首页/文章/ 详情

PDV国家标准:三维产品数据应用新纪元(下)

4小时前浏览1

格式概述:PDV(三维产品数据可视化格式),英文全称为Three dimensional product data visualization application format ,是中国自主、安全、可控的中性容器文件,圜晖科技通过解读、转换、压缩现存主流三维设计模型,经过重新装配、校核、轻量、压缩产生,PDV 将帮助制造企业摆脱对三维设计软件供应商专有数据格式的依赖,同时以更低成本实现在企业内部以及上下游协作厂商之间的数据共享,更易于在企业全业务价值链过程中实现三维可视化应用与社会化协同。

图1 PDV作为多模态数据承载容器的价值  

一、完全结构化数据定义

 

PDV格式内所有数据对象均支持结构化,采用完全结构化的表达方式,确保所有数据对象可输出为XML、JSON等结构化格式。

图2  PDV国家标准中的19种数据对象  

通过配套的格式SDK,信息系统能够高效解析产品数据并将其结构化导入信息系统中,极大地提高了数据的可操作性和互操作性。

二、精准几何与可视化兼容性

 

PDV格式通过顶点、图元和子集三个维度详尽描述可视化网格数据,确保了对CAD/BIM离散数据的直接保存和基于Brep的二次离散生成。同时,其通过空间点、曲线、曲面和拓扑四个数据对象,精确表述CAD/BIM的几何拓扑数据,其中曲线曲面的表达精度高达0.001mm。PDV还保留了曲线曲面的裁剪域信息,支持曲面、曲线和线面间的拓扑邻接关系,确保了在可视化应用中对复杂几何数据的精确再现。

图3 PDV曲面的复合表达方式

三、灵活的数据组织与管理

 

PDV格式具备灵活的数据组织方式,可整合为单个场景文件,也可将场景数据分解为独立存储的单元,支持按需裁剪和使用。

图4 PDV数据组织方面的应用优势(有关标准比较)

 

灵活的数据组织方式使其适用于3D OFD应用场景、长周期数据归档、技术数据包、三维工艺、三维维修、三维协同审阅、PLM动态上下文、三维场景搭建等多种工业场景。

图5 PDV在国防军工领域的场景支撑

四、高效的文件压缩技术

 

PDV格式采用了去除设计过程数据、三角形离散化和模型实例化等技术手段,以压缩的二进制方式描述数据,实现了在保持CAD原始数据几何精度的同时,将文件大小大幅压缩至原有数据的3%。

图6  PDV数据压缩特征

 

这一特性显著降低了数据传输成本,提高了数据处理和存储效率。

五、综述

 

PDV标准适用于对三维模型数据的存储、交换与开发利用,业务场景包括从建模设计、工艺仿真、供应链、营销、制造、交付到运营、维修、回收的全产品生命周期,也覆盖了从三维模型数据产生、加工、集成应用到归档的全数据生命周期。

图7 圜晖科技核心技术:三维产品数据转换与互操作

PDV标准的预期使用者,覆盖了规划设计、建设制造和提供数字化业务服务的软件企业。采用该标准的三维数据实现对原生三维模型的压缩转换及衍生应用,场景包括但不限于虚拟现实、数字孪生、智慧城市、智慧园区、智慧工厂、运维保障、故障监测等。该标准不仅为CAD软件开发商拓展了进入多场景可视化应用及市场的通路,同时,也为大量的PLM、MES、ERP等应用集成商提供了三维数据集成的格式规范,大大促进了信创在工程、制造、交通等专业领域的行业进入,有利于营造全行业数据深度重用和知识共享的产业生态,最终成为构建新质生产力的有力抓手。

以轻量化三维数据为基础的技术数据包、长周期数据存储等数据治理手段,是世界各国维护国防动员能力的基础工具,在国防军工、航空航天、船舶海工等领域均有深入应用,研究发展三维数据可视化、轻量化标准,有利于我国迅速补齐标准短板。

来源:山涧果子
航空航天船舶BIMPLM数字孪生工厂曲面装配
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2025-02-11
最近编辑:4小时前
山涧果子
大专 签名征集中
获赞 206粉丝 53文章 1350课程 0
点赞
收藏
作者推荐

领导指路了,但什么是正向设计中的权衡?

日前,航空工业的领导在重要会议中强调了“权衡”的重要性。正向设计的核心是权衡,权衡的核心是定量,只有定量才能实现本质安全。航空融媒 鄙人在2018年5月份从原公司市场部转入系统工程研究院时,当时的领导何强老师给本人布置的第一个工作就是调研“权衡”方面的内容。鄙人当时用了半个月的时间调研学习了权衡(权衡研究、权衡分析、权衡空间探索)等方面的内容后,就自然而然地转入了对美国国防部“数字工程战略”的调研,并在8月底之前翻译了大量外文资料。而“权衡”作为系统工程师的核心专业素养之一,我的专业工作是越走越飘了,与权衡相关的资料就静静躺在我庞大的资料库中,存在而已。什么是“权衡”?一言以蔽之,在“综合”之后,对“重要性”进行排序,找一个“平衡”的方案。系统工程中的权衡研究,常常与“备选项分析”(AOA)或者说“方案选型”联系在一起,而设计中的“权衡分析”,也常常跟多学科分析设计优化(MDAO)或者多目标优化联系在一起。因此,在我看来,权衡的三个核心板块,就是评价准则、综合、“做权衡”。评价准则:系统的质量特性有哪些。做综合:找平衡:就这三步,看似简单,但是从国际上看,这次提权衡,应该已经算是第三波浪潮了。第一波大概是上世纪80年代末到本世纪初,一拨人想搞设计分析一体化、基于知识的工程(KBE)之类,以通用的那个发动机优化项目以及techsoft的AML为代表,树立了多学科设计优化这个思路。第二波大概就是2009年到现在,自从“基于模型的企业”这条线被搞设计制造(几何)的一拨人接过去后,这些搞工程建模仿真的,就新开了一条线,主要特征就是用工具链构建保真度较高的整机方案。这一波的代表大概是AVM、CREATE、ERS等,最后洛马用“星驱动”项目演示了一波。这一波涉及的先进设计技术的相当高端的,对于全世界大多数人顶多只能嘴上讲讲、炒炒概念。美军做到了什么程度,这个谁也不知道。这一波技术思路里有点生成式设计的内容,基本上都要求在前端自动化生成一定数量的设计方案。第三波大概是从2014年左右开始的,继承了一部分AVM项目的成果。因为在AVM的项目内容中,本来就要求基于概率模型算一些东西,比如说系统的复杂度和自适应性。然后DARPA发了一些项目,这些个名称就不太敢讲也记不太清楚了。一般就跟量子计算、AI算法强相关了。总之先进设计工具的开发从来都没有停下。可以想见,“权衡”在近期会成为“热词”,大家都是能讲一些的。毕竟,从美军标499A开始,“权衡”一词就明晃晃的写成了白纸黑字。在当前的解决方案方案中,有直接用SYSML搭模型做权衡的,直接用工具自带的求解器算约束里面的数学表达式。也有把sysml跟matlab或者modelica工具连一起做权衡的,这个由于设计约束的模型做得好一点,求解器强一点,可能做得权衡能更接近工程一些。当然,有依托工具链做样机的,有的跟MDAO工具连一连,有的跟游戏引擎连一连,凤毛麟角的,总有人做。但恕我直言啊,这些方案离AVM讲的愿景、离CREATE能实现的样机完整度和保真度、离ERS承诺的千万量级的设计方案,相差都还是十万八千里的。工业软件关系到国家制造业的效率和创新能力。CAD、数控这些,对应制造标准的问题;CAE及各种专业软件,对应的是科研效率、科技转化能力和深度工程能力。在过去的逻辑下,能力可以借、可以云、可以无视;但是很显然,现在整体上在向自身能力回归。与其依靠各种情报能力,拾人牙慧的在自己人这里吹牛逼装大头耀武扬威,不如回归质朴,从工程学出发,从自主可控的工具和能力出发,正向的、踏实的做一些力所能及的事情。不管领导说的权衡指的是什么,真要涉足这个专业领域,基本的知识体系还是需要的。我也就从我自身的学习经历出发,分享一些基础的知识吧。如果要学习“权衡”这个专业领域,可以看哪些书呢?如果对这个词很陌生,建议先看麻省理工出的那本《系统架构》,书里有两章讲到了权衡。这本书的好处是,提供了一个较全面的系统设计上下文。然后就是道格拉斯的《敏捷系统工程》,第六章是讲架构权衡研究的。这本书的好处是,大概知道怎么用sysml工具来做这件事。然后是各种系统工程手册,比如NASA系统功能工程手册、SMC系统工程手册、SEBOK等系统工程著作中,都包含“权衡研究”的内容。此外,美军的文件中,有大量AOA手册及案例,都是在具体执行权衡研究的动作。然后,A大学有位搞决策研究的P教授,写了本“权衡”的专著。当然,以上都是基础知识,能被领导郑重强调的,九成以上不是这种能够轻易学到的基础知识。比如ERS,要搞权衡分析,需要搭建这样的架构。比如GIT做得某政策制定的权衡研究,不但要搭建建模框架,还要搭建计算工具链,这还只是微不足道的基础设施。再比如雷神早年引用AVM项目的组件模型库,构建数字系统模型(DSM),在这个基础上探索设计空间。这个路线可能很多人都很熟悉。九成以上的工业软件企业都是冢中枯骨,但更强大的工业软件企业,会在务实追求工业技术软件化/国产自主可控工业软件的道路中杀出来。我现在还不确定这样的前景会以怎样的形式实现,但我相信一定会实现。声明:上述所有提及或未提及的微 信文章,所有文章从素材到内容都是本人在业余时间在互联网上独立搜集、提炼、生成,所有注明或未注明的引用材料本人都有源文件备份。除笔者自购书籍及受赠书籍外,本人从未从任何线下实体机构获取相关知识材料,也从未使用任何线下组织的专有材料。所有内容只代表本人阅历、判断、主观观点与情绪,不保证正确性与规范性,不代表本人在任何时期从事学习或服务的机构观点。如有侵权或异议,请随时私信联系。来源:山涧果子

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈