基于STEP标准的三维实体制造特征识别技术研究

提要	第1-7页
第1章 绪论	第7-13页
·研究目的与意义	第7-8页
·特征识别技术的发展现状	第8-10页
·基于边界匹配的特征识别方法	第8-9页
·基于体分解的特征识别方法	第9-10页
·本文研究的主要内容	第10-13页
·本文的基本设计思想	第10-11页
·本文主要研究内容	第11-13页
第2章 STEP 中性文件信息提取过程	第13-23页
·STEP 标准的信息模型	第13-15页
·STEP 中性文件中几何信息元素描述	第13-14页
·STEP 中性文件中的拓扑信息描述	第14-15页
·STEP 中性文件的结构	第15-18页
·STEP 中性文件的头部段	第16-17页
·数据段的语句格式	第17-18页
·数据挖掘原理对STEP 中性文件数据信息提取	第18-23页
·词法分析器的设计原理	第19-21页
·STEP 中性文件内存工作格式的构造	第21-23页
第3章 基于属性邻接图的特征识别	第23-41页
·从STEP 内存工作格式到属性邻接图表示	第23-27页
·零件三维模型的表达	第23-24页
·从STEP 内存工作格式到属性图的映射	第24页
·实例	第24-27页
·圆角特征的识别与抑制	第27-36页
·圆角特征中几何元素的定义	第27-30页
·圆角特征的识别	第30-31页
·圆角特征抑制	第31-36页
·基于属性邻接图进行特征识别	第36-41页
·边的凸凹性判定	第36-38页
·属性邻接图	第38页
·典型加工特征的定义	第38-40页
·利用子图匹配理论进行特征识别	第40-41页
第4章 基于启发式技术和神经网络的特征识别	第41-59页
·将AAG 图分解成最小子图	第42-48页
·面的分类和各类面连接的数值	第43-44页
·面的状态和三种计数	第44页
·将AAG 图分解成最小子图的算法	第44-47页
·一系列启发式的规则	第47-48页
·神经网络的特征识别	第48-59页
·神经网络的输入矢量	第48-50页
·神经网络识别的方法	第50-54页
·基于神经网络的特征识别算法实例	第54-59页
第5章 结论与展望	第59-61页
·本文主要结论	第59页
·展望	第59-61页
参考文献	第61-65页
摘要	第65-67页
Abstract	第67-70页
致谢	第70页