三维CAD零部件检索关键技术研究

经过三年的研究，本项目主要取得了以下五个方面的进展。首先，本项目提出了一种基于特征面匹配的机械零部件检索方法。在训练阶段，对模型库中的面进行训练，标识面的区分度，并过滤小面和非特征面；在检索阶段，通过训练结果估算用户输入面的区分度，按照区分度顺序，采用贪心算法分别和模型中的面进行面匹配和相似度排序。第二，本项目提出了一个CAD模型标准视图的自动生成算法。对于CAD模型检索的预处理过程来讲，模型最佳视图生成是其必不可少的一个步骤。本项目算法考虑了基元位置的标准化、正确的朝上方向以及尽可能多的可视特征等，而且最佳视图也应能反映基元体间的几何约束关系、便于识别模型的功能等。算法流程可以分为三个主要步骤，即获取主轴方向、推导朝上方向和选择最佳视图。实验结果表明，本项目算法得到的标准视图能够很好地反应三维物体的特征。第三，本项目将编辑距离的思想引入到三维CAD 模型检索中，提出了一种基于图编辑距离的检索方法，称为实体模型编辑距离。本项目给出了该距离的定义和计算方法，并且给出了一种加速的近似计算方法。由于编辑距离本身的灵活性，该方法适用于 CAD 模型检索的多个应用。同时，本课题提出了一种多层次的优化方法来改进其效率和效果。第四，本项目把流形排序算法应用到三维模型检索领域中以达到更好的检索效果。提出了一种新的图结构K平衡近邻图，同时给出了近似的构造算法， 通过在三维模型检索、图像检索、二维数据聚类的广泛实验，发现K平衡近邻图比连通图和K近邻图存在更大的优势。同时本项目又对影响流形排序结果的参数σ进行了实验，实验结果说明，基于K平衡近邻图的流形排序算法的参数σ更容易选取，而且比连通图和K近邻图有更好的检索性能。第五，本项目提出了一种基于向量空间模型的装配体检索算法，通过引入信息检索领域中经典的向量空间模型，来支持对装配体的局部匹配和定量排序，并通过对原有向量空间模型的扩展，来实现对装配体的模糊查询。该算法分为离线处理和在线检索两个阶段。在离线处理阶段，将装配体分解成为由不同种类的单零件所组成的集合，并且采用向量空间模型提供的权重计算方法计算每个单零件的权重；在线检索阶段，采用一种近似的二分图匹配算法计算查询输入同装配体的相似度。 2100433B

基于内容的三维CAD零部件检索技术是提高三维CAD产品设计效率的必要手段，好的检索技术可以有效利用企业已经积累的知识和成果，创造出新的价值和产品。本项目的研究目标就是解决面向三维CAD零部件复用的检索技术中的关键问题，提高产品设计中的零部件复用率。针对目前三维CAD零部件检索研究现状和实际应用中存在的主要不足，本项目拟从四个方面展开研究：第一方面是研究基于IGES曲面模型的检索技术；第二方面是研究基于图编辑距离的实体模型检索技术；第三方面研究是基于解析曲面输入的三维模型检索方法；第四方面是研究基于语义图的机器学习方法获取语义信息，更好地捕捉用户检索意图。本项目的研究成果将支持草图、文本、实体等多种输入方式，实现基于标准表示的零部件检索算法。研究成果一方面可以使得检索结果更好地反映零部件的制造特征和功能特性，另一方面可以避免将实体模型网格化导致的信息丢失，结果能够更好地支持设计复用。

产品复用是CAD领域的关键问题之一。研究显示，80％的创新设计源于对已有产品的复用。三维CAD模型检索是解决三维产品复用问题的有效途径。现有研究在三维CAD模型的表示、检索算法的效率与有效性方面有待进一步改进。总体而言，三维CAD模型检索研究仍处于起步阶段。本项目首次提出层次式多级映像图表示方式（Hierarchical Multilevel Projection Graphs，HMPG），将三维CAD模型表示为拓扑图、属性图、语义关联图三级映像，各级映像间通过几何节点建立索引关系；并通过拓扑关系识别、属性分析、语义关联识别，将广泛应用的B-Reps描述转换为HMPG表示。在此基础上，提出新型、鲁棒的快速层次式动态检索算法，以及基于HMPG表示的三维CAD模型分类、聚类、索引算法；并在相关反馈基础上，建立基于用户兴趣的三维CAD模型空间，为优化三维产品设计、加快产品创新开发提供新的思路。 2100433B

网络信息检索策略设计应遵循快、准、全及低成本的原则，以实现检索策略最优化。所谓快、准、全，是指设计出来的检索策略能够快速、准确、全面地从网上检索到所需要的信息;低成本则是指以最低的费用获取所需的信息。由于检索网上信息要付通讯费，有些数据库还要付数据库使用费，因而降低信息成本对消费能力较弱的我国用户有比较重要的意义。

主题分析

明确检索需求后，就要对用户课题的具体内容作主题分析，这是正确选用检索词和逻辑算符的的关键，它将决定检索策略的质量并影响检索效果。

主题分析就是对用户的课题进行主题概念的分析，并用一定的概念词来表达这些主题内容，同时明确概念与概念之间的逻辑关系。主题分析必须注意：

（1）概念的表达要确切。抓住课题的实质性内容，分析出课题中有几个概念组面。

（2）找出核心的概念组面，排除掉无关概念组面，包括意义不大的概念和重复概念。用户有时会认为选取的概念组面越多，逻辑组配越细致，检索结果的针对性越强。事实上，过多过严的概念组配很可能导致大量的漏检，甚至结果为零。因此有时需要简化逻辑关系，减少概念组面，以提高检索效果。

（3）找出隐含的重要概念。如"智力测试"，隐含着"能力测试"、"态度测试"、"创造力测试"等概念。数据库的标引往往使用比较专指的词，用户对标引规则不甚了解，往往会列出比较抽象的概念，而忽略了较专指的概念

（4）明确概念组面之间的交叉关系，即明确是逻辑"与"、逻辑"或"还是逻辑"非"的关系。哪些概念可以用来扩大检索范围，哪些可以作为进一步缩小检索范围的主题词。明确这些逻辑关系，有助于编制出正确的检索式。

注意问题

如果对主题不熟悉，可采用关键性的文献以确认检索词汇和厘清概念。宜避免选择太广泛或模糊的词汇检索，且可以储存并重复使用相同的概念和检索策略以节省检索时间。检索时除了利用选定的检索词汇进行检索外，也可利用索引典、标题表或系统自动提供之相关词进行检索，以增加检索结果。

选择词汇时，需注意「隐含性概念」和资料库的关系。

总述

事实上，在构造检索策略过程中，要涉及到许多方面的知识与技能。诸如，用户对检索课题的明确程度，对检索课题的分析；对数据库及其系统特性和功能的掌握；编制逻辑检索式的技巧以及调整检索策略的方法等方面都会影响用户检索的整体效果。因此，制定检索策略是一种全面的知识与技能，也是一种经验。掌握了这种技能和经验，再通过广泛实习，可以获得比较好的检索效果。