基于三角网格模型的自由曲面自适应测点规划

测点自适应规划是复杂曲面类零件在加工质量数字化测量环节的关键。针对自由曲面自适应测点规划问题,开展曲面自适应布点研究。设置给定条件下的测点密度判定方法,生成样本集,再训练神经网络组合模型,构建测点密度预测模型,用于精简测点数量;按照给定的测点密度阈值自适应获取聚类中心,并采用区域生长算法将曲面划分为测点密度大致相等的子曲面;以子曲面为基础,根据其测点密度进行局部均匀布点,提出一种基于曲面划分的自适应测点规划算法。实验结果表明,在该算法的误差结果接近样本组的情况下,所需测点数量较迭代重构算法明显减少;在相同测点数量下,该算法的误差比均匀布点算法更接近样本组。根据测点密度,将曲面由一个复杂、非规则的模型分成若干测点密度相近的子曲面可以减少测点数量;所规划的测点能较好地描述自由曲面的加工质量。