反求工程中基于点云数据集的CAD建模研究

提出了一种新的基于神经网络的点云数据重构CAD光顺造型的新算法。首先对点云数据平滑处理;然后进行特征线提取,并以特征线为基础对曲面进行分割。该方法能直接从神经网络的权值矩阵得到曲线的控制顶点／曲面的控制网格,通过神经网络的权值约束实现曲线段／曲面片之间的光滑拼接。同时对恢复的隐式表面的初始逼近网格自适应性优化。实验效果表明,该方法能够得到精确的逼近结果,同时能满足反求工程的实时需求.     

反求工程中隐式曲面的三维网格自动精确恢复新算法

提出了一种基于点云数据的隐式曲面三维网格自动精确恢复新算法。该算法首先对恢复的初始三角形网格进行区域分割和边界重构,将隐式曲面的三角形网格分离出来,然后对恢复的隐式曲面表面的初始逼近网格从3个方面进行优化:即将初始逼近网格的曲率控制与网格面的拓扑一致性调整;调整网格顶点法矢与交互式分割;补偿网格抽样率。通过该算法能将隐式曲面的三角形网格自动精确恢复。然后进行网格光顺,输出优化的CAD模型。实例证明了该方法的正确性、可行性和实用性。     

基于隐式曲面的三角网格模型等距算法

针对三角网格模型，提出了一种基于隐式曲面的等距算法。该算法首先对三角网格模型进行拓扑重建，然后对顶点进行八叉树采样，由采样点及采样点的单位法矢点来构建隐式曲面，将隐式曲面等距，最后将原模型的顶点投影到等距曲面得到投影点，根据先前建立的拓扑关系，将投影点三角网格化得到等距后的三角网格模型。该算法在一定数值范围内避免了等距模型自交问题，而且等距模型三角网格均匀，质量高。     

保持尖锐特征的多边形网格模型孔洞修补方法研究

针对由点云数据重建得到的多边形网格模型存在孔洞的问题,提出了一种保持尖锐特征的多边形网格模型孔洞修补算法.首先,利用基于径向基函数的插补方法获得能够近似地逼近孔洞区域的光滑隐式曲面.然后,利用正则化匹配算法对该隐式曲面进行三角化,完成孔洞填充曲面片与原始模型的孔洞边界的缝合.最后,针对孔洞边界存在尖锐特征进行特征增强处理.实验结果证明,该算法对多边形网格模型的孔洞修补取得良好效果,并能够有效地恢复孔洞区域包含的尖锐特征.     

基于隐函数转化的点取样模型布尔运算

提出一种基于点取样模型的布尔运算算法。该算法首先将点模型隐式化，得到点模型的隐函数表示；然后采用隐式曲面的布尔运算方法对点模型进行布尔操作。提出了隐式曲面布尔运算的简单形式。点模型的隐式化采用散乱点径向基函数（RBF）变分插值，采用该算法可由多个点模型构造复杂的点模型。所提出的点模型布尔操作算法可用于一般网格模型，实现网格模型的剪切／粘贴编辑处理。     

基于隐式曲面的三角网格模型等距算法

针对三角网格模型,提出了一种基于隐式曲面的等距算法.该算法首先对三角网格模型进行拓扑重建,然后对顶点进行八叉树采样,由采样点及采样点的单位法矢点来构建隐式曲面,将隐式曲面等距,最后将原模型的顶点投影到等距曲面得到投影点,根据先前建立的拓扑关系,将投影点三角网格化得到等距后的三角网格模型.该算法在一定数值范围内避免了等距模型自交问题,而且等距模型三角网格均匀,质量高.     

给定精度条件下的Catmull-Clark细分曲面求交研究

细分曲面由于没有整体解析表达式,与参数、隐式曲面相比求交更加困难。针对基于平面四边形网格的Catmull-Clark细分曲面,在给定精度条件下,把对细分曲面的求交转化为对一定细分层次控制网格的求交:首先构造两张控制网格上相交四边形网格带及其1-邻域网格带,然后不断细分相交四边形网格带及其1-邻域网格带,提高求交精度,其次求解出相交四边形网格的交点,并根据拓扑关系将其顺序连接起来既得到两细分曲面之间的相交曲线,实现了细分曲面的求交。     

基于神经网络理论的数控插补原理与方法

在分析神经网络模型模拟非线性函数的学习训练过程及曲线曲面的数控插补原理的基础上，提出一种基于三层ＢＰ网络的任意空间曲线插科方法，并以平面内三次曲线为例，进行仿真计算。结果表明，选取合适的插补周期以及足够的隐层节点数，神经网络可以精确地模拟曲线。     

基于变分隐式曲面的三角网格孔洞修补

针对三角网格模型存在的孔洞问题提出一种基于变分隐式曲面的孔洞修补算法。首先，利用孔洞边界信息构造插值孔洞边界的变分隐式曲面并将其网格化，得到初始孔洞网格，再利用边界点裁剪初始孔洞网格，最后把裁剪后的孔洞网格与初始网格拓扑合并，完成孔洞修补。算法充分考虑了孔洞周围的信息，使得孔洞网格与原始网格光滑连接，取得了比较好的效果。     

基于神经网络理论的数控插补原理与应用

在分析神经网络模型模拟非线性函数的学习训练过程及曲线曲面的数控插补原理的基础上，提出一种基于三层ＢＰ网络的任意空间曲线插补方法，并以平面内三次来例，进行领导具计算。结果表明，选取合适的插补周期以及足够的隐层节点数，神经网络可以精确地模拟曲线。     

基于径向基神经网络杯形件拉深成形变压边力预测技术研究

分析了RBF神经网络的预测策略和方法,并建立了板料拉深成形的变压边力预测神经网络模型.采用正交设计法进行样本参数的制定,利用板材成形CAE软件Dynaform获得训练数据,利用被训练好的神经网络对薄板成形过程中变压边力的预测技术进行了研究.数值模拟结果表明,此方法对拉深成形变压边力的预测是可行的.     

用于三轴光电跟踪系统的神经网络误差修正法

系统误差的存在严重影响了光电跟踪系统的引导精度和测量精度,现阶段用于三轴光电跟踪系统的最小二乘系统误差修正法精度较低,球谐函数系统误差修正法亦不适于Z轴连续转动时的系统误差修正。三轴光电跟踪系统的系统误差是以其三个角度测量值为参数的曲面,而神经网络可以精确拟合复杂的曲线或曲面。分析和仿真证明,基于BP神经网络的系统误差修正法可用于Z轴连续转动的三轴光电跟踪系统,而且可把系统误差修正到约为原来的28%。     

A quadrilateral mesh generating method using mean value interpolation

Although commonly used for meshing, sub-mapping method is frequently bothered by its unstable region segmentation process. Although region segmentation can be avoided with the help of recognized models, the existing algorithms of obtaining recognized models are still flawed. In order to obtain accurate recognized models and high meshing quality, a quadrilateral mesh generation method is proposed on basis of mean value interpolation. Firstly, computational coordinates of inner loop vertices are determined by mean value interpolation according to regularization result of outer loop. Secondly, under the barycenter superposition principle, surface’s recognized model is obtained by use of regularization result of inner loops. Finally, facial mesh is generated via solving equations. Experiments are carried out to testify feasibility, advantage and stability of the proposed method. The results manifest that the proposed method is able to guarantee meshing quality and is applicable for quadrilateral mesh generation of multi-loop surfaces.     

逆向工程中自由曲面自组织重建研究

探讨了曲面密集三维散乱点数据的自由曲面自组织重建方法。建立了基于扩展自组织特征映射神经网络的自由曲面自组织重建模型及其训练算法。所建模型的网络神经元对曲面散乱点的学习来模拟曲面上的点与点之间的内在关系 ,神经元连接权矢量集重构曲面样本点的内在拓扑关系。经过训练 ,神经网络将整个曲面散乱点数据分成许多子区域 ,子区域的分类核心即为神经元连接权矢量 ,每个子区域用一个线性函数逼近 ,实现自由曲面自组织重建。计算机仿真表明 ,所建神经网络模型可实现三维密集散乱点数据自组织压缩及曲面自组织重建于一体。     

神经网络共轭梯度优化算法在激光加工定位中的应用

在应用激光技术加工复杂曲面时,通常以采样点集为插值点来建立曲面函数,然后实现曲面上任意坐标点的精确定位。人工神经网络的BP算法能实现函数插值,但计算精度偏低,往往达不到插值精确要求,造成较大的加工误差。提出人工神经网络的共轭梯度最优化插值新算法,并通过实例仿真,证明了这种曲面精确定位方法的可行性,从而为激光加工的三维精确定位提供了一种良好解决方案。这种方法己经应用在实际中。     

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.     

Curve interpolation with variable feedrate for surface requirement

Finish machining of a curved surface is often carried out by an NC system with curve interpolation in the field. This function, called a NURBS interpolation, adopts a feedrate optimizing strategy based on both the geometrical information of the curved path and dynamic properties such as the curvature of the curve, the allowable acceleration and the time constant. However, in the case of a finish cut using a ball-end mill, the curve interpolator needs to take the machining process into account for improved surface roughness, while reducing the polishing time. This surface roughness on high-speed machining is theoretically defined by the feed per tooth and the pickfeed at the given radius of the tool. In this study, the effect of low machinability at the bottom of a tool on surface roughness is also considered. A curve interpolation algorithm is proposed for generating particular feedrate commands that are able to control the roughness of a curved surface. The simulation of the machined surface by the proposed algorithm was carried out, and experimental results are presented. A feedrate scheme that depends on the inclination angle has important potential application in part finishes consistent with prescribed surface roughness. The results show that the proposed algorithm is potentially useful for roughness-controlled machining of curved surface products.     

基于模糊聚类的Kohonen神经网络三角网格曲面重建

针对密集点云的三角网格曲面重建,提出一种用于数据精简和分块的神经网络算法:将模糊聚类方法与Kohonen神经网络算法结合.该算法具有按不同曲率进行曲面点云分块重建的能力,而且提高了自组织神经网络的效率.并应用该算法进行了仿真试验,建立了三角拓扑网格曲面,验证了算法的有效性.     

基于径向基函数网络的图像三维恢复 技术在雕刻加工中的应用

基于图像的三维恢复技术的目的是采用单幅图像中物体表面的明暗变化来恢复其表面各点的相对高度,从而对三维物体进行曲面恢复。提出了一种基于径向基函数网络模型进行图像三维恢复的新方法,建立了径向基函数的网络模型,并构造出一个曲面公式, 其中输出对两个输入变量的偏导数满足反射函数方程,反射函数方程中的灰度值已知,利用反射函数与灰度值之间的误差作为约束条件调节网络权因子、径向基函数中心和宽度,使得构造的曲面中每一点都满足反射函数方程,从而拟合整个曲面。该方法无需光滑约束和积分约束条件,求出的解是一个连续解。通过不同方法对合成图像圆球和花瓶的实验表明,该算法恢复的曲面的高度点最大误差精度提高1倍到4倍,平均误差精度提高5倍到20倍,恢复的曲面具有良好的连续性和光滑性,它不仅可以恢复图像中各网络点的高度,而且可自动内插网络点之间任意点,适合于任意反射模型图像的曲面反求,恢复出的曲面便于进行后置处理生成刀具路径,并进行雕刻加工。     

用Hopfield神经网络实现触觉图像恢复

通过对安装于机器人手爪上的阵列触觉传感器所采集到的触觉图像的分析,提出了用Hopfield神经网络实现触觉图像恢复的技术.Hopfield神经网络把触觉图像的每一个像素作为一个处理单元(神经元),像素之间的关系即神经元之间的权值作为储存单元.首先利用Hebb规则计算权值矩阵,用以存储所有样本的标准模式,然后利用网络的联想记忆能力恢复被抓物体的触觉图像.实验结果表明,该方法能达到很好的触觉图像恢复和识别效果.