三维模型特征识别中的神经网络方法

将神经网络方法运用到三维模型的特征识别问题是一种新的尝试，对于用神经网络解决拓扑性的、不易被形式化的这类问题具有积极意义。本文综述了近10年来各种基于神经网络的三维模型特征识别技术，介绍并分析了三维模型拓扑数据的矢量化方法、不同神经网络模型的识别算法，以及基于层分解技术的特征自组织识别等，可帮助相关领域的研究人员较为完整地了解该领域的研究成果和发展方向。     

逆向工程中基于属性邻接图的加工特征识别

为了提供逆向工程系统和CAx系统集成的直接通道,提出了针对点云数据建立属性邻接图的算法,并利用属性邻接图实现加工特征自动识别.首先利用模糊c-均值聚类方法对点云进行分区,将分区后的面片进行曲面类型判别和几何参数提取.设计了建立面片之间邻接关系和判断相邻面片之间凸凹性的算法,从而建立零件的属性邻接图;对零件的属性邻接图进行分解,遍历分解后的子图形成特征子图,将特征子图与特征规则相匹配,从而实现加工特征自动识别.实验结果证明了该算法的有效性.     

逆向工程约束识别及归约处理

基于特征约束建模的思想就是从测量数据中提取出特征参数,并推断出特征之间的约束关系,从而实现设计意图的重现,进行再设计,实现产品的创新。本文研究了逆向工程中截面轮廓特征和规则二次曲面特征约束自动识别方法,在测量阶段对一些较为简单的约束进行初步识别,然后利用预定的域值参数识别特征元之间的关系,并对识别得到的约束进行合并归约处理,尽量得到原模型的全部特征间的约束,以建立完备的逆向工程特征约束模型。     

逆向工程中一种基于点云的制造特征识别方法

针对点云识别制造特征可以为逆向工程系统和CAX系统集成提供一个直接通道。利用特征组成面集及其之间的约束关系进行制造特征识别。首先利用模糊c-均值聚类方法对点云进行分区,利用分区过程中得到的隶属度找出面片的邻接关系,对分片点云进行曲面类型判别,利用最小二乘法进行平面或二次曲面的几何参数提取,对选取的面片进行平行、垂直、相切、凸凹等约束关系判别,与预先定义的特征规则相匹配,从而实现制造特征识别。实例验证了本文算法的有效性。     

逆向工程在三维实体检测中的应用

为了检验模具的精度是否达到设计要求,提出了运用逆向工程对产品实施检测,从三维数据测量、数据处理、三维模型重构、性能分析等方面介绍了逆向工程的关键技术的在三维实体中的检测应用。逆向工程是一种先进的技术,经实际生产验证,取得了良好的效果。     

在逆向工程中用神经网络技术实现自由曲面的重建

现有自由曲面的重建和还原制造是整个逆向工程中最关键的技术。当某些表面被部分损坏或者曲面模型不甚完整时,这些技术就显得非常有用。为了能在现有自由曲面基础上建立模型,首先用坐标测量机或激光扫描仪获取数字值,随后,将这些数据用于转换成模型。本文叙述以神经网络逼近方法用计算机重建模型再现已有自由曲面及制造加工这些曲面。在这里,我们设计了三个四层神经网络并使用误差反向传播法（ＢＰ）来训练网络。     

基于多尺度分析的逆向工程截面线特征分割

为解决基于截面线特征重构中,初等曲线特征元和次要曲线特征元的分割问题,提出一种将多尺度分析与特征识别相结合的逆向工程特征分割方法.采用曲率尺度空间,实现截面线的多尺度分析和特征检测;利用相对转角法,实现单尺度特征融合;基于多尺度间信息传递和融合的多尺度特征融合算法获得多尺度特征集成.用多尺度曲率分析代替传统单一尺度逆向工程截面线分析,保证了特征分割结果,以及与基于特征设计和建模的特征元的一致性.合成复合曲线和实际扫描截面线的实例表明,提出的方法可以有效地实现逆向工程截面线多尺度特征分割.     

神经网络在语义特征造型中的应用

相交特征识别是特征造型领域的一个难于解决的问题,成为CAD/CAM系统的一个瓶颈。神经网络的智能性和并行性使它成为相交特征识别的最新方法。在利用语义特征的扩展型面邻接图表达方法基础上,运用神经网络识别技术,提出并实现了相交特征的自识别技术,从而为相交特征识别提出了一种新的有效方法。     

基于神经网络的多特征融合刀具磨损量识别

采用切削力信号监测钻削过程钻头的磨损量 ,分别从时域、频域提取了切削力信号的均值、方差、峭度系数和特定频段能量作为刀具磨损的特征信号 ,讨论了特征信号随着刀具磨损量增加的变化规律 ,并将各个特征信号构成的特征矢量输入多层反传神经网络进行融合 ,实现钻削过程刀具磨损量的智能识别。试验结果表明该方法能有效实现多特征融合 ,但识别精度和推广能力有待进一步提高     

三维模型特征识别中的分割与编码算法

三维模型特征识别是CIMS中的关键技术之一，用神经网络法解决三维模型的特征识别问题，具有鲁棒性，多重解释，根据例子学习、识别速度较快等许多优势势，基于凹凸变化产生特征的思想，根据底面、凹点、凹边等线索，对三维模型模型进行了合理的分割，找出三维模型特征可能存在的区域，并对该特征区域进行编码，将三维模型的拓扑信息，几休信息转化为神经网络能够处理的矢量数据，最后，再利用人工神经网络的学习与识别能力识别出模型的特征。     

Geometric Feature Recognition for Reverse Engineering using Neural Networks

1. Point data reduction module. 2. Edge detection module. 3. ANN-based feature recogniser. 4. Feature extraction modules. This approach was validated with a variety of real industrial components. The test results show that the developed feature-based RE application proved to be suitable for reconstructing prismatic features such as blocks, pockets, steps, slots, holes, and bosses, which are very common in mechanical engineering products. An example is presented to validate this approach.     

基于特征的逆向工程技术

反求实物CAD模型的逆向工程发展很快,并形成了不同的几大类方法:基于边的方法、基于面的方法和基于特征的方法。基于特征的逆向工程方法是研究中的热点。主要研究了在ACIS几何平台上由散乱测量点重构几何特征模型的方法;给出了基于特征的逆向工程系统框架;论述了反求建模的关键技术。     

制造领域中反向工程曲面推理的神经网络法

将神经网络技术用于制造领域中反向工程曲面的推理,建立了神经网络计算模型。使用神经网络方法推理实体表面的突出优点是不需要表面知识,只需要测得表面的有限点数即可,网络将学习参数变量之间的组合关系,推断出曲面的函数形式,计算出未知坐标点的值,避免了许多的人为假设和繁杂的数学计算,体现出一种智能推理过程。本文列举了有关推理实例,包括初等解析曲面和自由曲面,从理论和实际计算证明了这种方法的可行性和有效性。结果表明,神经网络对于反向工程曲面的推理是一种非常好的辅助分析手段。这对于复杂的、不完整的、部分磨损或损坏的实体表面具有实际用途。     

基于BP神经网络的磨粒特征识别系统设计

提高铁谱磨粒识别能力是加强铁谱分析技术的重要手段,神经网络技术的不断普及为铁谱磨粒识别能力的提高带来了新的思路。对神经网络系统的基本原理和BP学习算法进行了叙述,并探讨了基于BP算法的磨粒特征识别系统的设计。     

反求工程中过渡曲面特征提取算法研究

针对反求工程中常见的过渡曲面特征，提出了一种过渡曲面特征的提取算法。该算法包括数据分块和过渡曲面参数提取两部分，在数据分块算法中，通过数据精简，曲率估算和曲率比较等步骤，将过渡区域的数据点从原努点云数据中分离出来，在过渡曲面参数提取算法中，通过圆柱拟合和过渡区域跟踪算法，计算出一系列过渡曲面的截面线，该算法和已有的过渡曲面特征提取算法相比，无需人工交互，而且适用于等半径过渡曲面特征和变半径过渡曲面特征。     

面向反求工程的特征识别技术的研究与实现

论述了基于层析数据的面向反求工程的特征识别技术及实现方案。其特征识别过程分 2步进行 ,即层轮廓线特征识别和相邻层轮廓匹配。依据曲率及曲率的变化规律确定轮廓特征点和线段组成 ;引入轮廓编码技术、相邻轮廓变化域以及截面面积、形心、惯性矩等参数完成相邻轮廓的匹配。采用分段特征识别的方法构造特征体素 ,用CSG和B Rep混和建模方法构造三维CAD模型。     

工程扫描图中字符识别方法的研究

在分析BP神经网络学习算法的基础上,提出一种基于自适应步长的神经网络分类器,用于工程扫描图中字符的识别。实验证明,该系统具有很强的自学习、自适应能力和良好的抗噪性能,识别精度较高,为进一步研究工程扫描图中字符识别问题提供了一种有效的途径和方法。