《表1 DR通信服务类型:基于工图图像的法兰三维重建方法研究》
实验数据共50组数据其中30组作为训练数据,20组作为测试数据。神经网络在识别法兰盘大圆盘高度训练过程中的均方误差,如图4所示。从图中可以看出均方误差在经过76次迭代后达到设定目标,最佳测试结果其误差约为5.34e-10。BP神经网络的预测值域真实值的比较图,如图5所示。从图中可以看出神经网络的预测结果与真实值基本重合,取得了较好效果其误差十分微小,预测结果与真实值之间的标准差,如图6所示。BP预测结果、真实值与标准差表,如表1所示。同理可以得到其他法兰零件的相关参数,对识别后的参数进行取整其结果,如图7所示,把这一结果导入到Solid Works的零件设计表中据此自动生成法兰零件的三维模,如图8所示。法兰零件的工程图纸扫描图像,如图9所示。
图表编号 | XD00198270800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.08 |
作者 | 于灏、杨建鸣、王小刚 |
绘制单位 | 内蒙古科技大学机械工程学院、内蒙古科技大学机械工程学院、内蒙古科技大学机械工程学院、包头钢铁钢联股份有限公司焦化厂 |
更多格式 | 高清、无水印(增值服务) |