基于SolidWorks的三维模型智能化出图方法和系统.pdf

基于 SolidWorks 的三维模型智能化出图方法和系统*支辰羽方喜峰朱永辉罗兰珍（江苏科技大学机械工程学院，江苏 镇江 212003；镇江康飞汽车制造股份有限公司，江苏 镇江 212132）摘要：为提高工程图出图效率，减少简单重复的出图工作，并在实现智能化出图的基础上保证工程图出图的规范性，提出将机器学习应用到工程图出图中，利用文本相似性检索技术、图像相似性检索技术以及 KNN 算法，结合 Python、VB.net 对 SolidWorks 进行二次开发，实现工程图视图的自动选择、图幅的智能选择、视图比例及位置调整等，保证视图选择的正确性、尺寸的规范性、布局的合理性，节省了大量人工手动出图时间。关键词：工程图；Solidworks 二次开发；文本相似性检索技术；图像相似性检索技术；KNN中图分类号：TH166文献标识码：ADOI：10.19287/j.mtmt.1005-2402.2023.08.006Intelligent drawing method and system of 3D model based on SolidWorksZHI Chenyu,FANG Xifeng,ZHU Yonghui,LUO Lanzhen(Mechanical Engineering Department,Jiangsu University of Science and Technology,Zhenjiang 212003,CHN;Zhenjiang Kangfei Automobile Manufacturing Co.,Ltd.,Zhenjiang 212132,CHN)Abstract：In order to improve the efficiency of engineering drawing,reduce simple and repetitive drawing work,and ensure the standardization of engineering drawing on the basis of realizing intelligent drawing,machine learning is proposed to be applied to engineering drawing.Text similarity retrieval technology,image similarity retrieval technology and KNN algorithm are used in the secondary development ofSolidWorks.Combined with Python and VB.net,the engineering drawing view is automaticallyselected,the drawing sheet is intelligently selected,and the proportion and position of the view areadjusted to ensure the correctness of the view selection,the standardization of the size and therationality of the layout,saving a lot of manual drawing time.Keywords：engineering drawings;solidworks secondary development;text similarity retrieval technology;imagesimilarity retrieval technology;KNN 目前，尽管三维设计软件已非常普及，但工程图纸仍然是大部分制造型企业表达产品设计思想、加工零件尺寸、检验产品及技术交流必不可少的技术资料。就现阶段而言，大部分中、小型制造企业对于零部件的工程图出图仍停留在人工手动出图阶段，花费大量精力在简单劳动中，且对于相似结构类产品存在重复出图的情况，造成图纸冗余，不仅大大延长产品研发周期，效率无法提高，而且对工程图出图的规范性无法统一，出图质量无法保证。因此，需要实现对三维模型的智能化出图。目前，国内学者在三维模型智能化出图方面进行了大量研究。孙小飞等1利用VB.net 对SolidWorks进行二次开发，通过调用 API 函数，实现工程图视图及尺寸的自动生成和调整，以达到工程图批量生成的目标；袁影2以 VB.net 为框架，通过对 SolidEdge API 函数的调用，实现视图及 BOM 表的创建、*江苏省产学研合作项目（BY20221142）；江苏科技大学 2023 年度研究生教育教学改革研究课题项目（YJG2023Z_01）；江苏省教育科学“十四五”规划课题项目（D/2021/01/102）2023年第8期_Intelligent Manufacturing 智能制造 39 自动生成尺寸等；张求星3通过建立工程图模板，在三维模型变化后，驱动工程图发生相应调整，此后再对图纸中的尺寸、明细栏、视图位置进行调整与优化，以达到工程图的快速生成；唐诗峰等4同样用制定工程图模板来实现工程图自动调整，通过对阈值范围的判断并利用 SolidWorks API 函数来调整视图位置和比例，通过数据库对尺寸信息的存取及尺寸定位来实现尺寸的自动调整；张颖等5在 Visual Studio 平台中对 UG 进行二次开发，开发出针对珩磨装置的系统，可通过人工选取模型文件、图纸尺寸、比例及视图创建方向，实现珩磨装置工程图智能生成。结合上述工程图出图的研究及对各环节深入分析，目前还存在以下问题：（1）工程图视图的创建较为固定，多为自动创建标准三视图，更有部分为手动选择视图，在遇到复杂模型时仅通过三视图或单个视图无法完整表达视图信息。（2）对于视图比例、位置的自动调整，部分研究者未同时考虑到两者及其关系，部分采用手动选择，有待优化。（3）对工程图视图自动创建时，在三维模型基准不统一的情况下，无法保证所选工程图视图方向与理想视图方向一致。针对上述问题，在参考之前学者研究的基础上，提出将机器学习应用到三维模型智能出图中，以SolidWorks 为平台，利用 VB.net 和 Python 编程语言对其进行二次开发，并结合文本相似性检索技术、图像相似性检索技术以及 KNN 算法，实现三维模型的智能化出图。1系统总体结构考虑到出工程图所需的基本要素，本文提出的智能出图系统包括以下内容：视图的自动选择、智能选择图幅、视图比例调整、视图位置自动排布、自动标注尺寸和自动生成 BOM 表。系统的工作流程如图 1 所示：首先，建立数据库，对企业已有的大量三维模型及相关工程图纸信息进行统计与管理；随后，获取所需出工程图的三维模型相关属性，并对零部件模型数据进行预处理，以提高文本匹配的准确性；接着，利用文本相似性检索技术将零部件模型优化后的数据信息与数据库信息计算匹配，得到相似模型的相关信息；再根据获取的相似模型信息对 SolidWorks 进行二次开发，利用图像相似性检索技术，将数据库中相似模型的图像与目标视图图像采用 Hash 算法比较相似度，完成视图的自动选择，再通过 KNN 算法训练数据库中数据，对目标值进行预估，实现图幅的智能选择，最后通过调用 SolidWorks API 接口调整工程图视图比例、位置、尺寸标注等，实现三维模型工程图的智能化生成。开始读取零部件模型信息调用数据库信息视图的自动选择智能选择图幅视图比例调整视图位置合理排布自动标注尺寸自动生成 BOM 表SolidWorks 二次开发利用文本相似性检索技术统计水平、竖直方向视图个数确定主视图位置获取图纸边界及水平、竖直包络框大小,计算视图间距设置视图中心点坐标对视图位置进行调整图像相似性检索技术调取数据库相似模型的工程图视图图像获取三维模型基本方向视图图像利用均值 Hash 算法比较图像相似度KNN 算法获取三维模型信息数据预处理并提取特征值训练数据库数据集余弦相似度计算获取图幅及视图包络框坐标调整主视图包络框相对于图纸边界的比例遍历所有视图并调整视图比例手动标注尺寸及注释注释信息映射到对应的二维工程图视图自动排列尺寸、注释获取图纸边界框坐标设置 BOM 相对坐标位置并插入工程图中文本相似性检索生成工程图数据库信息图图1系统工作流程系统工作流程 2系统关键技术 2.1SolidWorks 二次开发三维模型智能化出图系统二次开发应用了 4 个平台6：Visual Studio2010、Pycharm、SQL server 和2023年第8期智能制造 Intelligent Manufacturing_ 40 SolidWorks。对比其他高级语言，Visual Studio 代码智能化程度高，语法结构简单，可集成多种语言，支持不同应用程序间的动态数据交换和动态链接的分享，是目前功能相对完善的开发平台。为了方便SolidWorks三维模型的出图工作，简化操作，该系统以插件的形式在 SolidWorks 中实现。安装 SolidWorks 公司所提供的 API SDK 程序，随后创建 Visual Studio 新项目，在项目类型中选择 SwVBAddin 类型，其中SwAddin.vb 部分为核心类内容7，包含 7 个子程序，其功能属性见表 1，编译完成后再将 bin 文件中的生成的 DLL 插件加载到 SolidWorks 中。表 1SwAddin.vb 模板程序功能介绍名称子程序功能介绍1Local Variables定义本地变量子程序2SolidWorks Registration在Window系统注册子程序3ISwAddin Implementation连接/断开Solidworks软件子程序4UI MethodsUI界面设计子程序5Event Methods事件声明定义子程序6Event Handlers事件执行子程序7UI CallbacksUI界面里的回调函数子程序 编译过程中，需调用 SolidWorks API 接口8，常用 API 对象如图 2 所示。其中主要用到 ModelDoc2（文件类型）对象中的 DrawingDoc 子对象。在函数调用过程中需要先从其子对象开始遍历，直到找到该特定对象，才能使用对应的事件、属性、方法以及相关的函数。Python 是一种解释型的高级通用编程语言，其语言简洁，简单易懂，有较强的可拓展性，可实现对文件 IO 的读写、数据库访问以及文本操作等。PyCharm 平台为 Python 语言提供开发集成环境，通过编写规范的接口完成对 SQL server 数据库中信息的计算和整理，并将结果返回到数据库中，供Visual Studio 调用。对比其他数据库平台，SQLserver 具有较好的兼容性，能够对 SolidWokrs 开发过程中所用到的数据进行高效的收集和存储，利于个人或企业进行数据管理，并通过加密函数确保系统的安全性，具有极大的优越性。该数据库通过 ADO.NET 技术与VB.net 建立连接，.NET 数据集所提供的 Sqlcon-nection、Sqlcommand、SqlDataAdapter、SqlDataReader程序可实现对 SQLserver 数据库的连接、操作、适配以及读取，便于对数据的实时更新及管理。SolidWorksEnvironment环境定义Frame框架AttributeDef文件属性Modeler模板管理SWPropertySheet属性页PartDoc零件AssemblyDoc装配体DrawingDoc工程图Feature特征Annotation注释Sketch草绘Dimension标注Attribute属性SelectionMgr选择管理器LayerMgr图层管理器Configuration配置其他对象:Parameter参数EnumComponents2零部件枚举Entity实体EnumDrSection选择枚举EnumBodies2实体枚举EnumSketchHathes草绘枚举EnumFaces2面枚举EnumEdges边枚举EnumDisplayDimension标注显示枚举EnumDocuments文件枚举EnumModelViews模型视图枚举Enumloops2环枚举ModelDoc2文件类型FeatMgrView特征树ModelView模型视图ModelViewManager模型视图管理器DesignTable设计表图图2SolidWorksAPI 接口接口 2.2文本相似性检索技术本文采用的文本相似性检索是基于字符相似度，通过将关键词进行编码，利用余弦相似度算法比较编辑距离来实现相似文本的匹配。其中，编辑距离算法对文本内容具有较强依赖性，而对于制造业产品，其零部件名称命名有一定顺序和规则，零部件名称区分度显著，冗余属性较少，对于编辑距离这种有序匹配算法，可在保证准确度的同时，提高匹配效率。2.2.1 One-hot 编码使用 N 位状态寄存位对 N 个状态进行编码，并且只有 1 位有效，以此建立的编码数据集为 one-hot 编码，见表 2。对于大多数制造型企业，材料名称中的每个字都是必不可少的关键信息，One-hot 编码仅存有 1位有效编码，可实现对数据类型的准确划分。编码前需对数据进行预处理，以多元数组的形式对数据进行去重，同时利用停用词库，对数据进行去除停用词处理，并将完善后的关键词2023年第8期_Intelligent Manufacturing 智能制造 41 利用 jieba 分词工具，对数据循环遍历进行分词，再利用 scikit-learn 算法库9对分词后离散特征的取值扩展到欧式空间以便计算相似度。表 2One-hot 编码示例材料名称关键词一体不带侧门内嵌侧门胶条2（右）0010底壁CFPP板无侧门0010CFPP板（不带紫外线）全钢底壁无侧门0110一体非独立前壁木骨架1000一体非独立前壁木骨架内横1000盆形地板0000右壁单侧门后开内嵌拦腰护板0011右壁单侧门后开内嵌拦腰护板外蒙皮0011 2.2.2 余弦相似度算法 x=(x1,x2,xn)y=(y1,y2,yn)余弦相似度算法通过比较两向量间的余弦值来判断两者间的相似度10。本文取编码后数据集映射的 n 维向量，余弦公式由式（1）确定：cos（x,y）=x y=ni=1(xiyi)ni=1x2ini=1y2i（1）余弦值越大、结果越接近 1，表示两向量间的夹角越小，文本的相似度越高；反之，结果若越接近 0，则文本的相似度越低。2.3基于哈希算法的图像相似性检索技术哈希算法是指将预处理后的图像进行特征提取11，并将特征信息转化为哈希编码，通过计算汉明距离来比较图像间的相似度。基于哈希算法的图像相似性检索流程如图 3 所示。在对工程图视图进行自动选择时，采用图像相似性检索技术可解决三维模型基准不统一所造成的视图方向不一致的问题。差值哈希算法比较图像相似性具体流程如下：（1）调用 image.resize()函数对模板图像及检测图像的尺寸进行重新设置12，缩放为 88 大小，去除图像的细节，只保留图像的结构及明暗关系，摒弃由图像尺寸或比例所产生的差异。（2）调用 image.convert()函数对模板图像和检测图像的模式进行转换，将图像灰度化处理，转化为 64 级灰度；利用 OpenCV 提供的函数计算两个图像像素点的灰度平均值，然后将每个像素点的灰度值与灰度平均值做差值计算，结果大于 0，记为1，结果小于等于0，则记为0，由此生成二进制数组。（3）将计算得到的 64 位二进制数组转化为向量，通过汉明距离13来比较两个图像间的相似度，由公式（2）确定：H(a,b)=ni=1(aibi)（2）式中：a 表示模板图像所对应的向量；b 表示检测图像对应的向量，计算得到的值越小，表示汉明距离越近，两图像越相似。图像数据库图像数据信息哈希函数1001011111001001001011110010图像预处理图像预处理特征提取特征提取训练图像查询图像训练图像哈希值查询图像哈希值汉明距离检索结果图图3基于哈希算法的图像相似性检索基于哈希算法的图像相似性检索 2.4KNN 算法KNN 算 法，即 K 最 邻 近 值 法（K-NearestNeighbor），用来对未知类别的样本进行归类14，其原理是将训练样本与测试样本用特定距离函数计算，求出测试样本在特征空间中的 K 个最相似样本，他们中的大多数所属的类别则为该测试样本的所属类别。本文则以数据库信息为样本集，利用 KNN 算法对工程图图幅进行预测，具体步骤如下：（1）通过 Python 获取 SQL server 数据库中的数据信息，在对数据进行去除停用词、数据去重15的基础上进行特征处理，用 fit_transform()函数对数据集和目标数据的多元数组进行标准化，得到一组特定区间的值，去除各属性数据的单位限制，使各数据属性属于同一个数量级，便于比较、加权。（2）接着采用 AHP 算法16量化不同特征的权重值。根据特征的重要程度构建判断矩阵（表 4），其中判断矩阵重要性的标度如表 3 所示。表 3矩阵重要性标度标度含义1两个因素重要性相同3前一个因素比后一个因素稍微重要5前一个因素比后一个因素明显重要7前一个因素比后一个因素强烈重要9前一个因素比后一个因素极端重要2,4,6,8表示上列相邻两个重要性标度的折中倒数因素i与因素j相比较重要性标度为aij，则因素j与因素i相比较的重要性标度为aji=1/aij 表 4特征的判断矩阵11/41/3411/2321 随后将得到的判断矩阵利用式（3）对列向量进行归一化：Aij=Aij3i=1Aij（3）最后，通过式（4）和式（5）对判断矩阵求行和并归一化，得到权重值 Qi，计算结果如表 5 所示。sumi=3j=1Aij（4）Qi=sumi3i=1sumi（5）表 5不同特征的权重值特征权重表示权重值模型名称（A1）Q10.106 3模型文件大小（A2）Q20.548 2视图个数（A3）Q30.345 5G1,G2,GmA0,A1,A2,A3,A4DiDi=Xi1,Xi2,Xin（3）假定数据库中数据集的训练样本有 m 个，表示形式为；根据图幅，将样本类别划分为 5 个，表示形式为；代表训练样本17的特征向量：，其中1 i mD=X1,X2,Xn，待测样本的 D 的特征向量为：，结合特征的权重与欧氏距离的计算方法，训练样本与待测样本的相似度由式（6）确定：dis(D,Di)=nj=1Qj(XjXij)2（6）Di（4）计算出与待测样本相似度最高的 K 个训练样本，对这 K 个样本进行权重计算，按权重大小得到样本的最终分类：W(D,Aj)=Ki=1dis(D,Di)y(Di,Aj)（7）y=(Di,Aj)其中，为样本的类别属性，由公式（8）确定：y(Di,Aj)=1,Di Aj0,Di Aj（8）Aj根据计算结果，将待测样本 D 归属到权重较大的类别中，算法流程如图 4 所示。训练样本测试样本文本预处理文本预处理特征处理特征选择与特征加权将文本表示为特征向量将文本表示为特征向量KNN 分类模型对文本进行训练分类结果分类性能的评估图图4KNN 分类算法流程图分类算法流程图 2.5SolidWorksAPI 调用 2.5.1 视图比例的调整工程图视图的比例，可通过控制视图包络框与图纸边界的比例来确定主视图比例大小18，并对所有基本视图遍历，使比例统一于主视图；对局部视图的比例通过调用SolidWorks API 接口进行特殊设置。（1）获取视图属性首先，在 VB.net 平台中，调用 CreateDrawViewFromModelView3()函数对工程图视图进行创建，视图比例为默认比例，利用 GetProperties2()函数获取当前图纸属性，包括图纸缩放比例 Scale，存储该数据以便下个步骤调取。用 GetOutline()函数获取视图的包络框坐标19，返回值是 1 个包含 4 个双精2023年第8期_Intelligent Manufacturing 智能制造 43 度的数组，分别表示 Xmin、Ymin，Xmax、Ymax。（2）计算工程图比例调用 swView.Position()函数，获取主视图的中心点坐标，并重新给中心点坐标赋值，使主视图位于工程图纸左上方 1/4 位置；对于主视图比例的调整，需保证主视图包络框较短边与对应图纸边界的比例为最佳显示比例，考虑到水平方向视图个数上限为 4，竖直方向视图个数上限为 3，因此以水平方向的视图包络框长度与视图边界框长度的比值为依据，将视图包络框与视图边界框近似重合的情况作为极限，由此确定最佳显示比例在 1:22:3，本文以舱体总成模型为例，在考虑到水平方向视图个数以及模型实际尺寸、视图清晰表达等因素，取1:2。图 5 为视图包络框及图纸边框示意图，式（9）为比例计算公式：Bres=BcurW1k(12)W2（9）BcurW1W2式中：表示当前图纸的默认比例，k 为最佳显示比例，表示图纸所对应的较短边界的长度，表示主视图包络框的较短边的长度，利用包络框坐标 Xmin、Ymin、Xmax、Ymax相减得到。视图包络框最小点(Xmin,Ymin)视图包络框最大点(Xmax,Ymax)主视图最大显示图框图图5图框、视图包络框及参数示意图图框、视图包络框及参数示意图 计算得到合适的视图比例后，利用GetFirstView()、GetNextView()函数对每个基本视图进行遍历，并通过 swView.ScaleDecimal()函数对每个视图比例重新赋值，使工程图视图比例统一于主视图；局部视图的比例，需通过函数 swView.ScaleRatio()进行自定义缩放。2.5.2 视图位置自动排布首先要确定主视图的位置20，再根据视图总个数、图纸边界，以主视图为基准对其余各视图进行等间距排布，实现视图位置自动排布。（1）视图位置分布利用文本相似性检索技术，统计自动选择的所有视图的名称；根据统计结果，按宽平齐、高相等的原则，将各视图按工程图模板中标准视图方式排布（如图 6 所示），依次将视图以右视图、前视图、左视图、后视图的顺序放置在工程图 2/3 的中间区域，作为水平方向视图，上、下视图分别对应放置在前视图的上、下方；若上、下视图不同时存在，则将水平视图排放在工程图 1/2 的上半区域，下（上）视图放置在前视图下方，对特别需要说明的视图方向做注释。方向()标准视图:更多视图:上下二等角轴测左右二等角轴测图图6视图位置排布视图位置排布（2）视图间距计算根据 KNN 算法计算得到的图幅，利用 GetPro-perties2()函数获取图纸边界值。统计水平（竖直）方向视图个数，调用 GetOutline()函数获取水平（竖直）方向上视图的包络框大小，根据图纸边界及每个视图包络框，将水平（竖直）方向视图等间距放置，间距计算公式如下：Dw=Wzm1iWim11（10）WzWim1m1m1m2式中：表示工程图纸水平（竖直）方向的长度；表示第 i 个视图的包络框长度；表示水平（竖直）方向的视图个数。对于的取值，首先利用文本相似检索技术，定义该三维模型名称为 x，数据库中模型名称为 y，通过余弦相似度算法（式（1）循环遍历，求得数据库中与之相似的模型并调取其工程图纸，再通过 Hash 差值算法（式（2），以该三维模型的 6 个基本方向视图为检测图像，相似模型工程图视图为模板图像，求得三维模型在工程图中所需出图的正确视图方向并统计，当视图方向包括前视、后视、左视、右视中的任意 i 个时，=i；当视图方向包括上视、下视、前视中的 j 个时，竖直方向视图个数=j。（3）视图位置调整根据各间距的计算结果，利用 swView.Position()2023年第8期智能制造 Intelligent Manufacturing_ 44 函数对各视图中心点坐标重新赋值，完成对视图位置的合理排布，图 7 为视图位置调整前后的对比。2.5.3 自动标注尺寸尺寸标注的不确定因素较多，为满足实际加工车间工人们的需求以及出图规范，本文选择在三维模型中手动标注、调整所需注释信息，对尺寸分布进行人工调整，避免冗余、缺失、干涉等问题。在工程图模块中，调用InsertModelAnnotations3()函数，将三维模型在模型模块中的尺寸（图 8）映射到对应的二维工程图视图，利用 SelectAllinDocu-ment()函数选中工程图视图中所有已标注尺寸，并调用 AlignDimensions()函数对所有尺寸完成自动排列，标注效果如图 11 所示。图图8模型模块的尺寸标注模型模块的尺寸标注 2.5.4 自动生成 BOM 表BOM 表的生成，需要根据KNN 算法计算得到的图幅，调用 GetProperties2()函数获取图纸息，包括图纸边界框坐标等，用来设置 BOM 表的相对坐标位置。调用 ActivateView()函数激活所要出 BOM 表的视图，利用 InsertBomTable4()函数对 BOM 表 X、Y坐标位置、BOM 表模板进行设置，完成 BOM 表的自动插入。3系统的实现结合上述研究，本文以舱体模型（图 8）为例，通过 Solidworks 插件系统实现三维模型的工程图智能出图。对将企业已有模型的属性及相关图纸信息建立SQL server 数据库。以为列名新建 SQL server 数据表，收集整理企业已有的模型及相应的工程图纸，将其对应信息导入数据表中，如图 9。随后，将三维模型对应工程图纸统一存储在数据库文件夹中，以其模型名称命名。图图9SQLserver 数据表数据表 在 Solidworks 中打开【舱体总成】模型文件，选择特征工具栏中【三维模型智能化出图系统】的【智能出图】插件，随后在软件界面 RichTextBox中补充该模型加工时所需的技术要求；核查内容后点击【开始出工程图】，等待提醒框弹出表示工程图出图完成。具体操作步骤如图 10 所示，最终工程图出图效果如图 11。4结语工程图在制造业中是不可或缺的技术资料，本文则根据工程图出图的要素，在尽可能符合出图规范的基础上将各操作智能化。系统是通过 VB.net和 Python 语言对 SolidWorks 进行二次开发实现的，图图7视图位置调整前后对比视图位置调整前后对比2023年第8期_Intelligent Manufacturing 智能制造 45 在调用 SolidWorks API 函数完成各种指令的基础上，巧妙地将机器学习与工程图出图相结合，增加了计算结果的准确性，使三维模型的智能化出图更加规范，较大程度上提升了设计人员的工作效率。参考文献 孙小飞，仲梁维.基于二次开发的工程图批量调整位置研究J.农业装备与车辆工程，2020，58（12）：133-135.1 袁影，孙付春，杨涛，等.基于SolidEdge二次开发的工程图智能生成系统J.成都大学学报:自然科学版，2017，36（1）：85-88.2 张求星，赵高晖.基于SolidWorks二次开发中工程图的自动生成和优化J.农业装备与车辆工程，2018，56（11）：72-75.3 唐诗峰，肖江，周超，等.基于Solid Works的参数化工程图自动调整技术J.机械，2022，49（12）：19-24,72.4 张颖，祝锡晶，崔学良，等.参数化功率超声珩磨装置工程图智能生成研究J.组合机床与自动化加工技术，2018（1）：117-121.5 罗双宝.基于SolidWorks二次开发的风机塔筒设计D.重庆：重庆理工大学，2020.6 郭帅.基于SolidWorks二次开发的铁塔零件虚拟装配干涉检测研究D.淮南：安徽理工大学，2022.7 程亭森.基于SolidWorks二次开发的轮毂轴承CAD/CAE一体化系统研究与开发D.重庆：重庆理工大学，2016.8 刘辉玲，陶洁，邱磊.基于Python的One-hot编码的实现J.武汉船舶9职业技术学院学报，2021，20（3）：136-139.田琳.KNN文本分类算法的研究D.西安：西安理工大学，2016.10 Benarafa H，Benkhalifa M，Akhloufi M.WordNet semantic relationsbased enhancement of KNN model for implicit aspect identification insentiment analysisJ.International Journal of Computational IntelligenceSystems，2023，16(1).11 尹玉梅.基于感知哈希的图像相似检索算法研究D.昆明：昆明理工大学，2020.12 周菊香.图像检索中的特征表达和相似性度量方法研究D.大连：大连理工大学，2019.13 Chen X，Li Y L，Chen C.An online hashing algorithm for image retrievalbased on optical-sensor networkJ.Sensors，2023，23（5）：2576.14 张明镜.基于特征提取的文本相似性判别方法研究与应用D.济南：济南大学，2013.15 刘婉莹.特征加权KNN分类算法在跨境电商人才培养中的应用J.微型电脑应用，2020，36（9）：44-46.16 范云霄.智能优化KNN算法在电商商品分类中的应用研究D.天津：天津商业大学，2022.17 耿立冬.基于模板的二维工程图快速生成关键技术研究D.桂林：桂林电子科技大学，2020.18 付鹏.基于模块化的堆垛机快速设计系统研究与实现D.太原：中北大学，2010.19 李末.基于SolidWorks的工程图智能生成研究与应用D.大连：大连理工大学，2012.20第一作者：支辰羽，男，1998 年生，硕士研究生，研究方向为数字化设计与制造。E-mail：通信作者：方喜峰，男，1971 年生，教授，研究方向为数控加工、并联数控制造装备。获国家级学会科技进步奖 2 项，江苏机械工业科技进步奖 1 项，市厅级科技进步奖 4 项，发表论文 80 余篇，授权专利40 余件。E-mail:（编辑高扬）（收稿日期：20230423）文章编号：20230807如果您想发表对本文的看法，请将文章编号填入读者意见调查表中的相应位置。图图10三维模型智能化出图系统操作步骤三维模型智能化出图系统操作步骤图图11智能出图系统工程图出图结果智能出图系统工程图出图结果2023年第8期智能制造 Intelligent Manufacturing_ 46