龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：东南大学
摘要：本发明设计了一种基于生成对抗神经网络的孪生表面建模方法，通过机理多项式生成和实测扫描的方式构建孪生装配结合面的数据集；通过构建生成器和鉴别器形成生成对抗神经网络模型；构建动态多阶段训练策略，并在数据集上对生成对抗神经网络进行训练，构建孪生装配结合面的生成模型，提高复杂产品数字孪生装配场景下虚拟模型和物理模型的映射效率。
主权项：1.一种基于生成对抗神经网络的孪生表面建模方法，其特征在于，包括以下步骤：步骤1：通过机理多项式和实测扫描相结合的方式生成给定长l、宽w的非理想矩形平面样本，通过颜色区分图像中误差的程度，并计算点云平均密度ρ，步骤2：通过机理多项式和实测扫描相结合的方式生成给定内半径r、外半径R的非理想圆环形平面样本，通过与步骤1相同的颜色区分机制，区分图像中的误差，步骤3：通过机理多项式和实测扫描相结合的方式生成给定直径d、高h的非理想圆柱形曲面样本，通过与步骤1相同的颜色区分机制，区分图像中的误差，步骤4：基于步骤1、步骤2、步骤3中的非理想装配结合面样本构建装配孪生表面数据集，步骤5：构建理想表面构造器，能够根据输入的向量[l’,w’,r’,R’,d’,h’]，构建理想形状的装配结合表面图像，步骤6：构建生成器的神经网络模型，能够以步骤5中理想表面构造器输出的图像为输入，输出对应的非理想表面图像，步骤7：构建鉴别器的神经网络模型，能够以步骤6中生成器的输出和数据集中样本图像为输入，输出两者的相似度数值，步骤8：基于步骤6中的生成器和步骤7中的鉴别器构建生成对抗神经网络模型，步骤9：构建动态多阶段训练策略，该策略分为两个阶段对步骤8中的神经网络进行训练，当第一训练阶段收敛后进入第二训练阶段，步骤10：当步骤9中的第二训练阶段收敛后，构建基于生成对抗网络的孪生装配结合面生成模型。
全文数据：
权利要求：
百度查询： 东南大学 一种基于生成对抗神经网络的孪生表面建模方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号