与传统CAD建模不同,异质零件建模时将材料的类型和分布特征作为参数,在模型中进行优化设计。异质零件建模的核心是将几何结构与材料设计结合起来,实现单一材料无法实现的特殊功能。异质零件模型的设计还需要考虑制造需求,与传统模型兼容,使用标准文件格式,最终静态模型可直接用于数字制造。给出了静态模型的设计过程,首先使用常见三维建模数据存储方式的点云数据来存储模型数据;然后设计基于轮廓近似法的结构和材料模型,用不同颜色映射不同材料;最后将材料信息添加到以微四面体为基本单元的模型中,生成异质零件的静态模型。

异质零件建模的核心是将几何结构与材料设计结合起来,使结构特征和材料组成有机整体,直接用于数字化制造。给出基于体素法的结构模型,使用细化后的网格和节点,建立STL模型均匀点云数据集,构建空间微四面体,形成结构模型;依据零件的物理特性和材料分布特征,使用节点间线性插值算法,对细化网格进行材料分布运算,获得不同材料的梯度分布,把材料信息添加到结构模型中,完成模型的设计。

研究了线性神经网络在加速度计静态误差模型参数标定中的应用。根据加速度计静态数学模型的特点，选用网络结构简单、收敛速度快而不存在局部极小值问题的线性神经网络对加速度计静态模型进行辨识。同时考虑了加速度计安装到分度头上标定时，加速度计的安装误差角和分度头的转动精度对标定精度影响，并给出了相应的误差角计算和补偿方法，有效地提高了加速度计静态误差模型的标定精度。试验表明线性神经网络是一种有效的加速度计静态模型的标定方法而且具有较高的精度。