作　　者： ; ; ;

机构地区： 北京航空航天大学

出　　处： 《制造技术与机床》 2005年第7期19-21,共3页

摘　　要： 通过天线罩样件的外形数据,结合天线罩制造过程中的变形数据,反求天线罩模具复杂曲面。RBF神经网络具有很强的非线性逼近能力,模具曲面的重构精度高并且网络训练速度快。将RBF网络输出数据输入到CITIA的数字曲面编辑器对模具曲面进行造型,该方法具有很高的实用推广价值。 The aim of the research is to reconstruction mould surface via shape data of sample radar-dome collected by reverse engineering technology. Radial Basis Function (RBF) neural network has strong capability of nonlinear approximation with high reconstructing accuracy and fast training rate. The surface model of radar-dome mould can be get by inputting the results of RBF into CATIA digital surface editor. This method is valuable to practice and generalize.

关 键 词： 复杂曲面 天线罩 反求 外形 样件 神经网络 模具曲面 变形数据 制造过程 逼近能力 训练速度 数字曲面 数据输入 网络输出 推广价值 非线性 编辑器

领　　域： [自动化与计算机技术] [自动化与计算机技术] [金属学及工艺]