论文部分内容阅读
利用径向基函数(RBF)神经网络优异的非线性逼近能力,将流线型玻璃钢覆盖件样件外形数据、加工余量、变形数据作为神经网络输入,在神经网络的输出上可以分别得到覆盖件曲面和模具曲面离散数据点.再通过神经网络的输出数据对曲面进行造型.通过在复杂曲面模具造型上的实际应用,证明该方法能够实现产品和工艺装备的并行设计,缩短产品研制周期,提高了设计和生产效率.