基于特征面分层特征识别.docVIP

基于特征面分层特征识别 　　摘 要：为降低特征识别的复杂度，提出基于特征实体、特征实面和特征虚面概念的层次性特征分类方法. 通过构造2类神经网络输入矩阵，利用神经网络在特征识别中所具有的优势，实现基于特征面的分层特征识别方法. 实例表明：该方法在识别去除材料的特征时比较有效，但识别特征的范围受到一定限制.?す丶?词：特征面； 特征识别； 神经网络?ぶ型挤掷嗪牛?TH122； TP391.72 文献标志码： 　　A?? 　　Hierarchy feature recognition based on feature face 　　PENG Sizhen， HAO Yongtao 　　(CAD Research Center, Tongji Univ., Shanghai 200092, China) 　　Abstract： To decrease the complexity of feature recognition, a hierarchy feature classification method based on feature entity, feature concrete face and feature virtual face is proposed. A hierarchy feature recognition method based on feature face is implemented by constructing two kinds of neural network input matrixes, and taking advantage of neural network in feature recognition. The example demonstrates that the method is more effective in recognizing feature of which the material is removed, but the range of feature recognition is somewhat limited.??Key words：feature face; feature recognition; neural network 　　?な崭迦掌冢?2010??[KG*9〗07??[KG*9〗12 修回日期：2010??[KG*9〗09??[KG*9〗16?ぷ髡呒蚪椋? 彭思桢(1986―)，男，山东临沂人，硕士研究生，研究方向为智能CAD，(E??mail)peng325@126.com;?ず掠咎?(1973―)，男，山东威海人，副教授，博士，研究方向为企业信息集成系统、知识处理与挖掘、智能设计、分布式智能系统和?ば槟庀质导际醯龋?(E??mail)haoyt@0 引 言 　　虽然对产品生产的自动化、智能化研究很多，但在工业上的应用效果并不理想.当前产品数据主要以较低层次的形式存储为主，如CSG和B??rep这2种产品数据表示方法并不适合直接应用到产品设计之后的加工和制造中，特征识别技术的提出正逐步解决这个问题.?? 　　［1］?? 　　当前已提出很多种特征识别方法，如基于规则的、基于图的、基于几何解释的和基于体积分解的，这些方法都通过与特征库中已定义的特征类型进行比较来识别特征.但是，特征库不可能包含所有的特征类型，也不可能为特征库中所有的特征类型添加约束信息.另外，这些方法还存在效率低和没有学习能力等缺陷.?? 　　［2］??人工神经网络具有学习和反馈的能力，在分类和特征识别领域有极大优势.?? 　　［3］?? 　　特征的类型越来越多，对特征进行准确、有效的分类是特征识别的基础，利用层次性分类方法可缩小特征对应的范围，从一定程度上降低特征识别的复杂度.层次性特征分类必然要求多层次的人工神经网络输入表示. 　　本文提出层次性特征分类方法以及特征实体、特征实面、特征虚面的概念，构造2个人工神经网络输入表示矩阵，用人工神经网络识别不同层次的特征，并研究人工神经网络的结构和训练方法.特征识别框架见图1.?ね? 1 特征识别框架??1 特征分类及表示??1.1 特征分类 　　目前存在许多特征的分类方式，STEP??AP224是被广泛应用的特征分类方法之一.在STEP??AP224中，加工特征被定义为1种生成特征，这种生成特征识别出为获得最终几何形状需从初始块中移除的材料体积；定义16种加工特征，如洞和狭槽等.作为1种国际标准，STEP??AP224在特征分类上存在一定优势，但仍有以下缺点?? 　　［4］??：（1）分类不严密，存在某些重叠的情况；（2）分类不完整，未包含所有的基础加工实体；（3）加工特征的定