使用局部支撑径向基函数的隐式曲线曲面几何迭代算法

由散乱数据稳定重构曲线曲面,在变分拟插值方法的基础之上,提出了使用局部支撑径向基函数的隐式几何迭代算法.首先,根据给定数据点的法向构造隐式函数的非零约束,构造计算隐函数系数的迭代格式,并讨论其收敛性;然后,在此基础上引入加速因子,对隐式迭代算法进行加速,同时讨论了加速算法的收敛性;最后,为了降低迭代过程空间和时间的复杂度,给出了一种加速算法的改进版本.数值实验表明,使用局部支撑径向基函数的隐式几何迭代算法对曲线曲面重构是有效的,并对部分信息缺失、非均匀分布、带噪声采样数据的重构也达到了较好的效果,且实现简单,易于并行.

基于神经网络的全方位轮螺旋滚子逆向建模

为了误差评定、有限元分析及加工制造的需要,对全方位轮螺旋滚子的逆向重构进行了研究。首先,对螺旋滚子进行了三坐标测量,并对采集的数据进行了预处理;然后,分析了径向基函数神经网络的原理,并在MATLAB软件中利用该原理建立了神经网络模型,对滚子外轮廓线进行了曲线重构,据此生成外轮廓曲面,最终在Pro/E中构建了滚子的三维实体模型。该模型为其后续的有限元分析、精度检测及加工制造等都奠定了良好的基础。

基于移动最小二乘法的稳健重构方法

在实际工程问题中,由于人为或环境等外界因素的影响,通过仪器测量获得的数据,不可避免地会存在粗大误差,以某种方式偏离测量数据,导致数据重构的精度不稳定。针对包含粗大误差的测量数据,本文提出一种基于移动最小二乘法的稳健重构方法,该方法对支持域内节点采用最小二乘法进行拟合,将生成的拟合点根据引入的几何特征参数α,量化各节点的异常程度并剔除异常值。对支持域内的剩余节点采用加权最小二乘法确定局部拟合系数,移动支持域完成全域的曲线曲面重构。在每个支持域内仅剔除一个点,就能有效地处理多个粗大误差,且剔除过程无需主观地设定阈值或分配权重。数值模拟与测量实验结果表明:本文方法可有效剔除测量数据中的粗大误差,与传统移动最小二乘法相比,本文数值案例精度能提高60%以上,具有良好的重构稳健性。