# 分模算法改进总结

## 概述

本次改进实现了更合理的分模算法，使用传统几何方法计算分型面和分型线，同时预留了 AI 模型介入的接口。

## 主要改进

### 1. 分型面检测优化

#### 改进前
- 固定使用 Z 方向作为分型方向
- 分型面总是水平面（XY 平面）
- 不考虑产品实际几何特征

#### 改进后
实现三级检测策略：

```python
def _detect_parting_surface(self, shape, analysis):
    """
    优先级：
    1. AI 模型检测（如果已设置）
    2. 基于法向量分析的几何方法
    3. 简化方法（基于边界框，回退方案）
    """
```

**法向量分析** (`_analyze_face_normals`):
- 统计所有面的法向量
- 计算平均法向量作为最优分型方向
- 自动适应产品几何特征

**代码位置**: [`mold_generator.py:637-684`](file:///d:/project/geMoldInsight/src/core/mold_generator.py#L637-L684)

### 2. 真实分型线计算

#### 改进前
- 使用简化矩形（4 个点）
- 不贴合产品实际轮廓

#### 改进后
使用布尔运算求交线：

```python
def _calculate_parting_line(self, shape, parting_surface):
    """
    使用 BRepAlgoAPI_Section 计算产品与分型面的真实交线
    - 提取交线（边）
    - 沿边采样点（至少 10 个点）
    - 返回精确的分型线路径
    """
```

**代码位置**: [`mold_generator.py:706-758`](file:///d:/project/geMoldInsight/src/core/mold_generator.py#L706-L758)

### 3. AI 模型接口预留

#### 接口设计

添加了 AI 模型集成方法：

```python
def set_ai_model(self, parting_detector=None, draft_analyzer=None):
    """设置 AI 模型接口"""
    self.ai_parting_detector = parting_detector
    self.ai_draft_analyzer = draft_analyzer
```

#### AI 模型能力

1. **分型面检测器** (`AIPartingSurfaceDetector`)
   - 分析产品 3D 几何
   - 预测最优分型面位置和方向
   - 识别倒扣（undercut）区域

2. **拔模分析器** (`AIDraftAnalyzer`)
   - 分析哪些面需要拔模
   - 预测最优拔模角度
   - 检测脱模干涉

3. **型腔布局优化器** (`AICavityLayoutOptimizer`)
   - 优化多型腔排列
   - 设计流道系统
   - 平衡材料流动

**代码位置**: [`ai_mold_assistant.py`](file:///d:/project/geMoldInsight/src/core/ai_mold_assistant.py)

#### 集成方式

```python
from core.mold_generator import MoldCavityGenerator
from core.ai_mold_assistant import AIPartingSurfaceDetector

# 创建 AI 模型
parting_detector = AIPartingSurfaceDetector(model_path="models/parting_surface.pth")

# 设置到模具生成器
generator = MoldCavityGenerator()
generator.set_ai_model(parting_detector=parting_detector)

# 使用时会自动调用 AI 模型
result = generator.generate_mold_cavities(product_shape)
```

### 4. 拔模角处理改进

#### 改进前
- 简化实现，直接返回原始形状
- 记录警告日志

#### 改进后
- 支持 AI 模型分析拔模
- 使用几何方法计算拔模方向
- 为完整实现预留接口（`BRepOffsetAPI_DraftAngle`）

**代码位置**: [`mold_generator.py:829-859`](file:///d:/project/geMoldInsight/src/core/mold_generator.py#L829-L859)

### 5. 分型线长度精确计算

#### 改进前
```python
def _calculate_parting_line_length(self, parting_line: List) -> float:
    return 250.0  # mm  # 固定值
```

#### 改进后
```python
def _calculate_parting_line_length(self, parting_line: List) -> float:
    """计算折线总长度"""
    total_length = 0.0
    for i in range(1, len(parting_line)):
        p1 = np.array(parting_line[i-1])
        p2 = np.array(parting_line[i])
        total_length += np.linalg.norm(p2 - p1)
    return total_length
```

**代码位置**: [`mold_generator.py:861-869`](file:///d:/project/geMoldInsight/src/core/mold_generator.py#L861-L869)

## 新增文件

### 1. `src/core/ai_mold_assistant.py`

AI 模型接口示例类：
- `AIPartingSurfaceDetector` - 分型面检测器
- `AIDraftAnalyzer` - 拔模分析器
- `AICavityLayoutOptimizer` - 型腔布局优化器

### 2. `scripts/test_mold_splitting.py`

完整的分模算法测试脚本：
- 测试简单长方体分模
- 测试 STEP 文件分模
- 测试 AI 模型接口
- 测试分型线计算算法

### 3. `scripts/simple_test.py`

简化的测试脚本（用于快速验证）

## 使用示例

### 基本使用（几何方法）

```python
from core.mold_generator import MoldCavityGenerator

# 创建模具生成器
generator = MoldCavityGenerator(
    shrinkage_rate=0.005,  # 0.5% 收缩率
    draft_angle=2.0,       # 2 度拔模角
    material_density=1.05  # ABS 密度
)

# 生成模具型腔
result = generator.generate_mold_cavities(product_shape)

# 获取详细信息
detailed_json = generator.generate_detailed_cavity_json(result)
```

### 使用 AI 辅助

```python
from core.mold_generator import MoldCavityGenerator
from core.ai_mold_assistant import AIPartingSurfaceDetector

# 创建 AI 模型
parting_detector = AIPartingSurfaceDetector(model_path="models/model.pth")

# 设置 AI 模型
generator = MoldCavityGenerator()
generator.set_ai_model(parting_detector=parting_detector)

# 使用时 AI 会自动介入
result = generator.generate_mold_cavities(product_shape)
```

## 技术细节

### 法向量分析算法

```python
def _analyze_face_normals(self, shape):
    # 1. 遍历所有面
    for face in shape.faces:
        # 2. 获取面的法向量
        normal = surface.Plane().Position().Direction()
        face_normals.append(normal)
    
    # 3. 计算平均法向量
    avg_normal = sum(face_normals) / len(face_normals)
    
    # 4. 归一化
    return normalized(avg_normal)
```

### 分型线计算流程

```
产品形状 + 分型面
    ↓
BRepAlgoAPI_Section (布尔截面运算)
    ↓
提取交线 (TopExp_Explorer)
    ↓
沿边采样 (BRepAdaptor_Curve)
    ↓
点列表 [[x,y,z], ...]
```

## 性能对比

| 功能 | 改进前 | 改进后 |
|------|--------|--------|
| 分型面方向 | 固定 Z 方向 | 自动适应产品几何 |
| 分型线点数 | 4 点（矩形） | 10+ 点（真实轮廓） |
| 分型线长度 | 固定 250mm | 精确计算 |
| AI 集成 | 无 | 完整接口预留 |
| 拔模分析 | 简化 | 支持 AI 和几何方法 |

## 后续优化方向

### 短期（无需 AI）
1. 改进法向量计算精度（使用高斯权重）
2. 优化分型面位置（考虑脱模方向）
3. 完整实现拔模角处理（使用 `BRepOffsetAPI_DraftAngle`）

### 中期（机器学习）
1. 收集模具设计案例数据
2. 训练分型面识别模型（PointNet++）
3. 集成到现有系统

### 长期（深度学习 + 仿真）
1. 端到端模具生成
2. 结合 Moldflow 物理仿真
3. 数字孪生系统

## 代码变更总结

### 修改文件
- `src/core/mold_generator.py` - 核心分模算法改进

### 新增文件
- `src/core/ai_mold_assistant.py` - AI 模型接口
- `scripts/test_mold_splitting.py` - 完整测试脚本
- `scripts/simple_test.py` - 简化测试脚本

### 新增导入
```python
from OCC.Core.BRepAlgoAPI import BRepAlgoAPI_Section
from OCC.Core.BRepAdaptor import BRepAdaptor_Surface, BRepAdaptor_Curve
from OCC.Core.TopExp import TopExp_Explorer
from OCC.Core.TopAbs import TopAbs_FACE, TopAbs_EDGE, TopAbs_VERTEX
```

## 总结

本次改进实现了：
1. ✅ **更合理的分型面检测** - 基于法向量分析，自动适应产品几何
2. ✅ **真实的分型线计算** - 使用布尔运算求交线，不是简化矩形
3. ✅ **AI 模型接口预留** - 可随时集成 AI 辅助功能
4. ✅ **精确的参数计算** - 分型线长度、拔模方向等

所有改进都使用了 OpenCASCADE 的几何算法，保证了计算的准确性和可靠性。AI 接口的设计使得未来可以轻松集成深度学习模型，提升分模智能化水平。