基于NURBS的复杂扭变曲面空间光顺研究

阐述了一种曲面空间光顺的方法 采用NURBS(非均匀有理B样条 )方法对空间曲面进行定义 ,把扭变曲面在空间分割成小块曲面片 ,直达到分割的精度要求 ,从而避免了由二维定义到三维映射转换的误差 利用NURBS方法求解小块曲面片控制矩阵和控制点 ,通过重新定义曲面片的权因子和控制点来对曲面局部形状进行修整 ,从而使曲面在空间的光顺性得到保证 此方法应用于风机叶片的扭变曲面以及相关曲面 ,得到了理想的光顺效果 ,是一种比较实用的光顺方法     

基于散乱点云数据的曲面重构方法

散乱点云的三维重构有广阔的应用前景,通用高效的重构算法是研究重点之一,目前大多采用三角面片重构,与通用CAD/CAM系统中的四边域重构不兼容。本文提出一种在三角域上对散乱点云数据进行NURBS曲面重构的方法,结合了三角面片重构的灵活性与NURBS曲面重构的通用性。首先对测量点     

基于逆向工程的翻领成型器工作曲面快速测量及重构

根据逆向工程的思路，针对翻领成型器工作曲面的特点，用B样条曲线拟合工作曲面的上下边界曲线，然后利用单线性面插值重构出整个工作曲面。在拟合边界曲线时。先利用结构光方法快速测量得到数据反求出B样条曲线的控制多边形，然后通过B样条控制多边形求出完整的边界曲线。     

基于NURBS的复杂扭变曲面空间光顺研究

阐述了一种曲面空间光顺的方法。采用NURBS（非均匀有理B样条）方法对空间曲面进行定义，把扭变曲面在空间分割成小块曲面片，地达到分割的精度要求，从而避免了由二维定义到三维映射转换的误差。利用NURBS方法求解小块曲面片控制矩阵和控制点，通过重新定义曲面片的权因子和控制点来对曲面局部形状进行修剪，从而使曲面在空间的光顺性得到保证。此方法应用于风机叶片的扭变曲面以及相关曲面，得到了理想的光顺效果，是一种比较实用的光顺方法。     

寻找三维散乱数据点拓扑结构的一种算法

以三维坐标测量机测量得到的曲面数据点点云为基础，提出了一种基于包围盒的自动寻找三维散乱数据点之间拓扑结构的算法。该方法根据三维点集的分布特点，将实体表面的采样点分布到正六面体包围盒中，利用包围盒空间分割原理，建立点集之间的拓扑结构关系，并根据采样点密度，剔除噪声点，提高了曲面重建的准确性。     

基于节点插入原理的大规模散乱数据插值

在讨论双三次B样条曲面的构造算法和节点插入原理的基础上,提出了应用节点插入原理的、基于多层B样条的大规模散乱数据的插值方法,它具有精度高、速度快的特点,适合于要求严格的大规模散乱数据的可视化处理,已经在电子海图系统的三维特性的研究中得到成功应用。     

散乱数据曲面重建的自然样条细分法

在仔细分析了散乱数据带连续边界条件的多项式样条插值与散乱数据自然样条插值方法后,结合两种方法的优点,得到了一种进行大规模散乱数据曲面重建的自然样条细分方法。该方法的实现较为简单,可以根据需要灵活地构造出满足不同光滑条件的散乱数据重建曲面。仿真实验结果说明了该方法是有效的。     

基于点云和设计模型的仿真模型快速重构方法

随着产品装配质量要求的不断提高,为了在CAD模型仿真试验中快速且准确地表达零件实际加工质量,提出基于点云和设计模型的仿真模型快速重构方法. 采用“一面两孔配准”方法,将零件实测点云数据配准到设计模型上;根据设计模型边界提取出曲面重构所需的控制顶点;采用非均匀有理B样条（NURBS）方法对控制顶点进行曲面拟合;根据仿真需求,结合边界表示法（BREP）和构造实体表示法（CSG）实现模型表面的局部和快速替换. 在CATIA中开发基于实测点云数据和设计模型的仿真模型快速重构模块,和基于可拓展标记语言（XML）和特征完全匹配的数字预装配模块. 以某航空企业典型零件和舱门预装配为例,验证该方法的重构精度和效率及其在预装配仿真中的高效性和准确性.     

逆向工程中基于Pro/Scan-tools的自由曲面重构

采用Pro/Engineer2000i软件的Pro/Scan-tools模块，在逆向工程中进行自由曲面的重构。描述了Pro/Scan-tools能够识别的数据格式，并详细介绍了根据测量数据逐步生成扫描曲线、型值曲线、型值曲面，最终形成光滑曲面的方法。通过实验证明，这种方法方便可行，能够快速地生成重构的曲面。     

算法改进的自组织神经网络曲面重构

为提高神经网络法三角网格曲面重构的效率,提出自组织神经网络算法与模糊聚类算法相结合的 改进算法．应用改进算法对大规模散乱点云曲面及花瓶实例进行了网络训练及三角网格重建,在初次网络训 练收敛后,加入模糊聚类计算模块,由模糊聚类算法中隶属度计算来确定输入样本是否可用．与自组织神经 网络算法训练特性进行了比较,结果表明：改进后算法避免了以往算法的重复循环,减少了计算量,加快了网 络训练收敛速度和三角网格曲面重构的速度,仿真重构结果表明：改进后的自组织神经网络算法可实现不同 疏密程度的三角网格曲面重建,并可在保持原数据特征的前提下实现数据精简,较通常算法收敛速度快     

基于神经网络的NURBS曲线插补改进研究

本文介绍了NURBS曲线的插补特点,针对复杂曲线在NURBS曲线插补中求导误差大、计算复杂等问题,应用BP神经网络进行NURBS曲线插补方法的优化。然后通过实例验证,表明了使用该方法可以满足所要求的插补精度,而且由于插补前先进行了参数u的预估,插补速率得以提高。     

基于人工神经网络集成的微阵列数据分类

基因数量远多于样本数量是基因表达微阵列数据进行疾病诊断所面临的主要挑战，为此提出了采用人工神经网络集成的组织分类方法．该方法使用Wilcoxon测试选择用于与分类相关性较高的重要基因，通过凸伪数据法产生神经网络集成中各个体的训练集，用简单平均法集成网络个体的测试结果．采用实际的微阵列实验数据集分别进行独立测试和交叉验证测试，结果表明，该方法性能优于单个神经网络、最近邻法和决策树．受试者特征曲线测试表明，神经网络集成性能优于单个神经网络．     

基于人工神经网络响应面技术的多学科优化方法研究及应用

在常用的非层次型多学科综合优化算法基础上,提出了基于神经网络响应面多学科优化算法(ANNMDO),是一种二级结构优化方法,子学科在优化时只需满足本学科的局部约束,学科层优化目标是使该学科优化设计方案与系统层提供的目标方案差异最小,系统层提供一种协调各个学科优化结果冲突机制,并且所需学科层信息通过神经网络响应面获取.最后将协同优化算法(CO)、并行子空间优化算法(CSSO)、ANNMDO算法应用于齿轮减速箱算例,验证了本文算法的高效性.     

基于神经优化的最大熵图像重建算法

提出了一种基于Ｈｏｐｆｉｅｌｄ神经网络优化的图像重建算法。将图像重建问题转化为ＨＮＮ优化问题,取重建图像熵函数最大以及原始投影与再投影之间的误差平方和最小作为图像重建的优化目标,作为能量函数构造连续型ＨＮＮ模型,由ＨＮＮ能量函数极小化可得到重建问题的优化解。     

三维稀疏散乱点集的直接三角剖分新方法

给出一种三维稀疏散乱点集在三维空间直接进行三角剖分的新方法——在形成初始三角形后对它周围的离散点循环三角化．通过在剖分过程中引入两相邻三角形的最小夹角、最优点搜索半径系数和最小张角这三个剖分参数,实现了任意三维稀疏散乱点集的完全剖分以及非封闭自由曲面边界的自动识别．针对某些特殊复杂曲面上稀疏散乱点集的剖分问题提出了“分部剖分”思想：根据曲面的特征在不同区域设置不同的剖分参数．实例表明,这种直接剖分方法能有效处理任意多连通封闭和非封闭自由曲面上的稀疏散乱点集的三角剖分问题．     

面向NURBS曲线构建的切片技术研究

激光点云数据NURBS曲线曲面重构一般采用参数化方法时,要求数据点是按照特殊规则排列的,即链式曲线和曲面网格.如果被测点是不规则空间排列,运用参数化方法会非常困难,拟合曲面可能会扭曲的很厉害.针对该问题,本文利用切片技术对散乱点进行曲线重建,首先采用曲率分析方法确定切片方向,然后以一定厚度的一系列平行平面与点云求交,对"相交点集"排序,再由参数化方法进行NURBS曲线重构.经实验验证,该方法在NURBS曲线重构中具有高效率性和计算稳定性.     

基于小波变换的船体NURBS曲面光顺方法研究

根据大量的船体型值点,如何有效地建构出光顺的船体曲面是逆向工程中的一个关键问题,而船体曲线曲面光顺又是船舶型线设计的重点和难点.针对船舶型线的设计特点,研究定义了船体曲面的光顺准则;针对船体曲面的复杂性,引入NURBS的k、l次有理基函数Ri,k(u)、Rj,l(υ)作为小波尺度函数,采用小波变换作为曲面光顺方法,利用高亮线检验曲面光顺性;最后通过实例证明了该方法的有效性和合理性.     

基于神经网络的被测量重构方法研究

提出了基于神经网络的被测量重构方法 ;针对神经网络中误差反向传播算法收敛速度慢的问题对目标函数等三方面进行了改进 ,将改进的多层前向网络、误差反向传播算法用于被测量重构。在实际的测量系统中 ,进行了仿真研究 ,结果表明 ,神经网络用于被测量重构 ,方法是可行的 ;解决了重构之前建立数学模型问题和多影响量情况下的被测量重构问题。     

基于点云数据的主成分分析重构表面算法

提出一种基于三维点云数据的主成分分析重建三维表面模型的方法,该方法利用基于主成分分析的动态聚类方法对三维扫描数据进行聚类,进而对点云数据重构一点片,研究在局部利用二维三角网构网技术构建三角网,然后在考虑局部三角网边缘一致性的基础上组合成整体三维表面模型的算法。应用实例表明,该算法能有效地完成重建物体三维表面模型。