国家质检总局科技计划项目(2006QK65)
- 作品数：7 被引量：7H指数：2
- 相关作者：张伟赵云飞曾立陈颖赵明岩更多>>
- 相关机构：中国计量学院浙江大学城市学院更多>>
- 发文基金：浙江省自然科学基金国家质检总局科技计划项目更多>>
- 相关领域：自动化与计算机技术机械工程更多>>
- 扫描式数据采集测头半径的三维智能计算补偿
- 2012年
- 探讨了基于扩展的自组织特征映射神经网络的扫描式密集数据采集的测头半径三维补偿。构建了测头半径三维补偿神经网络模型及其训练算法。首先经过训练,神经网络将整个数字化点群数据分成许多子区域,每个子区域用一个微切平面逼近;然后对子区域的分类核心,即神经元位置权重,沿微切平面法矢方向进行修正;最后根据微切平面的法线,对测头半径进行三维补偿。算例表明所创建的测头半径三维补偿神经网络模型有效可行。
- 张伟陈颖
- 关键词：三坐标测量机测头半径补偿矩形网格
- 精确逼近密集散乱点数据的矩形网格
- 2013年
- 基于自组织特征映射(Self-Organizing Feature Map,SOFM)神经网络构建的矩形网格模型可以实现密集散乱点数据自组织压缩,生成双有序点列,但该模型存在矩形网格的逼近误差和边缘误差。为减小矩形网格的逼近误差和边缘误差,改进了矩形网格模型的训练模式。首先采用整个测量点集对矩形网格模型中的所有神经元进行整体训练;然后对矩形网格中的网格神经元的位置权重,沿网格顶点法矢方向进行修正;最后采用测量点集中的边界点集,对矩形网格模型中的网格边界神经元进行训练。算例表明,应用该训练模式,可以有效减小矩形网格的边缘误差,矩形网格逼近散乱数据点集的逼近精度得到大幅提高并覆盖散乱数据点集整体分布范围。
- 张伟陈颖
- 关键词：逆向工程矩形网格神经网络散乱点数据
- 基于神经网络的接触式测头半径三维补偿被引量：2
- 2011年
- 本文探讨了基于扩展的自组织特征映射(ESOFM)神经网络的三坐标测量机接触式密集数据采集的测头半径三维补偿。构建了测头半径三维补偿神经网络模型及其训练算法。用网络神经元对曲面空间测量样本点的学习和训练来模拟曲面上的点与点之间的内在关系。按六角形阵列侧抑制邻区训练调整网络神经元权重矢量,使网络输出层结点呈六角形阵列分布,可实现测量点集压缩后的Delaunay三角逼近剖分。经过训练,神经网络将整个数字化点群数据分成许多子区域,每个子区域用一个微切平面逼近。根据微切平面的法线,对测头半径进行三维补偿。算例表明所创建的测头半径三维补偿神经网络模型有效可行。
- 张伟赵云飞
- 关键词：三坐标测量机测头半径补偿神经网络
- 逼近散乱数据的矩形网格边缘误差的减小研究
- 2011年
- 基于SOFM神经网络构建的矩形网格模型可以实现密集散乱点数据自组织压缩,生成期望疏密程度和精度的双有序点列,但该模型存在边缘误差。为减小矩形网格的边缘误差,改进了矩形网格模型的训练模式,提出了3步训练模式。第1步采用整个测量点集,对矩形网格模型中的所有神经元进行整体训练;第2步采用测量点集中的边界点集,对矩形网格模型中的网格边界神经元进行训练;第3步采用边界点集中的角点点集,对矩形网格模型中的网格边界角点神经元进行训练。算例表明,应用该训练模式,可以有效减小矩形网格的边缘误差,矩形网格逼近散乱数据点集的逼近精度得到提高并覆盖数据点集整体分布范围。
- 张伟曾立赵明岩
- 关键词：逆向工程矩形网格神经网络散乱数据
- 基于三角网格构建的扫描测头半径三维补偿被引量：1
- 2014年
- 采用扩展的自组织特征映射神经网络探讨了三坐标测量机接触式密集数据采集的测头半径三维补偿。构建了基于三角形网格构建的测头半径三维补偿模型。经过训练,神经网络将整个数字化点群数据分成许多子区域,每个子区域用一个微切平面逼近;对子区域的分类核心,即神经元位置权重,沿微切平面法矢方向进行修正,得到逼近测头球心面的三角形网格II;根据微切平面的法线,对测头半径进行三维补偿,得到逼近接触曲面的三角形网格III。测头半径三维补偿的法矢方向,也可通过估算三角网格II顶点的法矢得到。算例表明所创建的测头半径三维补偿模型有效可行。
- 张伟赵云飞
- 关键词：三坐标测量机测头半径补偿神经网络三角网格
- 逼近散乱点云数据的三角形网格精确剖分被引量：4
- 2014年
- 基于自组织特征映射神经网络构建的三角形网格模型可以实现测量点云压缩后的Delaunay三角逼近剖分,但该模型存在逼近误差和边缘误差。为减小三角形网格的逼近误差和边缘误差,构建了精确逼近的三角形网格模型。首先采用整个测量点云,对三角形网格模型中的所有神经元进行整体训练;然后对三角形网格中的网格神经元的位置权重,沿网格顶点法矢方向进行修正;最后采用测量点云中的边界点集,对三角形网格模型中的网格边界神经元进行训练。算例表明,应用该模型,可以有效减小三角形网格的边缘误差,三角形网格逼近散乱点云的逼近精度得到大幅提高并覆盖散乱点云整体分布范围。
- 张伟
- 关键词：逆向工程三角形网格神经网络散乱点云
- 逼近点云的三角形网格的边缘误差减小研究
- 2011年
- 基于SOFM神经网络构建的三角形网格模型可以实现测量点云压缩后的Delaunay三角逼近剖分,但该模型存在边缘误差。为减小三角形网格的边缘误差,改进了三角形网格模型的训练模式,提出了3步训练模式。第1步采用整个测量点云,对三角形网格模型中的所有神经元进行整体训练;第2步采用测量点云中的边界点集,对三角形网格模型中的网格边界神经元进行训练;第3步采用边界点集中的角点点集,对与边界角点匹配最佳的网格边界神经元进行训练。算例表明,应用该训练模式,可以有效减小三角形网格的边缘误差,三角形网格逼近散乱点云的逼近精度得到提高并覆盖散乱点云整体分布范围。
- 张伟曾立檀中强
- 关键词：逆向工程三角形网格神经网络散乱点云
