1、特征造型技術(shù)是CAD/CAM集成系統(tǒng)的關(guān)鍵技術(shù)之一，是產(chǎn)品模型設(shè)計的核心。在利用當前基于歷程的特征造型系統(tǒng)進行產(chǎn)品的設(shè)計和修改過程中，特征重構(gòu)技術(shù)尤其重要。重構(gòu)的效率將隨著模型復雜程度的提高呈線性增長，現(xiàn)有的特征造型系統(tǒng)中所用到的重構(gòu)技術(shù)基本上都是基于規(guī)則形狀特征的，隨著特征造型技術(shù)的發(fā)展，涉及到不規(guī)則曲面的問題越來越多，對其進行重構(gòu)新的幾何模型所需的時間將會更長且模型重構(gòu)的效率不高。這已成為一個亟待解決的問題。本文針對目前的特征造型中

2、只包含少數(shù)(如棱柱形和圓柱形)規(guī)則圖形，并且在大樣本空間下，對測量散亂點曲面建模的精度不高的問題，結(jié)合神經(jīng)網(wǎng)絡技術(shù)與特征重構(gòu)技術(shù)，進行了深入的研究，其主要工作如下： 1.分析了語義特征造型的基本理論及特征的表示方法。引進了自由曲面特征，以HUST-CAID(哈爾濱理工大學計算機輔助工業(yè)造型設(shè)計系統(tǒng))語義特征造型系統(tǒng)為例，闡述了自由曲面特征的設(shè)計、創(chuàng)建過程及重構(gòu)順序。 2.提出特征造型中基于神經(jīng)網(wǎng)絡的自由曲面重構(gòu)機制，采用

3、層次性劃分和模塊化的思想，創(chuàng)建了基于RBF的混合神經(jīng)網(wǎng)絡(RBFMNN)模型。通過RBFMNN對大樣本集的訓練來實現(xiàn)特征提取，大大提高了曲面重新建模的精度，增強特征重構(gòu)的魯棒性和容錯性。 3.為了減少自由曲面特征重構(gòu)的冗余數(shù)據(jù)，提高重構(gòu)效率并將三維模型的拓撲描述轉(zhuǎn)為神經(jīng)網(wǎng)絡中的矢量數(shù)據(jù)，本文對重構(gòu)數(shù)據(jù)預處理做了詳細的研究，提出了重構(gòu)數(shù)據(jù)預處理的改進算法或方法。 4.對自由曲面特征重構(gòu)方法進行優(yōu)化，并制定了重構(gòu)精度評價方案