残缺自由曲面数据修补和曲面重构的研究

摘要

作为一种产品快速设计和制造的重要手段，逆向工程越来越成为CAD/CAM领域中的一个研究及应用热点。逆向工程是通过各种测量设备和技术将实物模型数字化，然后通过三维几何建模方法重构实物用于分析和制造。因此如何获得准确完整的测量数据和重构方法的选择是逆向工程研究中的两项重要内容，将会影响反求工程后续数据处理和最终建模的效果。本论文针对目前逆向工程中较为关注的两个问题：残缺曲面数据修补和曲面重构问题进行了探讨。研究了基于RBF神经网络的数据修补和基于NURBS算法的曲面数据重构。 论文首先介绍了逆向工程的基本概念、应用及其关键技术，综述了目前在数据修补和曲面重构领域的研究现状，对逆向工程软件的基本状况和发展趋势进行了说明；其次，分别介绍了BP神经网络和RBF神经网络的基本理论，神经网络是人工智能高速发展的产物，具有较强的非线性映射能力，目前广泛应用在模式识别、函数逼近、优化计算等领域。通过建立适于数据修补的网络模型与采用Levenberg-Marquardt算法的改进型BP神经网络进行了性能比较，实验表明运用RBF神经网络对数据的修补速度快，精度较高，且不必考虑曲面形状等因素；介绍了NURBS和Bezier曲面理论和主要性质，分析了它们的优缺点，详细阐述了NURBS曲面整体插值算法的步骤：型值点参数化、节点矢量的确定，NURBS基函数的求取以及反算曲面的控制点；最后着重介绍了基于NURBS算法的重构软件设计。本软件基于Visual C++和OpenGL为平台进行开发，主要完成数据输入、数据显示、曲面反算及重构等功能。最后通过实例表明了算法的可行性。

目录

文摘

英文文摘

声明

1绪论

1.1引言

1.2逆向工程研究现状及关键技术

1.2.1残缺数据修补技术发展现状

1.2.2曲面重构技术发展现状

1.3曲面重构软件现状及发展趋势

1.4本课题主要工作

2基于人工神经网络的数据修补研究

2.1人工神经网络基本概述

2.2 RBF神经网络

2.2.1网络结构

2.2.2网络主要算法

2.2.3算法流程

2.3BP神经网络

2.3.1网络结构

2.3.2网络主要算法

2.3.3算法流程

2.3.4网络缺点及改进方法

2.4数据修补实例

2.4.1网络结构设计

2.4.2训练样本和测试样本

2.4.3实验结果及分析

3曲面重构方法理论基础

3.1 NURBS基础

3.1.1 NURBS定义

3.1.2 NURBS曲线

3.1.3 NURBS曲面

3.1.4 NURBS曲线曲面的性质

3.2 Bezier基础

3.2.1 Bezier曲线

3.2.2 Bezier曲面

3.2.3 Bezier曲面的性质

3.3 Bezier方法和NURBS方法的比较

3.3.1相同点

3.3.2不同点

3.3.3结论

4 NURBS曲面整体插值重构算法

4.1NURBS曲面插值

4.1.1型值点参数化

4.1.2 NURBS基函数的计算

4.1.3 NURBS曲线反算控制点

5逆向软件的开发

5.1软件界面

5.2软件开发工具及开发环境

5.2.1 Visual C++介绍

5.2.2 OpenGL介绍

5.2.3运行环境

5.3数据格式

5.3.1 IGES标准

5.3.2 ASCII文件格式

5.4软件界面设计

5.5软件模块结构划分

5.5.1数据输入输出模块

5.5.2交互操作模块

5.5.3曲面重构模块

5.5.4图形显示模块

5.6实例

5.6.1实例1

5.6.2实例2

6总结与展望

参考文献

作者在攻读硕士期间主要的研究工作

1作者在攻读硕士期间发表的论文

2作者在攻读硕士期间参与的研究工作

致谢