利用神经网络重构自由曲线的研究

自由曲线重构问题是CAD／CAM工程中的首要问题,为了获得工件的数学模型,需要通过测量的型值点构造曲线。用神经网络的方法对自由曲线进行重构,并通过与三次B样条插值法构建的曲线相比较,以分析由神经网络法拟合复杂曲线的可行性。     

自由曲线曲面重构的数据结构设计

自由曲线曲面重构的数据结构设计是开发逆向工程软件的关键技术之一，该文以MFC(微软基础类库)为基础，研究了基于四边域参数的B-Spline和NURBS曲面重构的数据结构设计的原理、方法及应用，它包括4个部分：点云的数据处理、曲线曲面的反求、矩阵方程解法的组织和曲面的OpenGL显示，实践表明，利用这种方法可以构造简洁的数据结构和高效的曲面反求算法，以解决计算精度和速度问题；利用OpenGL的硬件加速功能可以解决显示速度及质量问题。     

复杂曲面上任意方面曲线映射的计算

针对在CAD／CAM中经常需要在复杂形体上描绘曲线，提出了自由曲面上映射曲线的计算方法，通过把沿任意方面曲线向曲面映射的问题，转化为一系列等参数曲线与一般柱面的求交问题，减少了工作量，提高了计算效率，由于该方法通过计算参数空间的映射曲线来求出模型空间的映射曲线，使最终结果更加准确，同时采用了NURBS方法，使所有的曲线曲面表示都统一在同一种形式之下，更有利于后续的处理工作。     

BEZIER曲线和曲面及其实现

本文给出了BEZIER曲线、微分以及曲面的表达式,并给出了在1280×1024高分辨率显示器上得到的图形.     

利用NURBS函数训练神经网络构造自由曲面

提出了利用ＮＵＲＢＳ理论和神经网络相结合构造自由曲面的计算机方法。ＮＵＲＢＳ是与描述自由曲面的Ｂ样条方法相统一的又能精确表示二次曲面的数学方法，经过训练的神经网络能够识别和预测各种模拟量。利用这两种方法的结合，对处理自由曲面的构造提出了新思路，即用ＮＵＲＢＳ计算方法训练由ＢＰ模型构造的神经网络，用计算机表示自由曲面。     

复杂曲面上任意方向曲线映射的计算

针对在ＣＡＤ／ＣＡＭ 中经常需要在复杂形体上描绘曲线,提出了由自曲面上映射曲线的计算方法。通过把沿任意方向曲线向曲面映射的问题,转化为一系列等参数曲线与一般柱面的求交问题,减少了工作量,提高了计算效率,由于该方法通过计算参数空间的映射曲线来求出模型空间的映射曲线,使最终结果更加准确,同时采用了ＮＵＲＢＳ方法,使所有的曲线曲面表示都统一在同一种形式之下,更有利于后续的处理工作     

利用NURBS进行复杂形体的设计

从ＮＵＲＢＳ的有理基函数形式出发，对复杂形体的设计方法进行了讨论。综合ＮＵＲＢＳ的具体特点，提出了曲线曲面的设计及修改的一般过程，并导出了各种设计方法相应的数学表示形式及计算方法，全面地给出了基于ＮＵＲＢＳ的造型方法，展示了其优越的几何设计能力。     

径向基函数神经网络在反向工程曲面重构中的应用

将径向基函数神经网络应用于自由曲面的拟合。为解决反向工程的技术关键──自由曲面的重构提供了一个新的途径。     

多气门汽油机气道与燃烧室自由曲面的重构修正

气道与燃烧室结构直接影响汽油机的各项主要性能,逆向工程的方法和途径被应用于多气门汽油机气道与燃烧室结构的三维复杂自由曲面的几何重构.在通过非接触式激光扫描采集得到大量而离散的样件表面原始数据的基础上,经过数据处理、曲面生成、曲面检查、曲面重构、光顺性评估等手段,实现了四气门双球形燃烧室汽油机的气道与燃烧室结构的反求,为通过对原型产品局部结构型式和尺寸的变异进行仿造创新提供了必要条件.     

在工作站上进行复杂曲面的CAD／CAM造型及光顺

复杂曲面的造型和光顺是现代工业设计中由概念设计过渡到ＣＡＤ／ＣＡＭ细化设计的难题。曲面的质量、精度都很难保证。利用工作站在ＰＲＯ／ＥＮＧＩＮＥＥＲ环境下，通过数据的采集，输入生成样条曲线，然后对生成的曲面进行调整，能够较准确的实现复杂曲面的造型和光顺。     

采用径向基神经网络的卫星网络申报趋势分析方法

将径向基函数(RBF)神经网络应用于卫星网络申报趋势分析,构建基于RBF神经网络的趋势量化分析方法,改变当前主要依赖专家经验分析申报趋势的现状,为卫星网络申报趋势的评估提供量化指标.首先,梳理当前卫星网络申报的业务特点;然后,对主流预测方法进行分析,提出基于RBF神经网络的申报趋势分析方法;最后,通过实际申报数据进行算法验证.结果表明:文中方法对卫星网络申报趋势的预测误差总体小于20%,对实际申报工作具有指导意义.     

径向基神经网络在入侵检测中的应用

与广泛使用的BP网络模型相比,径向基函数神经网络具有训练时间短且不易收敛到局部最小的优点.将3种径向基神经网络应用到入侵检测中,用于入侵模式识别的分类和预测,从而提高入侵检测系统的检测率并降低误报率.     

On-line Cutting Quality Recognition in Milling Using a Radical Basis Function Neural Network

Tool wear, chatter vibration, chip breaking and built-up edge are main phenomena to be monitored in modern manufacturing processes, which are considered as important factors to the quality of products.They are closely related to the cutting parameters, which are to be selected in manufacturing process.However, it is very difficult to measure directly the cutting quality based on on-line monitoring.In this study, the relationship between the cutting parameters and cutting quality is analyzed.A Radical Basis Function (RBF) neural network based on-line quality recognition scheme is also presented, which monitors the level of surface roughness.The experimental results reveal that the RBF neural network has a high prediction success rate.     

三维空间中曲面与曲线的对称

给出了求曲面和曲线的对称曲面和对称曲线的方法,并举例说明该方法的使用。     

基于进化神经网络的曲面磨削表面粗糙度预测

将人工神经网络技术引入曲面磨削加工领域,介绍了利用BP算法建立的曲面磨削表面粗糙度随磨削用量变化的进化神经网络预测模型．针对BP算法存在收敛速度慢、容易陷入局部极小值及全局搜索能力弱等缺陷,采用遗传算法训练BP神经网络,取代了一些传统的学习算法,设计了基于进化神经网络的学习算法．实验和仿真结果表明,基于进化计算的BP神经网络不仅可以克服单纯使用BP网络易陷入局部极小等问题,而且预测精度较高。     

基于RBF神经网络的数控车床热误差建模

对于数控车床而言，热误差是其最大的误差源，而其中最困难的是热误差建模．现有BP算法的神经网络模型存在学习收敛速度慢，容易陷入局部极小点的缺点．文中使用径向基函数理论建立了基于RBF神经网络的数控机床热误差数学模型．讨论了RBF网络参数的初始化及学习；给出了两种建模方式的RBF网络建模算例，将其建模性能指标与经典最小二乘法建模指标进行综合对比，可知RBF网络各项指标均优于经典最小二乘方法．最后验证了RBF网络建模的鲁棒性．结果表明：径向基神经网络模型与经典最小二乘线性模型相比，拟合性能更好，预测补偿能力强且建模时间短．     

基于径向基函数概率神经网络的心律失常自动识别

讨论了基于径向基函数（ＲＢＦ）的概率神经网络的基本网络结构和网络的学习和运行过程,并且与ＢＰ算法的径向基神经网络进行了对比,同时也测试了网络的容错能力,结果表明,基于ＲＢＦ的概率神经网络,学习速度大大提高,同时减小了ＢＰ陷入局部极小的问题,有一定的抗噪声能力,基于ＲＢＦ的概率神经网络模型在心律失常自动识别中获得了很好的应用。     

采用人群搜索算法的径向基函数神经网络参数整定方法

针对径向基函数(RBF)神经网络的逼近结构中,对权值、基宽和中心向量的初始值等参数的选取不当,导致系统的鲁棒性变差、收敛精度降低,甚至不再收敛的问题,提出一种基于人群搜索算法的RBF神经网络的参数整定方法.以基于遗传算法和基于粒子群算法的RBF神经网络参数整定方法为对比条件,采用MATLAB软件进行实验与分析.结果表明:应用人群搜索算法去优化RBF神经网络的初始参数,能有效地提升RBF神经网络的逼近精度,验证了该算法的可行性.     

动曲线生成曲面的探讨

讨论了动曲线生成曲面问题。通过反复举例 ,着重介绍了由动曲线所生成的曲面方程的求法。