基于CNN的CAD模型到MCNP模型转换算法研究  

Research of Conversion Algorithm from CAD to MCNP Geometry Model Based on CNN

作　　者：田彦山[1,2] 吴炯[1] 王森[1] 孙宏宇[1] 周庆国[1] 

机构地区：[1]兰州大学信息科学与工程学院,兰州730000 [2]宁夏师范学院数学与计算机科学学院,宁夏固原756000

出　　处：《西南大学学报（自然科学版）》2015年第12期109-115,共7页Journal of Southwest University(Natural Science Edition)

基　　金：中国科学院战略性先导科技专项课题(XDA03030100);国家自然科学基金项目(61562070);宁夏自然科学基金项目(NZ15256;NZ14274;NZ14278)

摘　　要：MCNP输入文件具有结构复杂,几何模型描述工作易出错的特点.本文利用卷积神经网络对CAD模型到MCNP几何模型的转换算法进行了改进,给出了卷积神经网络(CNN)图片分类对栅元位置信息进行判断的方法,实验结果显示改进后的算法在进行模型转换时具有更好的可扩展性和可靠性,对复杂CAD模型的兼容性更强,并为CAD模型的特征识别提供了一种新的方法.The MCNP input file is characterized by a complicated structure and is error-prone in describing geometry models.In this paper,we make an improvement of the algorithm for converting the CAD model to the MCNP geometry model,based on the convolutional neural network（CNN）,and give a method for judging the position information of the cell,based on CNN image classification.The results of an experiment show that the improved conversion algorithm on the CAD model leads to a better extensibility and compatibility.The compatibility of the complex CAD model is also more powerful.It may provide a new approach to feature recognition about the CAD model as well.

关 键 词：CAD模型 MCNP几何模型 STEP文件 卷积神经网络 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]