新闻详情

新闻详情

首页 / 资讯中心 / 详情

**SW凸轮槽的精确建模方法**

发布时间:2026/11/5 12:20:41来源:尧图网络
**SW凸轮槽的精确建模方法**
在调焦结构中经常用到圆柱凸轮槽的结构如下图所示关于该凸轮槽的建模方法有直接切除、包覆、扫描切除等方法本文对这几种方法进行讨论并最终确定扫描切除的精确方法图1图1常见调焦凸轮结构在讨论之前先明确一个运动逻辑如图1所示旋转轮只做旋转运动定轮不动作直线导向这个前提比较重要动子被带动做直线前后运动1、直接切除方法图2直接拉伸切除如图2直接用直槽拉伸切除看样子没什么问题我们装到装配体里看看效果我们把中心线投影到曲面上并用动子中心配合曲线保证运动耦合图3a中间位置图3b边缘位置可以看到在中间位置时动子和旋转筒没什么问题但到了边缘位置时很明显动子和槽体发生干涉这样可能会发生运动卡滞动作不精确或则左侧上棱边和右侧下棱边单边接触而不再是面接触长时间会有磨损。2、扫描切除方法试一下扫描切除图4扫描切除如图4所示在曲线垂直面进行扫描切除效果如图4右所示先不管2端圆弧中间段感觉不太对到装配体里看看效果如图5所示在起始位置时动子和旋转筒配合的还可以但到了末端位置逐渐发生干涉且切口朝外翻向外拔模了不知道是我扫描设置的不对还是怎么如有大神请不吝赐教这个方案也否了3、包覆方法好试一下神奇的包覆如图6所示用包覆的方法切出来的好像有点像还是到装配体里看看如图7所示在中间位置耦合很好但在左端和右端分别发生了偏置产生干涉这个干涉只是位置错位实际安装应该不会卡死但影响调焦精度了4、实体扫描切除方法还有没有其他方法呢之前在网上看到有个凸轮的建模用的实体来切除就是采用滚齿机的范成法加工思想用实际的运动轨迹来进行建模试一下首先建立一个圆柱这是铣刀注意不要合并实体扫描切除结果如图10所示观察发现扫描起始端挺好但末端的圆弧过渡好像有些问题到装配体看看效果如图11a所示在起始端配合还可以但到了末端如图11b所示已经明显偏离了干涉而且发生了左右端分别上下边线接触还是不行是不是哪儿没考虑到呢理论上这种方法比较接近实际运动的仔细观察后发现扫描切除的操作里有玄机高潮来了先上图如图12所示在实体扫描时要加上“指定方向向量”这一条方向定义为水平这个轴即一开始运动逻辑里提到的动子的导向试想以下动子实际是要做水平运动的此处拓展一下假如哪一天我们想让镜组斜着运动和光路不同轴或者是一个自由轨迹那我们轮廓的方向应该就要按照那个移动轨迹走了不过自由轨迹可能有难度不算一个方向好扯远了让扫描沿着指定方向扫描方位随着路径变化有点类似于proe里扫描的那种方式看看效果如图13所示结果是不是很优美看看装配效果如图14所示整个运动量程里均能完美配合证明这种方法是优于包覆方法的。5、曲线拓展好这个槽的调焦曲线是一条斜直线假设将来我们需要变速调焦曲线呢实际会存在的。这个方法还能适合吗如图15的曲线如图15轨迹不再是直线套用上一步的方法基准面的建立还是用曲线垂直和端点重点是扫描实体的建立如图17所示其旋转轴不能直接竖直朝下需要在该基准面里穿过中心轴或者说动子的移动轨迹操作上就是穿透约束扫描时同样要指定方向向量装配效果如下如图18所示整个量程内运动轨迹完美贴合说明这个方法比较普适作此文以作记录转载请注明
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/4 15:56:54

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/4 22:55:41

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/4 17:01:23

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/4 12:33:12

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/5 4:24:57

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/5 4:24:57

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉