论文部分内容阅读
为了弥补智能装配包含装配因素不完整的缺陷，在得出了常用零件装配推理算法的基础上，构建了基于装配推理的贝叶斯网络（Bayesian Networks，BN），通过概率推理对未知装配体进行推理装配约束。针对训练样本多而杂的问题，构建了零件识别库，使其对样本零件的特征进行识别和归类，从而提取出与BN相适应的样本，进而提高了BN推理结果的准确性。对UG进行二次开发，运用基于贝叶斯网络的装配推理模型和识别库构建了智能装配系统。实验证明：文中算法具有更高的准确性、高度的拟合性和很强的学习性。