NXopen 批量输出装配体零件几何模型的STEP和IGS格式文件

2024-04-20 17:12

本文主要是介绍NXopen 批量输出装配体零件几何模型的STEP和IGS格式文件,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

通过对话框指定文件夹,输出该文件夹下PARt文件为STEP和IGS格式文件

	//头文件#include <uf_modl_primitives.h>#include <NXOpen/Session.hxx>#include <NXOpen/PartCollection.hxx>#include <NXOpen/ListingWindow.hxx>#include <uf_ui.h>#include <NXOpen/Assemblies_ComponentAssembly.hxx>#include <io.h> #include <fstream>#include <string>#include <string>#include <vector>#include <iostream>#include <stdio.h>//主程序NXOpen::Session* theSession = NXOpen::Session::GetSession();NXOpen::Part* workPart(theSession->Parts()->Work());NXOpen::Part* displayPart(theSession->Parts()->Display());NXOpen::NXString NXpathi = nativeFolderBrowser0->Path();const char* pathi = NXpathi.GetLocaleText();const char* szTemp1 = pathi;const char* szTemp2 = "*.prt";const char* path = NULL;string temp = string(szTemp1) + string(szTemp2);path = temp.c_str();//result即为合并后的结果_finddata64i32_t fileInfo;intptr_t hFile = _findfirst(path, &fileInfo);vector<string> files;if (hFile == -1) {files.clear();return -1;}do{files.push_back(fileInfo.name);} while (_findnext(hFile, &fileInfo) == 0);vector<string> partfiles;for (int i = 0; i < files.size(); i++){string PartName = (string)files[i];PartName = szTemp1 + PartName;partfiles.push_back(PartName);}NXOpen::NXString Spath = nativeFolderBrowser01->Path();const char* Spathchar = Spath.GetLocaleText();theSession->ListingWindow()->WriteLine(Spathchar);for (int i = 0; i < partfiles.size(); i++){NXOpen::BasePart* basePart1;NXOpen::PartLoadStatus* partLoadStatus1;basePart1 = theSession->Parts()->OpenActiveDisplay(partfiles[i], NXOpen::DisplayPartOptionAllowAdditional, &partLoadStatus1);NXOpen::Part* part2 = theSession->Parts()->Work();delete partLoadStatus1;theSession->ApplicationSwitchImmediate("UG_APP_MODELING");Assemblies::ComponentAssembly* compAssy = part2->ComponentAssembly();Assemblies::Component* rootcomponent = compAssy->RootComponent();if (rootcomponent == NULL){NXOpen::NXString NXString2 = part2->JournalIdentifier();const char* Spathi = NXString2.GetLocaleText();if (toggle0->Value() == 1){const char* pathstep = ".stp";const char* path22 = NULL;string temp11 = string(Spathchar) + string(Spathi) + string(pathstep);path22 = temp11.c_str();//result即为合并后的结果theSession->ListingWindow()->WriteLine(path22);NXOpen::PartSaveStatus* partSaveStatus1;partSaveStatus1 = part2->SaveAs(NXOpen::NXString(path22, NXOpen::NXString::UTF8));delete partSaveStatus1;}if (toggle01->Value() == 1){const char* pathigs = ".igs";const char* path44 = NULL;string temp44 = string(Spathchar) + string(Spathi) + string(pathigs);path44 = temp44.c_str();theSession->ListingWindow()->WriteLine(path44);NXOpen::PartSaveStatus* partSaveStatus2;partSaveStatus2 = part2->SaveAs(path44);delete partSaveStatus2;}}else{}}

在这里插入图片描述

这篇关于NXopen 批量输出装配体零件几何模型的STEP和IGS格式文件的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/920846

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

uva 10387 Billiard(简单几何)

题意是一个球从矩形的中点出发,告诉你小球与矩形两条边的碰撞次数与小球回到原点的时间,求小球出发时的角度和小球的速度。 简单的几何问题,小球每与竖边碰撞一次,向右扩展一个相同的矩形;每与横边碰撞一次,向上扩展一个相同的矩形。 可以发现,扩展矩形的路径和在当前矩形中的每一段路径相同,当小球回到出发点时,一条直线的路径刚好经过最后一个扩展矩形的中心点。 最后扩展的路径和横边竖边恰好组成一个直

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

poj 1113 凸包+简单几何计算

题意: 给N个平面上的点,现在要在离点外L米处建城墙,使得城墙把所有点都包含进去且城墙的长度最短。 解析: 韬哥出的某次训练赛上A出的第一道计算几何,算是大水题吧。 用convexhull算法把凸包求出来,然后加加减减就A了。 计算见下图: 好久没玩画图了啊好开心。 代码: #include <iostream>#include <cstdio>#inclu

uva 1342 欧拉定理(计算几何模板)

题意: 给几个点,把这几个点用直线连起来,求这些直线把平面分成了几个。 解析: 欧拉定理: 顶点数 + 面数 - 边数= 2。 代码: #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstring>#include <cmath>#inc