逆向工程关键技术及其应用研究-机械制造及其自动化专业论文.docxVIP

优秀毕业论文 精品参考文献资料 摘要摘要 摘要 摘要 作为近年来先进制造领域的研究热点，逆向工程已发展为CAD／CAM系统中 一个相对独立的研究分支，一其相关领域包括几何测量、数据及图像处理、计算机 视觉、几何造型和数字化制造等。本文对逆向工程中的关键技术进行了详细而深 入的研究，研究了数据处理技术、数据点的区域分割和特征参数提取技术、曲面 重构技术和逆向工程与快速原型制造技术(RPM)集成等内容，目的是为产品技 术吸收、消化及创新开发提供更加完善的手段和方法。逆向工程是先进制造技术 的前沿性课题，具有良好的应用前景和应用价值，作者对此做了一些探索性的分 析与研究，获得了逆向工程关键技术研究方面的一些新理论、新模型和新方法， 主要内容如下： l、本文首先对目前国内外逆向工程中的数据处理技术、数据点的区域分割和 特征参数提取技术、曲面重构技术和逆向工程与快速原型制造技术(I冲M)集成 等进展进行了简要综述，阐述了逆向工程关键技术及其应用问题研究的必要性。 2、对测量数据的噪音点进行处理，通过对数据点的曲率计算，把数据点分成 不同的区段，从而更有效的实现对数据点的精简。在综合各种数据精简算法的基 础上，提出一种自适应最小距离精简算法，实现了在曲面曲率较小的区域分布较 少的点，而在曲率较大或尖锐棱边处保留较多的点，不但效率高，同时又很好地保 留了原始数据的细节特征。 3、通过对图像平滑滤波方法的分析研究，本文提出一种中值滤波和加权中值 滤波相结合的混合滤波算法来实现数据点的平滑处理，该算法不但更好地保证了 数据的平滑效果，而且保留了边界数据。 4、针对逆向工程的庞大数据点云，需要将数据点分割，构建各个曲面模型。 为实现数据点的区域分割，论文提出了一种改进的动态增长自组织映射(GSOM) 网络模型，不仅能够加快聚类的速度，而且算法简单。与以往的网络相比，采用 的网络结构在训练中动态生成，克服了自组织特征映射神经网络(SOFM)预先给 出分区数目的限制；该网络所生成的结点数目远低于传统的SOFM方法，而且训 练周期少，提高了聚类速度。 5、针对空间任意位置圆柱面特征参数的提取，基于极小惯量原理，本文提出 了空间任意位置圆柱面特征参数的提取算法，首先构建截面点云的对称轴和其垂 线，以其垂线为法矢量，通过对称轴构造一个平面，相交点云数据得到母线数据， 进而求出母线，对母线数据点再利用极小惯量法可以求出对称轴，最后用实例证 逆向rI_ 逆向rI_：程关键技术及其应用研究 明了其正确性。 6、首次以蚁群算法为优化工具，针对空间任意位置回转面点云数据，建立了 适合蚁群优化算法的数学模型，然后运用蚁群算法实现过程优化，成功提取出空 间任意位置回转面的回转轴和母线等特征参数，实现回转面图形重建。 7、曲面重构是逆向工程中最重要的环节之一。在深入研究相关文献的基础上， 作者提出了均匀三次B—spline曲线和B．spline曲面反算快速算法，并在Matlab中 编程实现，降低了程序的复杂性，提高了运算效率。对重构曲面的精度评定方法 进行了研究，定义了点云数据与重构曲面贴合度，作为曲面重构精度评价的主要 指标。 8、在分析快速原型制造技术的数据接口STL文件的基础上，本文提出一种由 点云数据直接实现自适应分层的处理方法，分别从分层位向的选择、点云数据直 接自适应分层、轮廓数据的排序、轮廓的光顺处理以及轮廓数据的输出等方面给 出了点云数据直接自适应分层的基本思想和原理，提高了快速原型制造的效率和 精度。 关键词：逆向工程 数据处理 曲面重构 神经网络 蚁群算法 特征提取 区域分割 ABSTRACTABSTRACT ABSTRACT ABSTRACT As one of the hotteSt spots of the advanced manufacturing field，reverse engineering (RE)has recently become a relatively independent research branch in CAD／CAM systems．The correlating areas include geometric measuring，data or image processing， computer vision，geometric m_odeling and digital manufacturing etc．The technologies of data processing，data point segmentation，characteristic parameters extraction,RE surface reconstruction and integration with rapid p