论文部分内容阅读
自由曲面的生成和重构,一直是CAD/CAM研究的重要课题,在汽车、轮船、飞机、塑料等许多制造业中,有着广泛的应用背景。因为在这些行业中常常会遇到很多逆向工程(Reverse engineering)问题,其中最普遍的问题之一就是,根据实物测量获得的数据重新构造实物的数字化模型,以便进行生产和制造。例如,在飞机制造中,根据需要和功能设计出一种飞机模型,但如要对它进行生产制造和功能分析就必须知道它的数学描述,这就牵涉到一个自由曲面生成和重建的问题。曲面重建是逆向工程中的关键技术,将人工神经网络应用于逆向工程领域、实现曲面重建还是一个新的课题。1995年,P.Gu和X.Yan提出利用BP神经网络重构自由曲面,生成了光滑的无截断的曲面。自此,基于神经网络的自由曲面重建成为研究热点。本文针对BP基本算法应用于曲面建模的缺点,内容包括以下两个方面:
研究了运用把数值优化算法Levenberg-Marquardt(简称LM算法)应用到Back Propagation(简称BP算法)中,称其为LMBP算法,使其在训练中实现曲面重构的技术。将这一改进的算法应用于BP网重构自由曲面中,仿真结果表明,同BP基本算法相比,在收敛速度和重建精度上均有较大程度的提高。
利用神经网络方法解决自由曲面重建问题,在LMBP算法的基础上,吸取了模拟退火算法的优点,神经网络的学习采用按概率随机接受一个不成功训练值的方法,使学习跳出局部最优解,最终收敛于全局最优解。试验证明,用这种方法解决自由曲面的重构问题,可以达到良好的效果,优于以往文献提出的方法。