CadQuery中齿轮啮合装配的技术实现
2025-06-19 12:06:14作者:袁立春Spencer
前言
在机械设计和3D打印领域,齿轮装配是一个常见但具有挑战性的任务。本文将详细介绍如何使用CadQuery这一强大的参数化CAD建模工具,实现两个齿轮的精确啮合装配。我们将从基础齿轮创建开始,逐步讲解两种不同的装配方法:直接定位法和约束求解法。
齿轮创建基础
首先我们需要创建一个基本的齿轮模型。在CadQuery中,我们可以使用Sketch功能高效地创建齿轮齿形:
def create_gear():
# 创建齿轮齿形草图
teeth_sk = (
cq.Sketch()
.parray(radius_inner + (radius - radius_inner)/2, 0, 360, n_tooth)
.rect(radius - radius_inner, 2)
)
# 拉伸齿形形成3D结构
teeth = (
cq.Workplane(origin=(0, 0, base_height))
.placeSketch(teeth_sk)
.extrude(2)
.tag("teeth") # 为后续装配添加标签
)
# 创建齿轮基体
base = (
cq.Workplane()
.sketch()
.circle(radius) # 外圆
.circle(radius_centre, "s") # 内圆(减去模式)
.finalize()
.extrude(base_height)
.tag("base")
)
# 合并齿形和基体
gear = base.union(teeth)
return gear
这种创建方式利用了CadQuery的Sketch功能,相比直接使用Workplane操作更简洁高效。union操作会自动将多个实体融合为单一实体,确保3D打印时的完整性。
方法一:直接定位装配
对于简单的齿轮装配场景,我们可以直接计算并指定第二个齿轮的位置和方向:
# 定义装配参数
offset = 2 * radius - 20 # 齿轮中心距
angle = 3 # 初始啮合角度
# 创建装配体
result = (
cq.Assembly()
.add(obj1, name="obj1", color=cq.Color(0.8, 0.8, 0.5, 0.3))
.add(
obj2,
name="obj2",
color=cq.Color(0.5, 0.5, 0.5, 0.3),
loc=cq.Location((0, 0, 2 * base_height + 2)) # Z轴偏移
* cq.Location((offset, 0, 0), (180, 0, angle)), # X轴偏移和旋转
)
)
这种方法的优点是简单直接,适用于已知确切位置关系的场景。其中:
- 第一个Location指定Z轴方向的偏移
- 第二个Location指定X轴方向的中心距和旋转角度
- 180度的Y轴旋转使两个齿轮面相对
方法二:约束求解装配
对于更复杂的装配需求,我们可以使用CadQuery的约束求解功能:
# 在齿轮创建函数中添加特征标记
gear.solids(">X", tag="teeth").faces(">Z").edges("<Y").tag("edge1")
gear.solids("<X", tag="teeth").faces("<Z").edges("<Y").tag("edge2")
gear.solids("<X", tag="teeth").faces("<Z").vertices("<XY").tag("vertex2")
# 装配约束设置
result = (
cq.Assembly()
.add(obj1, name="obj1", color=cq.Color(0.8, 0.8, 0.5, 0.3))
.add(obj2, name="obj2", color=cq.Color(0.5, 0.5, 0.5, 0.3))
.constrain("obj1", "Fixed") # 固定第一个齿轮
.constrain("obj2", "FixedRotation", (180, 0, angle)) # 固定第二个齿轮的旋转
.constrain("obj1", vertex1, "obj2", vertex2, "Point") # 点约束确保啮合
.solve()
)
这种方法的关键点:
- 在齿轮上标记关键几何特征(边、顶点)
- 使用Fixed约束固定基础齿轮
- 使用FixedRotation约束控制啮合角度
- 通过Point约束确保齿轮齿的正确接触
碰撞检测
在装配完成后,进行碰撞检测是必要的质量检查步骤:
gear1 = result.objects.get("obj1").obj.val().moved(result.objects.get("obj1").loc)
gear2 = result.objects.get("obj2").obj.val().moved(result.objects.get("obj2").loc)
intersect = gear1.intersect(gear2)
if intersect.Volume() > 1e-6:
raise ValueError("齿轮发生干涉!")
这段代码检查两个齿轮实体是否有交集,避免3D打印时出现结构问题。
实际应用建议
- 参数化设计:将齿轮参数(齿数、模数等)设为变量,便于调整
- 装配检查:使用不同颜色区分装配部件,便于视觉验证
- 打印准备:确认所有部件都是单一实体(使用union合并)
- 性能考虑:复杂齿轮建议使用约束求解法,简单装配可使用直接定位法
总结
本文详细介绍了在CadQuery中实现齿轮啮合装配的两种方法。直接定位法简单高效,适合简单场景;约束求解法更加灵活,能够处理复杂装配关系。无论采用哪种方法,CadQuery强大的参数化建模能力都能帮助工程师快速实现设计迭代和验证。
登录后查看全文
热门项目推荐
相关项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
Kimi-K2-ThinkingKimi-K2-Thinking是最新开源思维模型,作为能动态调用工具的推理代理,通过深度多步推理和稳定工具调用(200-300次连续调用),在HLE、BrowseComp等基准测试中刷新纪录。原生INT4量化模型,256k上下文窗口,实现推理延迟和GPU内存使用的无损降低,支持自主研究、编码和写作等工作流。【此简介由AI生成】Python00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
296
2.64 K
Ascend Extension for PyTorch
Python
128
149
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
607
190
React Native鸿蒙化仓库
JavaScript
228
307
暂无简介
Dart
589
127
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.05 K
611
仓颉编译器源码及 cjdb 调试工具。
C++
122
482
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,专门为Transformer模型的训练和推理而设计。
C++
46
77
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
178
62
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
454