基于最小二乘支持向量机的三角网格修补算法

为实现点云数据孔洞区域的修补,提出了一种基于最小二乘支持向量机的三角网格曲面孔洞修补算法。首先检测出孔洞,采集孔洞边界周围的三角片顶点作为学习样本训练最小二乘支持向量机模型;然后对孔洞多边形进行平面填充,获得新增三角片的顶点,并用已训练好的最小二乘支持向量机模型将其优化,最终实现孔洞的修补。实验结果表明,该方法的精度和处理速度优于人工神经网络,具有一定的实用性,为孔洞修补研究提供了一种新思路。     

基于多向波前法的岛屿孔洞修补

针对现有孔洞修补算法对复杂孔洞修补效果差的问题,提出了一种适用于岛屿类孔洞修补的新型多向波前法。首先检测孔洞边界与岛屿边界并对其进行预处理,以孔洞边界与岛屿边界为波前,插入顶点与三角面填充孔洞;然后对新增顶点与新增三角面进行合理性检验;最后根据法矢与曲率调整新增顶点,使其最大程度拟合原有曲面特征。实验结果验证了所提算法的可行性和有效性。     

三角网格曲面孔洞修补算法

针对反求工程中由于点云数据的不完整而产生的三角网格孔洞,提出了一种三角网格模型孔洞的空间修补算法。在提取孔洞边界特征后进行边界预处理,建立孔洞边界特征平面,并将孔洞边界向该平面投影;逐次寻找投影多边形中夹角最小的对应空间边界点作为网格生长点进行修补,直至新增的三角网格覆盖原有的孔洞;以孔洞边界周围的网格顶点作为采样点,对新增的孔洞网格顶点位置进行最小二乘拟合调整,以实现孔洞的准确修补。通过实例验证,说明该方法具有较好的孔洞修补精度和稳定性。     

基于径向基函数的多种类型孔洞修补算法研究

利用径向基函数对散乱数据点进行曲面重建受到越来越多学者的关注,并被应用于解决网格模型中的孔洞修补问题。本文在实现径向基函数对简单孔洞进行修补的基础上,进一步研究了对多种类型孔洞的修补问题,提出了统一的修补算法:首先利用填充算法对孔洞进行填充,然后使用径向基函数建立孔洞区域的隐式曲面,最后将新增加的三角片顶点调整到建立的隐式曲面上,并给出了修补结果的优化处理。实例证明,该算法适用性好,对不同类型孔洞的修补效果理想。     

保持尖锐特征的多边形网格模型孔洞修补方法研究

针对由点云数据重建得到的多边形网格模型存在孔洞的问题,提出了一种保持尖锐特征的多边形网格模型孔洞修补算法.首先,利用基于径向基函数的插补方法获得能够近似地逼近孔洞区域的光滑隐式曲面.然后,利用正则化匹配算法对该隐式曲面进行三角化,完成孔洞填充曲面片与原始模型的孔洞边界的缝合.最后,针对孔洞边界存在尖锐特征进行特征增强处理.实验结果证明,该算法对多边形网格模型的孔洞修补取得良好效果,并能够有效地恢复孔洞区域包含的尖锐特征.     

三角网格简化的一种新方法——抽取算法

介绍曲面重构中有效减少三角曲面片的方法——抽取算法,这种算法使用网格顶点的局部几何拓扑特性,改变网格顶点到特征边的距离以及特征边之间的角度,在三角网格上产生位移,减少三角网格的数目;删除网格顶点而产生的“拓扑洞”由局部三角化来修补。     

基于RBF神经网络的曲面数据修补研究

径向基函数(RBF)神经网络具有良好的泛函逼近能力,主要探讨了将RBF神经网络应用于残缺曲面数据修补问题,通过建立适于数据修补的网络模型与采用levenberg-marquardt算法的改进型BP神经网络进行性能比较.结果表明:RBF在进行残缺数据修补时网络收敛速度快于BP神经网络,且修补精度高,适宜于曲面残缺数据的修补.     

基于RBF通过样件外形反求天线罩模具复杂曲面的方法

通过天线罩样件的外形数据,结合天线罩制造过程中的变形数据,反求天线罩模具复杂曲面.RBF神经网络具有很强的非线性逼近能力,模具曲面的重构精度高并且网络训练速度快.将RBF网络输出数据输入到CITIA的数字曲面编辑器对模具曲面进行造型,该方法具有很高的实用推广价值.     

G1连续三角Bézier曲面模型快速生成算法

提出一种由三角网格曲面构造 G1连续三角Bézier曲面算法,该算法基于三角网格曲面动态空间索引结构获取网格顶点的局部型面参考数据,根据三角平面片局部型面参考数据构造三次三角Bézier曲面片,将三次三角Bézier曲面片升阶到五次,解决了五次三角Bézier曲面片G1拼接时的约束几何条件冲突问题,生成了整体G1连续的三角Bézier曲面,实例证明算法数据适应性强,可快速准确生成G1连续的三角Bézier曲面.     

面向3D打印的三角网格模型高质量细分

为了提高3D打印中三角网格模型的精度和光滑度,提出一种基于局部曲面逼近的特征保持的三角网格模型细分算法。首先计算三角网格模型中每个顶点的高斯曲率,以高斯曲率为权值计算每个三角形中的新增细分点;然后对新增点的邻域进行特征保持的多元L_1中值曲面表示并得到新增点在该曲面表示中的空间位置;最后将新增点移至该位置处,从而完成模型高质量的细分处理。该算法有效提高了原始三角网格模型精度和光滑度的同时,还有效保持了原始的几何特征。实验结果表明了算法的有效性。     

不规则多孔零件的通用匹配算法研究

汽车工业存在大量形状各异的带孔零件,针对不规则多孔零件的模板匹配,提出了一种基于特征三角形的快速模板匹配算法。利用面积特征和距离特征选取匹配孔,采用限定的最小二乘法圆拟合计算匹配孔的精准圆心构建特征三角形;根据三角形的旋转不变性和平移不变性,利用特征三角形提取匹配中心和匹配角进行仿射变换,实现零件的模板匹配和配准。实验结果表明,该模板匹配算法适用于不同孔数的零件,对零件变形的宽容度较高,且不易受匹配孔部分缺失、粘连等缺陷的影响,匹配速度快,可以达到工业零件缺陷检测的要求。     

基于节点通信能力分布图分析的无线传感器网络能量洞定位方法

针对无线传感器网络中局部高流量通信任务导致随机出现的能量洞对网络寿命造成严重影响的问题,提出了一种基于节点通信能力分布图小波分析的能量洞定位算法。算法通过对网络通信能力分布图进行小波变换,基于最低频子带LL1标准差σ对网络是否出现能量洞进行判别,在此基础上对二值化的LL1进行哈夫变换,以确定网络内能量洞的具体位置及几何尺寸。通过仿真实验表明,提出的能量洞定位算法对不同位置、不同几何尺寸的随机出现能量洞,均具有较为理想的定位能力。     

基于无网格局部Petrov-Galerkin法的曲面修复算法

针对三维残缺数据曲面重构的困难,提出残缺点云或有孔洞网格曲面数据修复的新算法,该方法通过拟合进行曲面重构,大大减小了边界节点误差的影响;同时采用基于板壳理论的无网格法,使孔洞曲面修复更光滑,尤其可以更真实地修补出锻压制造的薄板零件.首先应用移动最小二乘法插值对残缺点云进行边界提取,然后给出逐层节点布置算法,最后应用基于最小势能原理的无网格法进行曲面修复,并将通常无网格法中积分圆域改进为多边形域.编写相应程序,经简单二次曲面缺损网格修补验证算法的有效性,结果分析表明误差很小,曲面修复结果理想.为进一步证明算法实用性,对实际薄壳产品的孔洞进行算法应用,修补效果理想.     

反求工程中复杂多面体模型的网格简化算法

提出一种新的基于顶点删除准则的多面体模型简化算法.该算法使用局部几何和拓扑特征移去满足简化标准的顶点,并对移去顶点后产生的空洞进行剖分区域划分,进而分别进行局部三角化.算法实现简单、速度快,能够有效处理高斯曲率近于零而平均曲率较大的网格,解决了以往一些算法对此根本不能进行简化的问题.实验表明,该算法可以简化具有复杂拓扑结构的网格模型,适用于在反求工程中获得的以重构精度为主要目标的多面体模型的简化.     

基于RBF网络的冗余扫查机器人逆运动学研究

利用径向基函数（RBF）神经网络逼近能力较优和收敛速度较快的特点将运动学逆解过程转换为神经网络权值的训练过程。在训练RBF网络时，采用正交最小二乘（OLS）算法来确定网络中心，并将正解结果作为训练样本，实现了冗余扫查机器人运动学逆解的计算，避免了传统方法的繁琐公式推导及数值病态问题。     

基于径向基函数神经网络的压电式六维力传感器解耦算法

针对四点支撑结构的压电式六维力传感器线性度差,维间耦合严重的问题,提出了基于径向基函数(RBF)神经网络的解耦算法。分析了耦合产生的主要原因,建立了RBF神经网络模型。通过对六维力传感器进行标定实验获取解耦所需的实验数据,并对实验数据进行处理。然后采用RBF神经网络优化传感器输出系统的多维非线性解耦算法,解耦出传感器的输入输出映射关系,得到解耦后的传感器输出数据。对传感器解耦后的数据分析表明:采用RBF神经网络的解耦算法得到的最大Ⅰ类误差和Ⅱ类误差分别为1.29%、1.56%。结果显示:采用RBF神经网络的解耦算法,能够更加有效地减小传感器的Ⅰ类误差和Ⅱ类误差,满足了传感器两类误差指标均低于2%的要求。该算法有效地提高了传感器的测量精度,基本解决了传感器解耦困难的难题,     

基于卷积神经网络的制孔出口毛刺预测方法

受深度学习理论的启发,对使用卷积神经网络预测航空装配制孔质量进行研究。以工艺参数(制孔转速、进给、每转进给)与主轴电流信号为网络输入,以制孔出口毛刺高度为预测目标,在实验基础上,分析了激活函数、目标优化算法、卷积核个数、卷积层层数、卷积窗口大小和学习率等对制孔出口毛刺卷积神经网络预测模型的影响,并通过启发式算法确定了最优的网络设置。研究结果表明,制孔出口毛刺预测平均相对误差为9.34%,实验集测试预测相对误差在15%以内,优于传统理论建模30%左右的预测相对误差。