基于贝叶斯网络在机测量复杂曲面布点规划研究
本文关键词：基于贝叶斯网络在机测量复杂曲面布点规划研究
更多相关文章： 在机测量系统 IGES文件 影响因子 贝叶斯网络 布点规划
【摘要】：随着现代制造业的快速发展,在机测量技术在对复杂曲面零件进行测量时得到广泛应用。在机测量技术可以减少企业的资金投入、避免零件二次装夹产生的误差以及实时反馈测量结果等诸多优点;建立CAD、CAM和CAI集成化系统,实现设计-加工-测量一体化,符合现代制造业对高度集成性的要求。关于在机测量技术的基础理论研究已从各个方面展开,本文从零件的待测曲面提取、测点采样规划两个方面着手,对在机测量系统的若干技术问题进行深入的探讨与研究。本文介绍了基础理论知识,并对在机测量系统进行了分析,为解决下文的关键问题做了铺垫:系统地介绍了NURBS曲面的理论知识,研究了贝叶斯网络模型的构造方法、学习模式及推理方法,分析并选定了本研究中网络模型的构建步骤、参数学习模式及网络推理方法。并对复杂曲面在机测量系统的原理、实现方式以及优点进行了详细阐述,通过对在机测量系统软硬件进行了分析,提出了复杂曲面在机测量需要解决的关键问题,确定了总体方案规划。对在机测量系统的若干关键技术问题进行深入研究,主要包括CAD模型待测曲面提取及测点采样规划两部分。(1)CAD模型待测曲面提取:通过深入研究IGES文件结构和分析IGES文件记录实体的拓扑结构,实现可见几何实体信息的析取,提出一种优异的NURBS曲面信息及相关裁剪信息的存储方法。IGES解释器主要功能是稳定解释IGESV5.3文件中的NURBS曲面信息;(2)测点采样规划:对目前的采样策略进行了分析,指出单一的采样方案往往会出现鲁棒性较差的问题,提出一种基于贝叶斯网络选择采样策略的方法,分析零件的曲率及曲面片等信息,并对工件表面的加工精度要求进行分析,根据多种影响因子的相互关系利用贝叶斯网络来选择最优的采样策略,这样可以充分发挥各采样策略的优势。
【关键词】：在机测量系统 IGES文件 影响因子 贝叶斯网络 布点规划
【学位授予单位】：天津职业技术师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TG659
【目录】：
- 摘要4-5
- Abstract5-9
- 第1章 绪论9-15
- 1.1 研究的背景及意义9-10
- 1.2 国内外研究现状10-13
- 1.2.1 在机测量系统研究现状10-11
- 1.2.2 复杂曲面布点规划研究现状11-12
- 1.2.3 贝叶斯网络发展及研究现状12-13
- 1.3 本文的研究内容13-15
- 第2章 复杂曲面造型及贝叶斯网络理论15-25
- 2.1 复杂曲面理论15-17
- 2.1.1 NURBS曲线曲面15-16
- 2.1.2 权因子的几何意义16-17
- 2.2 贝叶斯网络相关理论17-23
- 2.2.1 贝叶斯网络概念17-19
- 2.2.2 贝叶斯网络模型构建19-20
- 2.2.3 贝叶斯网络学习20-22
- 2.2.4 贝叶斯网络推理22-23
- 2.3 朴素贝叶斯分类器23-24
- 2.4 本章小结24-25
- 第3章 复杂曲面在机测量系统分析与总体方案分析25-29
- 3.1 在机测量基本原理及优点25-26
- 3.1.1 在机测量基本原理25-26
- 3.1.2 在机测量优点26
- 3.2 在机测量系统的软硬件分析26-28
- 3.2.1 硬件模块分析26
- 3.2.2 软件模块分析26-28
- 3.3 复杂曲面在机测量方案28
- 3.4 本章小结28-29
- 第4章 复杂曲面待测区域关键特征的提取29-39
- 4.1 IGES文件29
- 4.2 实体信息的提取与存储29-32
- 4.2.1 目录条目段的域解析29-30
- 4.2.2 目录条目段和参数数据段的对应关系30-31
- 4.2.3 实体属性数据存储方法31-32
- 4.2.4 实体参数数据读取及存储方法32
- 4.3 可见实体的提取及存储32-35
- 4.3.1 可见实体的提取32-33
- 4.3.2 可见实体的存储33-35
- 4.4 裁剪曲面提取与存储35-37
- 4.5 IGES文件关键特征提取的实现37-38
- 4.6 本章小结38-39
- 第5章 复杂曲面布点规划模型构建39-51
- 5.1 测点采样算法39-41
- 5.1.1 采样策略简介39
- 5.1.2 拟采用的各采样原理简介39-41
- 5.2 在机测量复杂曲面影响因子分析41-42
- 5.2.1 曲率因子的计算41
- 5.2.2 曲面片因子的计算41-42
- 5.2.3 测量影响因子42
- 5.3 在机测量复杂曲面贝叶斯网络模型建立42-45
- 5.3.1 选择节点及确定变量集及变量域43-44
- 5.3.2 确定模型网络结构44
- 5.3.3 确定先验参数44-45
- 5.4 网络模型学习45-46
- 5.4.1 先验概率45
- 5.4.2 后验概率45-46
- 5.5 贝叶斯网络复杂曲面规划预测推理46
- 5.6 在机测量复杂曲面布点规划贝叶斯网络模型程序实现46-48
- 5.7 仿真实验48-50
- 5.7.1 测点仿真原理48
- 5.7.2 实例验证与分析48-50
- 5.8 本章小结50-51
- 第6章 总结与展望51-52
- 6.1 总结51
- 6.2 展望51-52
- 参考文献52-55
- 致谢55-56
- 申请学位期间的研究成果及发表学术论文56
【相似文献】
中国期刊全文数据库 前4条
1 杨敏;贺兴时;刘平丽;王芳妮;;基于属性约简的PLS加权朴素贝叶斯分类[J];西安工程大学学报;2013年01期
2 陈俊东,吴则举,刘云,Louis Roemer;贝叶斯频谱估计算法在测量人工传输线长度中的应用[J];青岛科技大学学报(自然科学版);2005年01期
3 赵国彦;刘强;刘超;;岩爆烈度分级预测中的贝叶斯判别分析[J];金属矿山;2010年05期
4 ;[J];;年期
中国重要会议论文全文数据库 前6条
1 袁野;胡邦辉;刘丹军;苏宏琛;;基于贝叶斯分类判别方法的雷暴预报研究[A];第26届中国气象学会年会灾害天气事件的预警、预报及防灾减灾分会场论文集[C];2009年
2 李千目;严悍;刘静;王宗月;张宏;刘凤玉;;基于贝叶斯网络的网络性能诊断系统[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
3 马后锋;樊兴华;;一种改进的增量贝叶斯分类算法[A];2007'仪表，，自动化及先进集成技术大会论文集（一）[C];2007年
4 邓红;陈丹;周方;;基于贝叶斯网络的多主题对话管理方法研究[A];2010通信理论与技术新发展——第十五届全国青年通信学术会议论文集（下册）[C];2010年
5 周德全;;离散贝叶斯分类算法及分类误差估计[A];中国仪器仪表学会第六届青年学术会议论文集[C];2004年
6 陈猛;郭华平;范明;;一种基于贝叶斯的多窗口数据流分类模型[A];第二十五届中国数据库学术会议论文集（二）[C];2008年
中国博士学位论文全文数据库 前3条
1 冯e
本文编号：521522
本文链接：https://www.wllwen.com/kejilunwen/jiagonggongyi/521522.html
