基于神经网络的接触式测头半径三维补偿

摘要

本文探讨了基于扩展的自组织特征映射(ESOFM)神经网络的三坐标测量机接触式密集数据采集的测头半径三维补偿.构建了测头半径三维补偿神经网络模型及其训练算法.用网络神经元对曲面空间测量样本点的学习和训练来模拟曲面上的点与点之间的内在关系.按六角形阵列侧抑制邻区训练调整网络神经元权重矢量,使网络输出层结点呈六角形阵列分布,可实现测量点集压缩后的Delaunay三角逼近剖分.经过训练,神经网络将整个数字化点群数据分成许多子区域,每个子区域用一个微切平面逼近.根据微切平面的法线,对测头半径进行三维补偿.算例表明所创建的测头半径三维补偿神经网络模型有效可行.