车体作用架模具自动预设时的线型辨识法

本篇文章1290字，读完约3分钟

在基于实例的汽车覆盖件模具智能cad系统设计中，为了便于系统的实现，在比较两个cad模型的相似性时，在每个覆盖件cad模型上取几条轮廓线作为特征曲线，分别计算这些特征曲线的相似性，然后由这些曲线的相似性计算出整个覆盖件的相似性。从而实现了基于实例的汽车覆盖件模具cad中的实例检索。

1989年，mathaig应用bam神经网络解决了纤维制造过程中psd的分类问题。具体而言，对离散psd曲线进行预处理以获得新的离散点序列yi(i)，其中I是频率值，然后将yi(i)曲线沿振幅轴分成R等份和沿频率轴分成S等份以获得r@s平方。根据离散yi(i)值是否落在网格中，将1或0赋给相应r@s二进制矩阵的元素，如图3所示。上述矩阵的行被连接以获得具有r@s维的单极二进制向量，然后该向量被极化并输入到所设计的bam网络中，从而实现psd曲线的分类。

在nakajima zhuangzhi 3等人开发的基于实例的锻模智能cad系统中，cad模型的相似性是通过以下方法计算的:将二维零件图分成水平尺寸为5、垂直尺寸为4的小空，然后将零件内部设置为1，将零件外部设置为0，从而形成二元模型。利用二值化模型，计算每个区域的面积比和周长比等特征量，最后通过对这些特征量加权计算零件的相似度。

上述算法的共同特点是将曲线转化为二值图，这需要大量的内存，并且对曲线的平移、旋转和缩放没有不变性。特别是，它对曲线形状的整体差异敏感，但对圆角半径的差异不敏感，这对冲压成形性有很大影响。

从曲线形状对冲压成形性的影响出发，利用曲线上离散点曲率半径构成的向量来描述曲线形状，利用ug提供的接口函数直接从曲线数值模型中读取曲线的曲率半径，利用神经网络作为分类器实现对曲线形状的分类和识别。

曲线数据的离散曲率半径是直接反映曲线形状的参数。如果两条曲线的曲率半径处处相等，则两条曲线的形状必须相同。用曲率半径来表示曲线形状有以下优点:(1)曲率半径是曲线平移和旋转的不变量，能准确反映曲线形状。(2)与上述反映曲线整体形状的特征2和3相比，曲率半径作为反映曲线局部形状的特征，更符合曲线形状识别的成形性分析的要求。(3)曲率半径比用坐标点表示曲线的方法更能反映曲线的成形性。如图所示的两条曲线是取自两个正方形盒子的剖面线。如果将一系列坐标点作为曲线的特征量，则特征空中两条曲线之间的距离很小，很难区分。以一系列点的曲率半径作为特征向量，更容易区分两条曲线。事实上，正是曲线上每个点的曲率半径及其变化真正影响了冲压件的成形性。

对于钣金冲压成形问题(以方盒拉深为例)，影响成形性能的主要因素有:四角圆弧半径、侧壁斜度和侧壁高度。用坐标点表示曲线时，容易比较侧壁高度的差异，但对圆弧半径和侧壁斜率的变化不敏感。当曲率半径用于表示曲线时，预处理的图显示四个峰值表示四个角处的圆弧半径。经过预处理后，大曲率半径的值已经转化为接近于零，因此峰位和峰间距的偏差对曲线形状比较的结果有很大的影响，曲线形状比较的结果只是反映了侧壁坡度和侧壁高度的差异。因此，曲率半径表示对影响成形性的三个因素很敏感，是一种理想的表示方法。