本章深入探讨从CAD设计到可打印STL文件的完整工作流程。我们将从参数化建模的数学基础出发，分析NURBS曲面到三角网格的转换算法，探讨网格优化的计算几何方法，并建立面向增材制造的设计准则体系。通过本章学习，读者将掌握如何从数学层面理解和优化3D模型的可打印性，以及如何设计满足功能和制造约束的复杂装配体。
参数化建模的核心在于用一组独立参数 $\mathbf{p} = (p_1, p_2, …, p_n)$ 控制几何形状。设计意图通过约束系统 $\mathbf{C}(\mathbf{p}, \mathbf{x}) = 0$ 表达，其中 $\mathbf{x}$ 是几何实体的坐标。这种表示方法允许设计者通过修改少量参数来探索整个设计空间，实现设计重用和快速迭代。
对于一个参数化实体，其几何表示为： \(\mathbf{G}(\mathbf{p}) = \{\mathbf{x} \in \mathbb{R}^3 : \mathbf{C}(\mathbf{p}, \mathbf{x}) = 0\}\)
约束类型的数学分类：
几何约束：
拓扑约束：
约束求解器需要找到满足所有约束的配置，这通常转化为非线性优化问题： \(\min_{\mathbf{x}} \|\mathbf{C}(\mathbf{p}, \mathbf{x})\|^2\)
使用牛顿-拉夫逊迭代： \(\mathbf{x}_{k+1} = \mathbf{x}_k - \mathbf{J}_C^{-1}(\mathbf{x}_k) \cdot \mathbf{C}(\mathbf{p}, \mathbf{x}_k)\)
其中雅可比矩阵 $\mathbf{J}_C = \frac{\partial \mathbf{C}}{\partial \mathbf{x}}$ 的条件数决定了求解稳定性。
求解稳定性分析： 条件数 $\kappa(\mathbf{J}_C) = |\mathbf{J}_C| \cdot |\mathbf{J}_C^{-1}|$ 表征了问题的数值稳定性：
为改善条件数，可采用约束正则化： \(\mathbf{C}_{reg}(\mathbf{p}, \mathbf{x}) = \mathbf{C}(\mathbf{p}, \mathbf{x}) + \epsilon \mathbf{R}(\mathbf{x})\)
其中 $\mathbf{R}(\mathbf{x})$ 是正则化项，$\epsilon$ 是正则化参数。
约束优先级管理： 在过约束系统中，引入分层求解策略： \(\min_{\mathbf{x}} \sum_{i=1}^{m} w_i \|\mathbf{C}_i(\mathbf{p}, \mathbf{x})\|^2\)
其中权重 $w_i$ 反映约束优先级：
参数化模型的鲁棒性取决于特征树在参数变化下的拓扑稳定性。定义特征依赖图 $G = (V, E)$，其中节点 $v_i \in V$ 代表特征，边 $(v_i, v_j) \in E$ 表示 $v_j$ 依赖于 $v_i$。
依赖图的数学特性：
特征依赖矩阵 $\mathbf{D} \in {0,1}^{n \times n}$： \(D_{ij} = \begin{cases} 1 & \text{if feature } j \text{ depends on feature } i \\ 0 & \text{otherwise} \end{cases}\)
传递闭包 $\mathbf{D}^* = \sum_{k=1}^{n} \mathbf{D}^k$ 表示所有直接和间接依赖。
特征更新的计算复杂度为： \(T(n) = O(n \cdot d_{avg} \cdot t_{feature})\)
其中 $n$ 是特征数量，$d_{avg}$ 是平均依赖深度，$t_{feature}$ 是单个特征重计算时间。
依赖深度分析： 最大依赖链长度： \(L_{max} = \max_{i,j} \min\{k : (\mathbf{D}^k)_{ij} > 0\}\)
平均依赖深度： \(d_{avg} = \frac{1}{|E|} \sum_{(i,j) \in E} depth(i, j)\)
为保证拓扑稳定性，应满足：
| 影响度量：$I(p_i) = | {v_j : \frac{\partial v_j}{\partial p_i} \neq 0} | $ |
| 覆盖率：$\eta = | \mathcal{R} | / | \mathcal{D}_{target} | $ |
特征失效检测与恢复：
特征有效性函数： \(V_i(\mathbf{p}) = \begin{cases} 1 & \text{if feature } i \text{ is valid} \\ 0 & \text{if feature } i \text{ fails} \end{cases}\)
失效传播： \(V_j(\mathbf{p}) = V_j^{local}(\mathbf{p}) \cdot \prod_{i:(i,j) \in E} V_i(\mathbf{p})\)
恢复策略优先级：
历史建模中，每个操作 $O_i$ 可表示为状态转换函数： \(S_{i+1} = O_i(S_i, \mathbf{p}_i)\)
其中 $S_i$ 是第 $i$ 步的几何状态，$\mathbf{p}_i$ 是操作参数。
操作分类与属性：
创建操作（Creation）： \(S_{i+1} = S_i \cup G_{new}(\mathbf{p}_i)\) 例如：拉伸(Extrude)、旋转(Revolve)、扫掠(Sweep)
修改操作（Modification）： \(S_{i+1} = T(S_i, \mathbf{p}_i)\) 例如：倒角(Fillet)、倒斜(Chamfer)、壳体(Shell)
布尔操作（Boolean）： \(S_{i+1} = S_i \star G_i(\mathbf{p}_i)\) 其中 $\star \in {\cup, \cap, \setminus}$
增量更新算法：
为优化重建性能，采用增量式更新策略。设 $\Delta p_j$ 是参数 $p_j$ 的变化，影响传播可通过链式法则计算： \(\frac{\partial S_n}{\partial p_j} = \prod_{i=j}^{n-1} \frac{\partial O_i}{\partial S_i} \cdot \frac{\partial O_j}{\partial p_j}\)
脏标记算法（Dirty Flag）：
DirtySet = {j}
for i = j+1 to n:
if ∃k ∈ DirtySet: (k,i) ∈ E
DirtySet = DirtySet ∪ {i}
Recompute(feature_i)
缓存策略：
多级缓存架构：
缓存命中率优化： \(\eta_{cache} = \frac{N_{hit}}{N_{hit} + N_{miss}}\)
最优缓存大小（基于LRU）： \(C_{opt} = \arg\min_C \left[C \cdot c_{memory} + (1 - \eta(C)) \cdot c_{compute}\right]\)
历史压缩：
当历史长度超过阈值时，执行压缩：
压缩率： \(\rho_{compress} = \frac{n_{operations,after}}{n_{operations,before}}\)
目标：$\rho_{compress} < 0.5$ 且保持完全可逆性。
针对3D打印的参数化设计应考虑制造约束的参数化集成，使得设计自动满足可打印性要求。
最小壁厚约束： \(t_{wall}(\mathbf{p}) \geq t_{min} = \max(2d_{nozzle}, 3\sigma_{material})\)
其中 $d_{nozzle}$ 是喷嘴直径，$\sigma_{material}$ 是材料的特征尺寸（如晶粒大小）。
壁厚的参数化控制： \(t(u,v) = t_{base} + \sum_{i=1}^{n} p_i \phi_i(u,v)\)
其中 $\phi_i$ 是基函数，$p_i$ 是控制参数，约束条件： \(t_{base} + \min_{u,v} \sum_{i=1}^{n} p_i \phi_i(u,v) \geq t_{min}\)
悬垂角度约束： 对于表面法向量 $\mathbf{n}$，与构建方向 $\mathbf{z}$ 的夹角应满足： \(\theta = \arccos(|\mathbf{n} \cdot \mathbf{z}|) \leq \theta_{max}\)
典型地，$\theta_{max} \approx 45°$ 对于无支撑打印。
参数化悬垂控制：
桥接跨度约束： 水平桥接的最大无支撑跨度： \(L_{bridge} \leq \frac{4\sigma_y t^3}{3\rho g h}\)
其中 $\sigma_y$ 是材料屈服强度，$t$ 是层厚，$\rho$ 是密度，$h$ 是桥高。
桥接优化策略：
分段桥接：将长桥分解为多个短桥 \(L_{total} = \sum_{i=1}^{n} L_i, \quad L_i \leq L_{bridge,max}\)
拱形桥接：使用悬链线或抛物线轮廓 \(z(x) = h\left(1 - \left(\frac{2x}{L}\right)^2\right)\)
渐进式桥接：逐层增加跨度 \(L_k = L_0 + k \cdot \Delta L, \quad \Delta L = \frac{v_{print} \cdot t}{\tan(\theta_{sag})}\)
孔洞补偿：
FDM打印的圆孔会缩小，需要参数化补偿： \(D_{design} = D_{target} + \Delta D\)
补偿量模型： \(\Delta D = k_1 \cdot \sqrt{D_{target}} + k_2 \cdot t_{layer} + k_3\)
其中经验系数：
尖角钝化：
尖锐内角会导致应力集中和打印困难： \(r_{fillet} = \max(r_{min}, k \cdot t_{wall})\)
其中：
参数化支撑生成：
自动支撑的参数化描述： \(S(\mathbf{x}) = \begin{cases} 1 & \text{if } \exists \mathbf{y} \in \Omega: \mathbf{y} = \mathbf{x} + t\mathbf{z}, t > 0, \mathbf{n}(\mathbf{y}) \cdot \mathbf{z} < -\cos(\theta_{max}) \\ 0 & \text{otherwise} \end{cases}\)
支撑密度参数：
非均匀有理B样条(NURBS)曲面定义为： \(\mathbf{S}(u,v) = \frac{\sum_{i=0}^{n}\sum_{j=0}^{m} N_{i,p}(u)N_{j,q}(v)w_{i,j}\mathbf{P}_{i,j}}{\sum_{i=0}^{n}\sum_{j=0}^{m} N_{i,p}(u)N_{j,q}(v)w_{i,j}}\)
其中：
基函数通过Cox-de Boor递归定义： \(N_{i,0}(u) = \begin{cases} 1 & \text{if } u_i \leq u < u_{i+1} \\ 0 & \text{otherwise} \end{cases}\)
\[N_{i,p}(u) = \frac{u - u_i}{u_{i+p} - u_i}N_{i,p-1}(u) + \frac{u_{i+p+1} - u}{u_{i+p+1} - u_{i+1}}N_{i+1,p-1}(u)\]网格化的关键是确定采样密度。使用曲率驱动的自适应细分，局部采样密度与高斯曲率 $K$ 和平均曲率 $H$ 相关：
\[\rho(u,v) = \rho_0 \cdot \left(1 + \alpha\sqrt{|K(u,v)|} + \beta|H(u,v)|\right)\]曲率计算的数值稳定性：
高斯曲率和平均曲率通过第一、第二基本形式计算：
第一基本形式： \(I = \begin{pmatrix} E & F \\ F & G \end{pmatrix} = \begin{pmatrix} \mathbf{S}_u \cdot \mathbf{S}_u & \mathbf{S}_u \cdot \mathbf{S}_v \\ \mathbf{S}_u \cdot \mathbf{S}_v & \mathbf{S}_v \cdot \mathbf{S}_v \end{pmatrix}\)
第二基本形式： \(II = \begin{pmatrix} L & M \\ M & N \end{pmatrix} = \begin{pmatrix} \mathbf{n} \cdot \mathbf{S}_{uu} & \mathbf{n} \cdot \mathbf{S}_{uv} \\ \mathbf{n} \cdot \mathbf{S}_{uv} & \mathbf{n} \cdot \mathbf{S}_{vv} \end{pmatrix}\)
则： \(K = \frac{LN - M^2}{EG - F^2}, \quad H = \frac{EN - 2FM + GL}{2(EG - F^2)}\)
数值稳定性保障：
| 当 $ | EG - F^2 | < \epsilon$ 时，使用正则化：$K_{reg} = \frac{LN - M^2}{EG - F^2 + \epsilon}$ |
自适应采样策略：
初始采样： 在参数域上均匀采样： \(u_i = \frac{i}{n_u}, \quad v_j = \frac{j}{n_v}\)
曲率估计： 使用离散曲率估计器： \(K_{discrete} = \frac{2\pi - \sum_{i} \theta_i}{A_{mixed}}\) 其中 $\theta_i$ 是顶点周围角，$A_{mixed}$ 是Voronoi面积
细分决策： \(subdivide = \begin{cases} true & \text{if } \rho(u,v) \cdot edge\_length > \tau \\ false & \text{otherwise} \end{cases}\)
递归细分： 使用四叉树结构：
QuadTree(u0, u1, v0, v1):
if need_subdivide(u0, u1, v0, v1):
um = (u0 + u1) / 2
vm = (v0 + v1) / 2
QuadTree(u0, um, v0, vm)
QuadTree(um, u1, v0, vm)
QuadTree(u0, um, vm, v1)
QuadTree(um, u1, vm, v1)
特征保持细分：
对于尖锐特征（边、角），需要特殊处理：
特征线检测： \(is\_feature = |\kappa_1 - \kappa_2| > \tau_{feature}\) 其中 $\kappa_1, \kappa_2$ 是主曲率
特征线跟踪： 使用梯度下降找到特征线： \(\mathbf{p}_{next} = \mathbf{p} + \alpha \cdot \mathbf{t}_{feature}\) 其中 $\mathbf{t}_{feature}$ 是特征方向
特征保持三角化： 在特征线处强制边界约束： \(\mathcal{T}_{constrained} = \{T \in \mathcal{T} : edges(T) \cap features \neq \emptyset\}\)
多分辨率细分：
针对3D打印，可以在不同区域使用不同分辨率：
分辨率过渡函数： \(\rho(\mathbf{p}) = \sum_{i} w_i(\mathbf{p}) \cdot \rho_i\) 其中 $w_i$ 是基于距离的权重函数。
生成的三角网格质量通过以下指标评估：
长宽比(Aspect Ratio)： \(AR = \frac{4\sqrt{3}A}{a^2 + b^2 + c^2}\)
其中 $A$ 是三角形面积，$a,b,c$ 是边长。$AR \in (0,1]$，等边三角形时 $AR = 1$。
面积计算（海伦公式）： \(A = \sqrt{s(s-a)(s-b)(s-c)}\) 其中 $s = (a+b+c)/2$ 是半周长。
其他质量指标：
最小角度量： \(Q_{angle} = \frac{3\theta_{min}}{\pi}\) 其中 $\theta_{min} = \min(\theta_1, \theta_2, \theta_3)$
边长比： \(Q_{edge} = \frac{\min(a,b,c)}{\max(a,b,c)}\)
形状因子： \(Q_{shape} = \frac{4\sqrt{3}A}{p^2}\) 其中 $p = a + b + c$ 是周长
二面角偏差： 相邻三角形法向量夹角： \(\theta_{dihedral} = \arccos(\mathbf{n}_1 \cdot \mathbf{n}_2)\)
理想情况下，$\theta_{dihedral}$ 应小于阈值 $\theta_{smooth}$（通常15-30°）。
二面角的统计分布：
| 平均值：$\bar{\theta} = \frac{1}{ | E | } \sum_{e \in E} \theta_e$ |
| 标准差：$\sigma_\theta = \sqrt{\frac{1}{ | E | } \sum_{e \in E} (\theta_e - \bar{\theta})^2}$ |
Hausdorff距离： 网格 $M$ 到原始曲面 $S$ 的逼近误差： \(d_H(M, S) = \max\left\{\sup_{p \in M} d(p, S), \sup_{q \in S} d(q, M)\right\}\)
快速近似计算：
采样法：在网格上随机采样$n$个点 \(d_H^{approx} = \max_{i=1}^n d(p_i, S)\)
法向偏差法： \(d_{normal} \approx \frac{h^2}{8} \cdot \max_{p \in M} |\kappa(p)|\) 其中 $h$ 是平均边长，$\kappa$ 是曲率
网格优化目标函数：
综合质量指标： \(Q_{total} = w_1 Q_{AR} + w_2 Q_{angle} + w_3 Q_{hausdorff} + w_4 Q_{smooth}\)
其中权重典型值：
优化终止条件： \(Q_{total} > Q_{threshold} \quad \text{or} \quad \Delta Q < \epsilon\)
CAD模型常存在微小间隙和重叠，需要拓扑修复：
间隙检测： 两条边界边 $e_1, e_2$ 的间隙定义为： \(gap(e_1, e_2) = \min_{p_1 \in e_1, p_2 \in e_2} \|p_1 - p_2\|\)
当 $gap < \epsilon_{tolerance}$ 时，执行缝合操作。
快速间隙检测算法：
缝合策略：
顶点合并： \(v_{merged} = \frac{v_1 + v_2}{2}\) 或使用加权平均： \(v_{merged} = \frac{w_1 v_1 + w_2 v_2}{w_1 + w_2}\) 其中权重基于顶点度数或曲率
边缝合： 创建过渡面连接间隙： \(F_{bridge} = \{(v_1^i, v_2^i, v_2^{i+1}, v_1^{i+1})\}\)
拉链缝合（Zipper）： 沿着边界逐步合并对应顶点
T-顶点消除： T-顶点（一个顶点位于另一条边上）通过边分割消除： \(e = (v_1, v_2) \rightarrow \{(v_1, v_t), (v_t, v_2)\}\)
其中 $v_t$ 是投影到边 $e$ 上的T-顶点。
T-顶点检测： \(is\_T\_vertex(v, e) = \begin{cases} true & \text{if } d(v, e) < \epsilon \text{ and } v \notin \{v_1, v_2\} \\ false & \text{otherwise} \end{cases}\)
非流形修复：
悬挂边检测： \(E_{hanging} = \{e \in E : |\{f \in F : e \in f\}| = 1\}\)
多重边处理： \(E_{multiple} = \{(e_1, e_2) : vertices(e_1) = vertices(e_2)\}\) 合并相邻面或删除重复边
自交检测与处理： 使用BSP树检测自交： \(I = \{(f_1, f_2) : f_1 \cap f_2 \neq \emptyset, f_1 \neq f_2, adjacent(f_1, f_2) = false\}\)
法向量一致性：
确保所有面的法向量朝外：
水密性检查：
检查模型是否封闭： \(watertight = \forall e \in E : |\{f \in F : e \in f\}| = 2\)
体积计算验证： \(V = \frac{1}{6} \sum_{f \in F} (\mathbf{v}_1^f \times \mathbf{v}_2^f) \cdot \mathbf{v}_3^f\)
若$V < 0$，说明法向量朝内；若$V = 0$，可能非水密。
Garland-Heckbert的QEM算法是网格简化的标准方法。每个顶点 $\mathbf{v}$ 关联一个误差二次型：
\[Q(\mathbf{v}) = \mathbf{v}^T \mathbf{K} \mathbf{v} + 2\mathbf{b}^T\mathbf{v} + c\]其中 $\mathbf{K}$ 是 $4 \times 4$ 对称矩阵，由顶点相邻平面的距离平方和构成：
\[\mathbf{K} = \sum_{p \in planes(\mathbf{v})} \mathbf{n}_p \mathbf{n}_p^T\]边收缩 $(v_1, v_2) \rightarrow \bar{v}$ 的代价为： \(cost = Q_{v_1}(\bar{v}) + Q_{v_2}(\bar{v})\)
最优收缩位置通过求解获得： \(\bar{v} = -\mathbf{K}^{-1}\mathbf{b}\)
为保持尖锐特征，引入特征权重：
\[w_{feature} = \begin{cases} 1 & \text{if } \theta < \theta_{smooth} \\ 1 + \lambda(\theta - \theta_{smooth})^2 & \text{otherwise} \end{cases}\]修正的误差度量： \(Q'(\mathbf{v}) = w_{feature} \cdot Q(\mathbf{v})\)
简化过程应保持模型体积。原始体积： \(V = \frac{1}{6}\sum_{f \in faces} (\mathbf{v}_1 \times \mathbf{v}_2) \cdot \mathbf{v}_3\)
体积变化率约束： \(\left|\frac{V_{simplified} - V_{original}}{V_{original}}\right| < \epsilon_v\)
根据主曲率方向进行各向异性采样。设主曲率为 $\kappa_1, \kappa_2$，主方向为 $\mathbf{e}_1, \mathbf{e}_2$，则度量张量：
\[\mathbf{M} = \sum_{i=1}^{2} \lambda_i \mathbf{e}_i \mathbf{e}_i^T\]| 其中 $\lambda_i = \min(\max( | \kappa_i | , \lambda_{min}), \lambda_{max})$。 |
网格边长应满足： \(L_{target} = \frac{1}{\sqrt{\mathbf{d}^T \mathbf{M} \mathbf{d}}}\)
其中 $\mathbf{d}$ 是边的方向向量。
设计空间 $\Omega \subset \mathbb{R}^3$ 中的可打印几何必须满足一组制造约束 $\mathcal{C}$：
\[\mathcal{C} = \{C_{overhang}, C_{thickness}, C_{bridge}, C_{support}, C_{orientation}\}\]悬垂约束： \(C_{overhang}: \forall \mathbf{x} \in \partial\Omega, \quad \mathbf{n}(\mathbf{x}) \cdot \mathbf{z} \geq -\cos(\theta_{max})\)
其中 $\partial\Omega$ 是边界，$\mathbf{n}$ 是外法向量。
最小特征尺寸约束： 使用距离场 $d(\mathbf{x})$ 表示到边界的有符号距离： \(C_{thickness}: \min_{\mathbf{x} \in \Omega} |d(\mathbf{x})| \geq r_{min}\)
其中 $r_{min} = \max(d_{nozzle}, t_{layer}\tan(\theta_{max}))$。
自支撑几何的设计利用圆锥约束。对于点 $\mathbf{p}$，其支撑锥定义为： \(\mathcal{K}(\mathbf{p}) = \{\mathbf{x} : (\mathbf{x} - \mathbf{p}) \cdot \mathbf{z} \leq -\|\mathbf{x} - \mathbf{p}\|\cos(\theta_{max})\}\)
结构自支撑的充要条件： \(\forall \mathbf{p} \in \Omega, \exists \mathbf{q} \in \Omega \cap \mathcal{K}(\mathbf{p}), \mathbf{q} \neq \mathbf{p}\)
拱形结构优化： 对于跨度 $L$ 的拱形，最优高度 $h$ 满足： \(h = L\tan(\theta_{max})/2\)
拱形轮廓由悬链线方程给出： \(y = a\cosh(x/a) - a\)
其中 $a = L/(2\sinh^{-1}(h/a))$。
最优打印方向 $\mathbf{d}^*$ 通过多目标优化确定：
\[\mathbf{d}^* = \arg\min_{\|\mathbf{d}\|=1} \left[\alpha A_{support}(\mathbf{d}) + \beta H(\mathbf{d}) + \gamma T(\mathbf{d})\right]\]其中：
支撑面积计算： \(A_{support}(\mathbf{d}) = \int_{\partial\Omega} H(-\mathbf{n} \cdot \mathbf{d} - \cos(\theta_{max})) dS\)
其中 $H$ 是Heaviside函数。
晶格结构的有效弹性模量通过均质化理论计算。对于周期单元 $Y$，有效刚度张量：
\[\mathbb{C}^{eff}_{ijkl} = \frac{1}{|Y|}\int_Y \mathbb{C}_{ijmn}(\mathbf{y})\left(\delta_{mk}\delta_{nl} + \frac{\partial\chi^{kl}_m}{\partial y_n}\right)dY\]其中 $\chi^{kl}$ 是特征位移场，满足： \(\int_Y \mathbb{C}_{ijmn}\frac{\partial\chi^{kl}_m}{\partial y_n}\frac{\partial v_i}{\partial y_j}dY = -\int_Y \mathbb{C}_{ijkl}\frac{\partial v_i}{\partial y_j}dY\)
相对密度 $\rho$ 与晶格参数的关系（以立方晶格为例）： \(\rho = \frac{3\pi r^2}{a^2} - \frac{8\pi r^3}{a^3}\)
其中 $r$ 是支柱半径，$a$ 是晶格常数。
打印过程的热应力导致翘曲，需要预补偿。温度场演化： \(\rho c_p\frac{\partial T}{\partial t} = \nabla \cdot (k\nabla T) + Q\)
热应变： \(\boldsymbol{\epsilon}_{thermal} = \alpha(T - T_{ref})\mathbf{I}\)
补偿位移场通过求解热弹性问题获得： \(\nabla \cdot \boldsymbol{\sigma} = 0\) \(\boldsymbol{\sigma} = \mathbb{C}:(\boldsymbol{\epsilon} - \boldsymbol{\epsilon}_{thermal})\)
预变形几何： \(\mathbf{x}_{compensated} = \mathbf{x}_{original} - \mathbf{u}_{thermal}\)
装配体的公差累积通过公差链分析。对于尺寸链 $L = \sum_{i=1}^n l_i$，其中每个尺寸 $l_i$ 有公差 $\pm t_i$。
极值法： \(T_{max} = \sum_{i=1}^n t_i\)
统计法（假设正态分布）： \(T_{RSS} = \sqrt{\sum_{i=1}^n t_i^2}\)
蒙特卡洛法： 考虑非正态分布，通过采样计算： \(P(|L - L_{nominal}| \leq T) = \frac{1}{N}\sum_{j=1}^N \mathbb{I}(|L_j - L_{nominal}| \leq T)\)
FDM打印的尺寸偏差主要源于：
挤出宽度变化： \(w_{actual} = w_{nominal} \cdot \sqrt{\frac{4Q}{\pi v h}}\)
其中 $Q$ 是体积流率，$v$ 是打印速度，$h$ 是层高。
热收缩： \(\Delta L = L \cdot \alpha \cdot (T_{extrusion} - T_{ambient}) \cdot (1 - \beta_{constraint})\)
其中 $\beta_{constraint} \in [0,1]$ 是约束系数。
阶梯效应： 倾斜表面的阶梯误差： \(e_{stair} = \frac{h}{2}\tan(\theta)\)
综合公差模型： \(\sigma_{total}^2 = \sigma_{machine}^2 + \sigma_{thermal}^2 + \sigma_{stair}^2 + \sigma_{material}^2\)
间隙配合： 最小间隙： \(C_{min} = D_{hole,min} - D_{shaft,max} > 0\)
推荐间隙（基于层厚 $h$）： \(C_{recommended} = 2h + k\sqrt{D}\)
其中 $k \approx 0.1-0.2$ mm是经验系数。
过盈配合： 最大过盈量受材料屈服强度限制： \(\delta_{max} = \frac{2r\sigma_y}{E}\left(\frac{r_o^2 + r_i^2}{r_o^2 - r_i^2}\right)\)
过渡配合： 采用概率设计，配合成功率： \(P_{fit} = \Phi\left(\frac{\mu_{hole} - \mu_{shaft}}{\sqrt{\sigma_{hole}^2 + \sigma_{shaft}^2}}\right)\)
利用材料弹性实现可拆卸连接。卡扣设计的关键参数：
卡扣梁的最大应力： \(\sigma_{max} = \frac{3FL}{2bh^2}\)
允许偏转量： \(\delta_{max} = \frac{\sigma_{yield} L^2}{3Eh}\)
卡扣力： \(F_{snap} = \frac{2bh^2\sigma_{yield}}{3L}\)
设计准则： \(\delta_{required} < 0.7\delta_{max}\) （安全系数）
3D打印螺纹的特殊考虑：
修正螺纹轮廓： 标准三角螺纹的顶部和底部需要平台化： \(flat_{crest} = 0.125P\) \(flat_{root} = 0.25P\)
其中 $P$ 是螺距。
螺纹强度： 剪切强度： \(\tau = \frac{F}{\pi d_m h n}\)
其中 $d_m$ 是中径，$h$ 是螺纹高度，$n$ 是啮合圈数。
打印方向影响： 垂直打印的螺纹强度： \(S_{vertical} = S_{material} \cdot (1 - k_{layer})\)
其中 $k_{layer} \approx 0.3-0.5$ 是层间结合强度折减系数。
装配序列可表示为有向无环图(DAG) $G = (V, E)$，其中节点 $v_i$ 代表部件，边 $(v_i, v_j)$ 表示 $v_i$ 必须在 $v_j$ 之前装配。
装配复杂度度量： \(C_{assembly} = \sum_{i=1}^{n} w_i \cdot (d_i + r_i + t_i)\)
其中：
干涉矩阵： 定义干涉矩阵 $\mathbf{I} \in {0,1}^{n \times n \times 6}$，其中 $I_{ijk} = 1$ 表示部件 $i$ 在方向 $k$ 上与部件 $j$ 干涉。
可行装配方向集合： \(D_i = \{d \in \mathbb{S}^2 : \forall j \in A_i, I_{ijd} = 0\}\)
其中 $A_i$ 是已装配部件集合。
决策基于成本函数： \(C_{total} = C_{print} + C_{assembly} + C_{failure}\)
一体化打印成本： \(C_{integrated} = V_{total} \cdot c_{material} + A_{support} \cdot c_{support} + T_{print} \cdot c_{time}\)
分件打印成本： \(C_{separated} = \sum_{i=1}^n (V_i \cdot c_{material} + A_{support,i} \cdot c_{support}) + T_{assembly} \cdot c_{labor}\)
失败风险成本： \(C_{failure} = P_{failure} \cdot C_{total} \cdot (1 + r_{waste})\)
决策准则： \(\text{Choose integrated if } C_{integrated} < C_{separated} \cdot (1 + \alpha_{uncertainty})\)
打印内嵌活动关节需要精确的间隙控制。对于旋转关节：
径向间隙： \(c_r = \max(2h_{layer}, 0.15 + 0.005D)\) mm
轴向间隙： \(c_a = \max(h_{layer}, 0.1 + 0.002L)\) mm
摩擦力矩： \(M_f = \mu F_n r_{eff}\)
其中有效半径： \(r_{eff} = \frac{2}{3} \cdot \frac{r_o^3 - r_i^3}{r_o^2 - r_i^2}\)
打印方向优化： 关节轴应平行于构建平台以获得最佳圆度： \(\text{Circularity}_{horizontal} \approx 0.95\) \(\text{Circularity}_{vertical} \approx 0.85\)
标准化接口设计提高可重用性。定义接口几何 $\mathcal{I}$：
\[\mathcal{I} = \{G_{male}, G_{female}, \mathbf{C}_{alignment}, \mathbf{F}_{retention}\}\]对齐特征设计： 使用运动学耦合原理，6个接触点完全约束6个自由度： \(\mathbf{K} = \begin{bmatrix} k_x & 0 & 0 & 0 & k_{\theta_z} & k_{\theta_y} \\ 0 & k_y & 0 & k_{\theta_z} & 0 & k_{\theta_x} \\ 0 & 0 & k_z & k_{\theta_y} & k_{\theta_x} & 0 \end{bmatrix}\)
保持力计算： 摩擦保持： \(F_{retention} = \mu N \cdot A_{contact}\)
弹性保持（卡扣）： \(F_{retention} = \frac{2\sigma_{allow} I}{L^2 h}\)
磁性保持： \(F_{magnetic} = \frac{B^2 A}{2\mu_0}\)
结合3D打印与标准件（螺母、轴承、磁铁）的设计策略：
热压嵌入： 孔径设计： \(D_{hole} = D_{insert} - \Delta_{interference}\)
其中过盈量： \(\Delta_{interference} = D_{insert} \cdot \alpha \cdot (T_{insert} - T_{ambient})\)
打印暂停嵌入： 嵌入深度必须是层高的整数倍： \(z_{pause} = n \cdot h_{layer}, \quad n \in \mathbb{Z}^+\)
嵌入腔体设计： \(V_{cavity} = V_{insert} \cdot (1 + \epsilon_{tolerance})\)
其中 $\epsilon_{tolerance} \approx 0.05-0.10$。
应力集中缓解： 嵌入件周围的应力集中系数： \(K_t = 1 + 2\sqrt{\frac{a}{r}}\)
其中 $a$ 是嵌入件尺寸，$r$ 是圆角半径。设计准则：$r \geq 0.5$mm。
碰撞检测： 使用分离轴定理(SAT)检测部件间碰撞。对于凸多面体 $A$ 和 $B$，不碰撞的充要条件是存在分离轴 $\mathbf{n}$： \(\max_{\mathbf{a} \in A}(\mathbf{a} \cdot \mathbf{n}) < \min_{\mathbf{b} \in B}(\mathbf{b} \cdot \mathbf{n})\)
公差分析仿真： 使用蒙特卡洛方法模拟公差累积：
装配路径优化： 使用A*算法规划无碰撞装配路径，启发函数： \(h(\mathbf{x}) = \|\mathbf{x} - \mathbf{x}_{goal}\| + \lambda \cdot \text{potential}(\mathbf{x})\)
其中势能场： \(\text{potential}(\mathbf{x}) = \sum_{obs} \frac{k}{d(\mathbf{x}, obs)^2}\)
本章系统地探讨了从CAD设计到可打印STL文件的完整工作流程，建立了严格的数学框架来理解和优化这一过程：
关键公式回顾：
题目1：给定一个NURBS曲面，控制点网格为4×4，权重均为1，节点向量为均匀分布。若要将其转换为三角网格，采样密度应如何根据高斯曲率$K$调整？
提示(Hint)：考虑曲率与局部逼近误差的关系，使用Taylor展开分析。
题目2：一个长方体零件尺寸为100×50×30mm，使用FDM打印，层厚0.2mm，喷嘴直径0.4mm。计算最优打印方向以最小化支撑材料。
提示(Hint)：分析不同方向下的悬垂面积。
题目3：设计一个直径10mm的轴孔配合，打印层厚0.15mm，材料收缩率0.3%。计算推荐的孔径。
提示(Hint)：使用公式$C_{recommended} = 2h + k\sqrt{D}$，考虑热收缩。
题目4：推导网格简化过程中保持体积不变的QEM修正项。设原始体积为$V_0$，简化后体积为$V$，如何修改误差度量？
提示(Hint)：使用拉格朗日乘数法加入体积约束。
题目5：分析一个包含活动铰链的装配体，铰链轴直径8mm，长度20mm。若要实现平滑旋转但不松动，如何设计间隙？考虑打印方向的影响。
提示(Hint)：分析不同打印方向下的圆度误差和表面粗糙度。
题目6：设计一个三部件装配体的最优装配序列。部件A是底座(100×100×20mm)，部件B是立柱(20×20×80mm)，部件C是横梁(80×20×20mm)。B需要垂直插入A的中心孔，C需要水平滑入B顶部的燕尾槽。计算装配复杂度并优化。
提示(Hint)：构建装配依赖图，分析每种序列的约束数和操作难度。
STL文件非流形：CAD导出时可能产生非流形网格（悬挂边、T型顶点），导致切片失败。解决：使用MeshLab或Netfabb修复。
过度简化丢失特征：QEM简化时阈值设置过大会丢失关键特征。建议：保留原始三角形数量的20-30%。
NURBS精度损失：高阶NURBS曲面（p>5）转网格时可能出现振荡。解决：先降阶再细分。
公差累积超限：多级装配时忽视公差链导致最终无法装配。必须进行完整的公差分析。
支撑去除困难：内部支撑或复杂腔体支撑难以去除。设计时考虑支撑可达性。
热变形忽视：大尺寸零件(>100mm)必须考虑热变形补偿，否则翘曲严重。
螺纹方向错误：垂直打印的螺纹层间结合弱。尽可能水平或45°打印螺纹特征。
活动件卡死：间隙设计未考虑First Layer Squish效应（首层压扁）。首层接触面需额外0.1-0.2mm间隙。