神经网络在特征识别中的应用

《神经网络在特征识别中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于神经网络的特征识别特征建模特征模型是CAD建模方法的一个新里程碑，它是在CAD/CAM技术的发展和应用达到一定水平，要求进一步提高生产组织的集成化和自动化程度的历史进程中孕育成长起来的。由于逆向工程追求CAD/CAM集成，因此，在逆向工程中采用特征模型来构造产品模型，就是理所当然的。由于前述的曲面模型的局限性，所以，采用特征模型也是逆向工程为实现基于原型的产品创新设计要求而进行的必然选择。特征模型法首先是从经过分层、滤波去噪、边界提取处理后的断层轮廓数据中识别基本体素，然后将它们正确的拼合为实体（原型），基本体素的造型和实体拼

2、合工作是在选定的商用CAD造型软件环境下完成的。其工作过程如图2所示。基于神经网络的特征识别神经网络构建将神经网络方法运用到三维模型的特征识别问题是一种积极的尝试，对于用神经网络解决拓扑性的、不易被形式化的这类问题具有积极意义。逆向工程中，通过数据采集获得点云，通过对数据的预处理，生成实体边界信息，通过对边界的编码处理，转化为离散量和矩阵，作为神经网络的输入。再通过对实体特征信息进行编码，作为输出量。神经网络经过训练以后，则可以自动识别实体模型特征信息，并用于实体建模。输入/输出特征编码以及网络结构神经网络输入为测量实体模型的边界

3、信息，通常需要对其根据一定的编码规则进行编码。使编码信息能够描述实体的特征信息，以及零件外形在工程工艺上的信息。神经网络的输出时实体特征编码，实体特征包括凸台、阶梯、槽、孔、盲孔、形腔等特征，可以对其进行一维编码。神经网络的输入层结点数，输出层结点数以及隐层结点数需通过实体复杂程度选取。特征信息库及训练样本特征信息库用于存放特征的数学模型及其它信息的数据库。由于每一类特征都有一定的边界模式，将它表示成特定的数学模型，形成自己的独立的特征信息库，该特征信息库能进行编辑。特征信息库是一个可以添加和删改的动态特征信息库。特征信息库内的特

4、征的数目必须覆盖全部功能零件，这里针对最常用的机加工类特征，用凸起类特征：凸台；凹陷类特征：阶梯、槽、孔、盲孔、形腔作为特征库的基元特征如图1所示，当然基元特征集合可以根据需要进行扩展，以识别更多的特征。基元特征主要由尺寸和所处的位置最终确定。