算不准确。
9.s7：采用步骤s4构造的轮廓相似度判断模型，计算每个轮廓的相似度；具体的，将步骤s5得到的新读取的二维图的轮廓的面积s1i；新读取的二维图的轮廓的周长l1i；新读取的二维图轮廓中的二维图元的线段的数量；新读取的二维图轮廓中的二维图元的圆弧的数量；新读取的二维图轮廓中的二维图元的样条曲线的数量；新读取的二维图轮廓中的二维图元的圆的数量；轮廓几何形状匹配值为p；新读取和计算的二维图轮廓的位置；
代入到轮廓相似度计算函数中，遍历二维图库中每一个轮廓的数据，进行相似度计算，给出新读取的二维图的轮廓相比于历史二维图库中的轮廓的相似度的值；s8：对步骤s7获得的每个新读取的二维图的轮廓相比于历史二维图库中的轮廓的相似度的值按照从大到小的顺序进行排序，得到相似度排序表；在相似度排序表中，取≥设定最小相似度值，且最大的值作为最大相似度值；进一步的，设定最小相似度值为60%-99%；较佳的，设定最小相似度值为90%-99%；优选的，设定最小相似度值为90%、92%、95%；设定最小相似度值，在相似度排序表中，可以直接排除小于最小相似度值的历史二维图，相似度值越大，匹配度越高；s9：根据步骤s8获得的最大相似度值，在历史二维图库中找到与最大相似度值相对应的轮廓，及相对应轮廓的尺寸和公差，得到相匹配的尺寸和公差，将相匹配的尺寸和公差，通过api接口函数，将相匹配的轮廓的尺寸和公差值标注在新的轮廓上，实现智能化快速标注；s10：对通过步骤s9智能化标注尺寸和公差的二维图人工进行检查和校验；对于没有标注尺寸和公差的轮廓进行人工标注尺寸和公差；对于尺寸和公差标注错误的轮廓人工进行修改和调整；得到合格的标注尺寸和公差的二维图；s11：补充和完善二维图基础信息元数据库；将步骤s10得到的合格的标注尺寸和公差的二维图放入历史二维图库，采用步骤s2-s3,将合格的标注尺寸和公差的二维图数据信息存储到二维图基础信息元数据库，对二维图基础信息元数据库基础信息元进行补充和完善。
10.实施例2如图1所示，关于p值的计算：第一步，获取二维图库中的历史二维图的顶点个数、中心点坐标、顶点坐标；获取导入的新二维图的顶点个数，中心点坐标，顶点坐标；第二步，将导入的新二维图的中心点平移到二维图库中的历史二维图的中心点，使两者重合；第三步，计算平移后导入的新二维图的各顶点的坐标；第四步，以中心点为圆点进行旋转，计算导入的新二维图顶点坐标与二维图库中的历史二维图顶点坐标重合的数量；还包括镜像后的新二维图，将导入的新二维图移位之后进行镜像得到镜像后的新二维图，再以重合的中心点为原点进行旋转，计算导入的镜像后的新二维图的顶点坐标与二维图库中的历史二维图的剩余顶点的重合数；求出最终轮廓的形状匹配值p的最大值；所述镜像后的新二维图是指以原点所在的x轴或y轴为轴，对导入的新二维图进行镜像旋转，得到的新的二维图；
对导入的新二维图进行镜像，能够提升导入的新二维图和二维图库中的历史二维图轮廓匹配度，如果不进行镜像，有些图形，就无法进行匹配。
11.第五步，计算出顶点坐标重合的数量的最大值，即最大重合顶点数量；第六步，将最大重合顶点数量除以导入的新二维图的顶点个数，所得到的值作为轮廓的形状匹配值p；具体计算为：设：获取的二维图库中的历史二维图的顶点个数为n,中心点坐标为，顶点坐标；导入的新二维图的顶点个数为m，中心点坐标为，顶点坐标为；将导入的新二维图的中心点平移到二维图库中的历史二维图的中心点，使两者重合，设x方向平移距离为,y方向平移距离为，即+=,+=；导入的新二维图顶点坐标为，令==；此时，导入的新二维图的中心点坐标为,顶点坐标为；以中心点为原点对导入的新二维图进行旋转，如果在旋转0-360度期间，无任意一个顶点重合，则p=0；如果在旋转0-360度期间,有顶点重合,此时通过compare函数将导入的新二维图的剩余各个顶点横纵坐标与二维图库中的历史二维图的剩余各个顶点横纵坐标分别进行对比，如果导入的新二维图和二维图库中的历史二维图的横纵坐标的值对应相等，则此点为一个重合顶点，以此类推，得到导入的新二维图和二维图库中的历史二维图的剩余顶点重合数量；用遍历函数依次遍历导入的新二维图与二维图库中的历史二维图有重合顶点时的情况，得到导入的新二维图与所有二维图库中的历史二维图剩余顶点的重合数；进一步的，将导入的新二维图移位之后进行镜像后再计算一遍，得到镜像后的剩余顶点的重合数；所以此时顶点重合数量为剩余顶点重合数量+1；用max函数求出上述旋转、镜像过程中得到的各顶点重合数量的最大值；将最大值即最大重合的顶点数量除以导入的新二维图的顶点数量m，得到轮廓的形状匹配值p。
12.本发明已由上述相关实施例加以描述，然而上述实施例仅为实施本发明的范例。必需指出的是，已揭露的实施例并未限制本发明的范围。相反地，在不脱离本发明的精神和
范围内所作的更动与润饰，均属本发明的专利保护范围。