基于RBF神经网络的复杂曲面反求数据修补

复杂曲面反求过程中,原始数据的缺损直接影响3D网格模型逼近目标曲面的精度。介绍了基于RBF神经网络开发的复杂曲面反求数据自动修补系统,应用以Matlab为平台开发的仿真模块对数据修补过程进行了仿真。结合曲面反求设计实例对基于RBF神经网络的数据修补系统进行了实验验证和分析,获得良好的效果。     

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.     

具有复杂形状内腔的斗齿零件的曲面重构技术研究

为获取外形不规则且具有复杂形状内腔的挖掘机斗齿形状、尺寸等数字信息,基于实物反求工程技术路线,对其进行逆向设计曲面重构技术研究.对曲面反求过程中的数据采集、对齐点云、数据分割及曲面重构等环节有系统的分析总结,对型面数量多的斗齿点云进行了有效的数据分割,提出了基于零件结构特征的直接交互式点云分割法,且反求得到的斗齿曲面精度满足要求,该方法对复杂内型面零件的反求有一定的借鉴作用.     

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.     

复杂散乱点重构方法的研究与实现

复杂散乱点重构技术历来是实物逆向工程中的关键技术.在深入分析现有经典的重构方法基础上,提出了一种基于三角域上改进的NURBS曲面重构方法.在复杂散乱点上进行基于Delaunay的三角刨分并重构出品质优良的Bezier曲面,然后在它的约束下完成NURBS曲面的二次重构.开发了复杂散乱点重构模块FastForm,并以IGES作为数据通讯接口搭建了一个实现反求全过程的反求平台,通过电话听筒实例验证了该反求系统的实效性.     

基于RBF神经网络的三角网格曲面孔洞修补

针对由测量数据重建得到的三角网格曲面存在孔洞的问题,提出了一种基于径向基函数(RBF)神经网络的修补方法.该方法首先检测出孔洞,通过对孔洞特征多边形实施三角化获得新增三角片顶点;在孔洞边界周围采集三角片顶点,将其作为样本点集来训练RBF网络;将训练好的RBF网络用于新增三角片顶点坐标的优化,最终实现孔洞的修补.修补实例表明,该算法对流形曲面上封闭孔洞的修补精度较高,修补效果良好.     

基于三坐标测量机的复杂曲面的逆向工程技术与实践

分析了基于三坐标测量机的复杂曲面反求过程,探讨了复杂曲面数字化过程中数据获取的方法、测量数据处理技术和曲面重构技术。     

RBF神经网络在斗齿散乱点云漏洞修补中的应用

为了获得精确而完整的斗齿三维点云模型,研究了基于三维扫描仪测量的斗齿自然点云漏洞的修补方法。应用RBF神经网络重点对于逆向软件难以修补的大面积自然漏洞和跨面漏洞进行了修补研究,取得了成功;并将其修补结果与采用逆向软件的修补结果进行了对比。结果表明:应用RBF算法对斗齿散乱点云漏洞的修补效果要远好于应用逆向软件修补的结果,证明了RBF神经网络算法在斗齿散乱点云自然漏洞修补中的实用性;解决了工程实际中几种具有复杂内腔及外形斗齿的逆向点云数据修补的实际问题,为后续采用"点云-曲面-实体模型"逆向策略来获取这些斗齿的设计数据提供了可靠依据。就漏洞修补处理过程中的关键环节和要点进行了扼要说明。     

反求工程技术在复杂曲面重构系统中的应用

论述了针对注塑零件复杂曲面的反求设计,提出运用CCD白光光栅非接触工业相机采集点云数据,将点云数据加载到Geometric软件中,利用NURBS曲面重构方法和插值算法,进行点云数据筛选,构造点云特征网格和曲面拟合,得到点云曲面的三维重构.实践证明,基于Geometric系统的NURBS曲面重构方法,在复杂曲面为原型实体重构的反求设计中具有理想的应用价值.