發(fā)布時(shí)間：2021-01-20 20:11

　　CAD和CAPP系統(tǒng)的獨(dú)立運(yùn)行,導(dǎo)致設(shè)計(jì)信息與制造信息無(wú)法互通,增加了產(chǎn)品研發(fā)周期,降低了企業(yè)競(jìng)爭(zhēng)力,而加工特征識(shí)別技術(shù)是實(shí)現(xiàn)設(shè)計(jì)信息與制造信息互通的有效途徑之一�，F(xiàn)有加工特征識(shí)別算法及軟件系統(tǒng)對(duì)相交特征、復(fù)合特征等復(fù)雜加工特征識(shí)別率低,本文針對(duì)現(xiàn)有加工特征識(shí)別技術(shù)中存在的問(wèn)題展開(kāi)研究,并綜合幾何推理和神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì),提出一種基于幾何推理和神經(jīng)網(wǎng)絡(luò)的加工特征識(shí)別混合算法,為加工特征識(shí)別技術(shù)的研究提供一種新的思路。本文的主要研究工作如下:（1）分析國(guó)內(nèi)外加工特征識(shí)別技術(shù)的發(fā)展趨勢(shì),研究加工特征幾何推理技術(shù)中屬性鄰接圖對(duì)零件模型的表達(dá),針對(duì)目前屬性鄰接圖對(duì)零件模型表達(dá)信息的缺失,提出一種屬性鄰接圖構(gòu)建算法。對(duì)屬性鄰接圖中的面節(jié)點(diǎn)添加特征面屬性,豐富了屬性鄰接圖對(duì)零件模型信息的表達(dá)。（2）簡(jiǎn)介加工特征分類(lèi),針對(duì)傳統(tǒng)加工特征提取算法對(duì)典型加工特征識(shí)別有效但對(duì)相交特征以及復(fù)雜特征識(shí)別困難的問(wèn)題,提出一種加工特征幾何推理算法�；谔卣髅鎸�(duì)屬性鄰接圖進(jìn)行圖分解,實(shí)現(xiàn)對(duì)加工特征的分離,同時(shí)對(duì)由于特征相交造成的特征分割情況進(jìn)行處理。并分析加工特征幾何拓?fù)湫畔⒌年P(guān)系,總結(jié)加工特征識(shí)別規(guī)則,實(shí)現(xiàn)對(duì)典型加工特... 

【文章來(lái)源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：83 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

LeNet神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

f3f2f1(a) 圓柱凸臺(tái)特征與臺(tái)階特征以及矩形通槽特征相交示意圖f2f11 f2f3f11 1(b) 圓柱凸臺(tái)正確拓?fù)浣Y(jié)構(gòu)示意圖 (c) 圓柱凸臺(tái)拓?fù)浣Y(jié)構(gòu)被改變示意圖圖 3-7 幾何不變但拓?fù)渥儺惖募庸ぬ卣鲗?shí)例 幾何拓?fù)湫畔?fù)雜的特征對(duì)于一些特定的加工特征，由于其幾何拓?fù)湫畔?fù)雜，基于 B-Rep 的模型表達(dá)以對(duì)這些特定的加工特征進(jìn)行拓?fù)涿枋�，這些特定的加工特征難以制定加工特配規(guī)則，因此難以運(yùn)用基于規(guī)則的加工特征匹配算法對(duì)其進(jìn)行加工特征識(shí)別。

梯形槽斜二測(cè)視圖線框圖像 (k) 梯形槽隨機(jī)視圖 1 線框圖像 (l) 梯形槽隨機(jī)視圖 2 線框圖圖 4-1 基于多視圖的加工特征降維實(shí)例 基于神經(jīng)網(wǎng)絡(luò)的加工特征分類(lèi)器運(yùn)用基于多視圖的加工特征降維映射算法實(shí)現(xiàn)對(duì)加工特征多個(gè)感興趣視圖理，得到加工特征圖像集，將三維加工特征識(shí)別問(wèn)題轉(zhuǎn)化為二維圖像識(shí)別問(wèn)圖像識(shí)別算法，目前主要兩種方式：一種是基于圖像特征的圖像識(shí)別技術(shù)[57-種是基于神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別技術(shù)�？紤]到神經(jīng)網(wǎng)絡(luò)對(duì)幾何降維信息識(shí)別提取和定性化判斷的特點(diǎn)，對(duì)加工特征拓?fù)渥儺惒幻舾�，且更符合人�?lèi)識(shí)本文提出了基于神經(jīng)網(wǎng)絡(luò)的加工特征分類(lèi)器，構(gòu)建用于識(shí)別加工特征圖像的網(wǎng)絡(luò)模型結(jié)構(gòu)，實(shí)現(xiàn)對(duì)加工特征的定性化識(shí)別。.1 構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型基于卷積神經(jīng)網(wǎng)絡(luò)[60]的相關(guān)理論技術(shù)，在構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型過(guò)程中，度優(yōu)先為原則，卷積神經(jīng)網(wǎng)絡(luò)的深度將極大影響對(duì)圖像識(shí)別的準(zhǔn)確率，但深

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類(lèi)算法綜述[J]. 楊真真,匡楠,范露,康彬.  信號(hào)處理. 2018(12)
[2]基于AAG擴(kuò)展及痕跡法的相交特征識(shí)別[J]. 成彬,任振華.  圖學(xué)學(xué)報(bào). 2017(04)
[3]面向薄壁多腔類(lèi)結(jié)構(gòu)件加工特征識(shí)別方法[J]. 魏濤,張丹,左敦穩(wěn),徐鋒,夏三星.  計(jì)算機(jī)集成制造系統(tǒng). 2017(12)
[4]缸體類(lèi)零件加工特征識(shí)別方法[J]. 劉雪梅,賈勇琪,陳祖瑞,李?lèi)?ài)平.  計(jì)算機(jī)集成制造系統(tǒng). 2016(05)
[5]基于制造資源的復(fù)雜箱體零件加工特征識(shí)別方法[J]. 劉雪梅,周易,黃劍鋒,李?lèi)?ài)平.  計(jì)算機(jī)集成制造系統(tǒng). 2015(12)
[6]基于STEP-NC的相交特征識(shí)別技術(shù)[J]. 王軍,歐道江,舒啟林,王國(guó)勛.  計(jì)算機(jī)集成制造系統(tǒng). 2014(05)
[7]可制造性驅(qū)動(dòng)的三維CAD模型相交制造特征識(shí)別方法[J]. 黃瑞,張樹(shù)生,白曉亮.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2013(07)
[8]基于圖二次分解的加工特征識(shí)別算法[J]. 郭付龍,孫根正,周競(jìng)濤,邵立.  機(jī)械設(shè)計(jì)與制造. 2013(05)
[9]基于屬性鄰接圖的加工特征識(shí)別[J]. 鄔國(guó)秀,劉克非.  機(jī)械設(shè)計(jì)與制造. 2010(11)
[10]采用圖分解的特征識(shí)別算法研究[J]. 劉曉平,吳敏,金燦.  工程圖學(xué)學(xué)報(bào). 2010(01)

碩士論文
[1]基于制造資源的加工特征識(shí)別方法研究[D]. 湯岑書(shū).上海交通大學(xué) 2011
[2]基于特征識(shí)別的CAD/CAPP集成技術(shù)研究[D]. 吳江.南京航空航天大學(xué) 2005



本文編號(hào)：2989707