[发明专利]一种面向叶盘结构的高保真有限元模型自动建模方法

权利要求书

1.一种面向叶盘结构的高保真有限元模型自动建模方法，其特征在于，包括

步骤1，获取使用光学扫描仪测量而得的整体叶盘点云数据；

步骤2，提取整体叶盘点云数据中叶片的点云数据，利用叶片识别算法区分出各个叶片的点云数据集；

步骤3，采用多特征聚类分析算法，对每个叶片点云数据进行特征分类，分别获得叶片顶部、压力面、吸力面的细分数据集；

步骤4，采用网格变形算法移动标准有限元模型中的相应节点拟合到分类后的细分数据集，同时使用径向基核函数保持单元形状与映射，获得与所测整体叶盘相匹配的几何失谐有限元模型。

2.根据权利要求1所述的方法，其特征在于，步骤2中利用叶盘形状函数f_disc(x)对整体叶盘点云数据进行布尔运算，将整体叶盘点云数据分成轮盘P_D与叶片P_B两部分数据集。

3.根据权利要求2所述的方法，其特征在于，对叶盘形状函数f_disc(x)设置冗余度E₀。

4.根据权利要求2所述的方法，其特征在于，步骤2中利用叶片识别算法区分出各个叶片的过程包括，在P_B中随机选取一个点P_Bij，并找到其连接点，再以找到的连接点为起点寻找连接点；迭代进行该操作直到不再有连接点为止，上述过程中所找到的所有连接点和点P_Bij的集合即单个叶片的点云数据集P_Bi；

再从P_B去除该叶片的点云数据集P_Bi，并于剩下的点云数据中重复上述操作，直至所有叶片被区分出来。

5.根据权利要求1所述的方法，其特征在于，步骤2中还包括对各个叶片进行排序。

6.根据权利要求5所述的方法，其特征在于，所述排序的过程包括，根据各叶片的点云数据集P_Bi计算各叶片重心矢量与叶盘中心轴的夹角，按照夹角大小对叶片进行排序。

7.根据权利要求1所述的方法，其特征在于，步骤3中，对每个叶片点云数据进行特征分类的过程包括，

第一次聚类：使用叶片点云数据集P_Bi中的点坐标P_Bi-XYZ作为特征进行聚类分析，将P_Bi分为叶片上段点云数据集P_Bi-UP和叶片上段点云数据集P_Bi-Bottom；

第二次聚类：使用叶片点云数据集P_Bi中的法向量P_Bi-UVW为特征对P_Bi-UP进行聚类分析，提取出叶片顶面点云数据集P_Bi-TS；

第三次聚类：使用叶片点云数据集P_Bi中的法向量P_Bi-UVW为特征，对去除掉P_Bi-TS的叶片点云数据集P_Bi剩余部分进行聚类分析，提取出叶片压力面点云数据集P_Bi-PS与叶片吸力面点云数据集P_Bi-SS。

8.根据权利要求7所述的方法，其特征在于，步骤4中，对于标准有限元模型中边缘节点的移动过程包括：

在表面点云数据集P_Bi-TS、P_Bi-SS和P_Bi-PS中寻找边缘点，提取这些边缘点并拟合出平滑的边缘曲线；

针对标准有限元模型中的边缘节点，计算每个节点在其所在边缘曲线上的位置参数，其中以每一段节点之间的距离作为弧长；

根据所述边缘节点的位置参数在边缘曲线中进行等参取点，所得等参点与对应的边缘节点做差以获得标准有限元模型中的边缘节点的位移向量；

使用径向基函数将这些位移向量分配给边缘节点的相邻节点；

依照位移向量和被分配的位移向量移动标准有限元模型中的相应节点。