基于RBF神经网络的光滑不确定模型自适应采样方法
来源：计算机集成制造系统杂志2025年第8期北京时间：
作者：郑源, 李艳, 高峰, 张旭涛, 杨勃
单位：1.西安理工大学机械与精密仪器工程学院2.西安精雕精密机械工程有限公司
摘要：由于缺少关于廓形的先验知识,具有不确定性被测表面的重构精度取决于采样方法的自适应程度,即在测量过程中对下一采样点的实时合理设置。利用径向基函数神经网络(RBFNN)的非线性映射能力预测被测光滑表面备选采样点的几何特征响应,并将其不确定度估计代入提出的考虑轮廓曲率影响的MaxCWVar信息标准中用于选择下一最优测点(NBP)。以叶片截面自由曲线为例,验证了该方法自适应采样性能的优越性。与其他自适应采样策略的对比表明,基于RBFNN的响应预测对于采样点位置确定具有很好的指导作用;与其他三个常用的NBP选择标准相比,根据MaxCWVar标准得到的采样点分布更为合理,能及时准确地跟随轮廓的几何特征变化,经样本密度与曲率之间的相关性分析得以验证。特别是对采样实时性有较高要求的情况下,所提出方法具有更好的重构精度和建模效率。研究成果对于探索快速、智能的复杂无模型光滑曲面重构方法具有启发意义。
关键词：不确定模型,自适应采样,径向基函数神经网络,MaxCWVar信息标准,下一最优测点
基金资助：陕西省重点产业链创新项目资助项目 (2021ZDLGY-10-07)。
