一种基于CT图像反求技术的实体几何造型方法

基于 CT图像的反求是反求工程中的重要内容 ,由 CT图像反求重建出的表面模型只包含了表面几何信息 ,而实体几何模型具有完备的几何和拓扑信息。针对 CAD造型系统中实体模型的特点 ,本文提出一种基于 CT图像反求技术的实体几何造型方法。应用 CT图像反求技术重建出物体的三维表面模型 ,在重建出的拟合曲面三角片序列的基础上 ,采用半边结构来表达重建的表面模型 ,并将该过程作为本研究所开发的特征造型原型系统 3D-Modeler2 .0中的一种造型方法     

反求工程技术在机械产品设计中的应用

对机械产品的反求过程进行了系统分析,对反求三维测量、利用反求软件进行曲面重构、及三维造型等反求工程中的关键技术阶段进行了详细的探讨。     

单螺杆的测量造型问题和处理方法

测量这型的技术反求是加快新产品开发的重要手段，结合单螺杆的测量造型和技术反求的经验，介绍测量造型和技术反求中的有关问题和处理方法，并给出了一个对自由曲线和自由曲面测量数据进行测头半径补偿修正的较为准确和实用的处理方法。     

BP神经网络在复杂曲线曲面反求中的应用研究

介绍BP神经网络的结构与学习算法,建立用于复杂曲线、曲面反求的BP神经网络模型,论述模型建立的步骤与原则方法,阐述利用所建立的模型对曲线、曲面进行反求的实施过程.实验研究表明,该方法能够较好地实现复杂曲线、曲面的反求,并具有一定的容错能力.最后简要介绍该方法的不足之处.     

基于少量测量数据的复杂曲面重构

研究了少量测量数据情况下的复杂曲面反求技术,给出亍曲面重构的具体实案.以叶轮为例,介绍了复杂曲面重构中的数据采集、三维造型和误差检测、修正的方法,解决了反求工程中少量点曲面重构的技术难点.     

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.     

基于ImageWare的逆向工程技术

介绍了逆向工程的概念、特点及工作流程,通过话筒的反求设计阐述了用ImageWare对点云数据进行数据处理、曲面重建及造型的过程.介绍了由大量数据点进行曲线、曲面反求的设计方法,研究表明ImageWare在逆向工程技术中的应用具有重大的意义.     

采用轮廓识别法实现零件曲面重构

线性曲面反求算法的目的是根据原始数据点云反求得到能够正确反映原零件拓扑结构的线性曲面模型。该反求算法的核心思想是构造一个空间函数 ,该函数近似表示三维空间上任一点到所求曲面的距离 ,然后通过轮廓识别算法 ,可以由这个函数提取反求曲面的一个线性近似。本文所阐述的线性曲面反求算法结合网格优化算法可由原始数据点云 ,反求得到一个精确而简洁的具有任意拓扑类型的零件线性曲面。     

基于UG二次开发的点云数据曲面建模

点云数据的曲面建模是反求建模的核心技术之一。针对三坐标测量的点云数据,利用VC强大的数据处理能力和UG出色的曲面造型功能,开发了基于UG/Open API的曲面造型插件。该插件集中了数据预处理功能和曲线曲面建模功能,数据预处理主要包括噪声处理、曲面扩展及数据平滑。经验证,该方法建模速度快、精度高、适应性好。     

基于UG二次开发的点云数据曲面建模

点云数据的曲面建模是反求建模的核心技术之一。针对三坐标测量的点云数据,利用VC强大的数据处理能力和UG出色的曲面造型功能,开发了基于UG／OpenAPI的曲面造型插件。该插件集中了数据预处理功能和曲线曲面建模功能,数据预处理主要包括噪声处理、曲面扩展及数据平滑。经验证,该方法建模速度快、精度高、适应性好。     

基于小波能量熵与二维Zernike矩的IC芯片表面微观不平度图像检测技术研究

在IC芯片制造检测过程中,需要完整而准确地对芯片表面形貌进行检测。针对IC芯片表面形貌检测的要求,提出了基于小波能量熵与二维Zernike矩的芯片表面微观不平度图像检测技术,并运用于高精度要求的计算机芯片图像处理工作中。通过对获得的芯片显微图像进行小波变换并求取信息熵图像的基础上,建立二维Zernike矩与采用BP神经网络进行芯片表面不平度的识别与评定。编程实验证明,采用本方法可准确对IC芯片表面微观不平度进行等级评定。     

遗传算法在电流变传动系统建模中的应用

在双圆盘电流变传动系统的建模过程中,通过在常用于系统识别的神经网络BP算法中加入基于生命进化原理的遗传算法改变神经算法的物理意义和性能。建模过程和结果表明,此种方法不仅能改进BP算法的效率,并且,两种算法的结合使算法本身具有了一定的物理意义,而这种意义是由电流变液的记忆功能所确定的。     

链条自动润滑装置的神经网络辨识及性能预测研究

提出了应用神经网络训练和数字化仿真技术相结合的方法对摩托车链条自动润滑装置进行系统建模与性能预测研究。针对反向传播前馈BP网络收敛速度慢和容易陷入局部极值的问题,采用L-M优化计算的方法,设计了4输入1输出三层25个神经元的摩托车链条自动润滑装置BP网络模型。仿真结果表明,该网络不仅能够很好地预测输入变化时系统的性能,而且可以分析当系统的结构参数改变时系统的动态性能,为系统的建模、分析和变参数设计带来了极大的方便,有利于降低产品的开发成本和设计的盲目性。     

机器人柔顺力控装置研究

机器人自动化抛光过程中,工具与工件间的接触力控制尤为重要.基于主动柔顺控制的原理,提出了面向工业机器人的柔顺力控装置及控制方法.进行了系统的结构设计和动力学建模,基于BP神经网络PID算法,设计了该柔顺力控装置的自适应控制策略.最后进行力控跟踪实验,实验结果表明,柔顺力控装置能够保证打磨过程中工件与工具之间的接触力恒定...     

磁流变阻尼器动力性能测试与建模

建立磁流变阻尼器精确的力学模型是进行磁流变阻尼减振结构反应分析与设计并取得良好振动控制效果的一个重要前提。首先,对一个最大出力为10kN的磁流变阻尼器进行动力性能测试;其次,基于试验结果分别建立该阻尼器的参数化与非参数化动力学模型,并对所建立模型的有效性进行验证;最后,对两种不同建模方式的结果进行对比分析。结果表明,建立的参数化模型——双曲正切滞回模型能够有效地描述磁流变阻尼器的动力特性;非参数化模型——反向传播(back propagation,简称BP)神经网络正向、逆向力学模型具有良好的训练样本拟合度、泛化能力和抗噪性能;在试验数据拟合度上,BP神经网络模型要好于双曲正切滞回模型,但后者阻尼力表达式形式简单,更易于程序化。     

基于彩色CCD的火焰温度检测算法研究

本文分析了彩色CCD摄像机测量机理,建立了由火焰图像求取燃烧温度场的数学模型,推导和分析了相应的三色温度测量模型,论述了图像噪声的滤除方法,分析了目前较先进的BP神经网络测温误差大的原因,并提出一种新的基于比值输入的BP神经网络法来计算温度。实验证明,该算法具有较高的计算精度和实用性。     

基于神经网络和不变矩的路面破损图像识别

提出了一种应用BP神经网络识别沥青路面破损图像的图像分割方法.将路面图像等分,用灰度方差值描述子块图像特征,利用BP神经网络对子块图像进行模式分类,并将图像子块模式矩阵的不变矩作为图像的整体特征,在此基础上设计了基于全局优化算法的前馈神经网络分类器,并进行了图像识别试验,对二值图像进行特征提取,提出了学习算法,以加快收敛速度,从而实现图像识别.     

基于BP神经网络的数显仪表动态字符识别系统

在化工、冶金等行业以及较为恶劣的环境场合下进行仪表数据的自动化采集,需要对仪表显示的动态数据进行自动识别,以判断是否满足控制条件。因此根据数字仪表图像的特点,运用区域生长算法定位仪表图像中的数据区域,并取得理想的效果,采用投影法对字符串进行分割,最后应用BP神经网络法进行分类识别数字字符,实验结果表明,其正确识别率达到96%。     

基于BP神经网络的铁谱磨粒图像识别方法研究

在磨粒识别过程中,铁谱磨粒图像预处理和特征参数提取是关键。应用图像形态学的处理方法对磨粒图像进行预处理,结果表明,利用开运算、闭运算的图像形态学处理方法对铁谱磨粒图像进行预处理,可以消除图像二值化后留下的孤立小碎点、孔洞以及边界断点。通过磨粒图像的统计特征参数和傅里叶特征参数建立BP神经网络,并对磨粒进行识别,结果表明:采用该方法能正确识别磨粒图像,辨别磨损机制。