Descripción del proyecto
LA RECONSTRUCCION AUTOMATICA DE CURVAS Y SUPERFICIES DE FORMA LIBRE A PARTIR DE PUNTOS DATO ES UNO DE LOS PROBLEMAS MAS IMPORTANTES EN EL DISEÑO GEOMETRICO ASISTIDO POR COMPUTADOR (CAGD), PRESENTANDO UNA GRAN RELEVANCIA EN MUCHOS PROCESOS DE PRODUCCION, MANUFACTURA Y CAD/CAM. EL PROBLEMA A RESOLVER ES EL SIGUIENTE: DADA UNA COLECCION DE PUNTOS DATO RUIDOSOS PROCEDENTES DE UNA CURVA/SUPERFICIE DESCONOCIDA, SE BUSCA OBTENER UNA CURVA/SUPERFICIE QUE APROXIME DICHOS PUNTOS CON EL MENOR ERROR POSIBLE. ESTE PROBLEMA APARECE A MENUDO EN INGENIERIA INVERSA, DONDE SE DISPONE DE CONJUNTOS GENERALMENTE MUY DENSOS DE PUNTOS DATO PROCEDENTES DE OBJETOS FISICOS REALES (ADQUIRIDOS MEDIANTE PROCESOS COMO EL ESCANEADO LASER O TACTIL 3D) Y SE BUSCA GENERAR UN MODELO DIGITAL DE DICHO OBJETO FISICO PARA SU POSTERIOR MANIPULACION POR COMPUTADOR. ESTA TECNOLOGIA ES CLAVE EN MULTITUD DE PROCESOS DE FABRICACION Y MANUFACTURA, PUES LOS MODELOS DIGITALES PERMITEN SU ARCHIVADO, CONSULTA, MODIFICACION Y TRANSMISION DE FORMA MUCHO MAS EFICIENTE QUE SUS EQUIVALENTES REALES. EN ESTE PROYECTO SE PROPONE INVESTIGAR LA APLICACION DE TECNICAS METAHEURISTICAS PARA LA RECONSTRUCCION DE CURVAS Y SUPERFICIES DE FORMA LIBRE DESDE NUBES DE PUNTOS DATO (POSIBLEMENTE DESORGANIZADOS Y RUIDOSOS). EN PARTICULAR, PERSEGUIMOS DESARROLLAR NUEVOS METODOS PARA OBTENER UNA REPRESENTACION MATEMATICA PRECISA DE DICHA CURVA/SUPERFICIE A PARTIR DE UNA INFORMACION MINIMA (TAN SOLO UN CONJUNTO DE PUNTOS DATO DE LA MISMA) REDUCIENDO SUSTANCIALMENTE LOS ERRORES DE LOS METODOS ACTUALES, DE FORMA TOTALMENTE AUTOMATICA Y RECONSTRUYENDO FORMAS MUY COMPLEJAS, INABORDABLES HASTA LA FECHA. DICHOS METODOS DEBEN SER ROBUSTOS, NUMERICAMENTE ESTABLES Y COMPUTACIONALMENTE RAPIDOS Y EFICIENTES. EL PROBLEMA DE RECONSTRUCCION PUEDE SER DIVIDIDO EN 4 SUB-PROBLEMAS: PARAMETRIZACION DE LOS PUNTOS DATO, DETERMINACION DE LOS VECTORES DE NODOS, CALCULO DE LOS PUNTOS DE CONTROL (Y SUS PESOS, EN SU CASO) Y OPTIMIZACION POR MINIMOS CUADRADOS. PRETENDEMOS RESOLVER TODOS LOS SUB-PROBLEMAS TANTO GLOBALMENTE COMO PASO A PASO, HACIENDO USO DE TECNICAS METAHEURISTICAS TANTO PARA EL PROBLEMA GLOBAL COMO ESPECIALIZADAS PARA CADA SUB-PROBLEMA. DICHAS TECNICAS INCLUYEN : ALGORITMOS GENETICOS (AG), PARTICLE SWARM OPTIMIZATION (PSO), ANT/BEE COLONY OPTIMIZATION (ACO/BCO), TABU SEARCH (TS), SIMULATED ANNEALING (SA), HARMONY SEARCH (HS), ARTIFICIAL IMMUNE SYSTEMS (AIS) Y MUCHOS OTROS. PRETENDEMOS APLICAR ESTAS TECNICAS A NUESTRO PROBLEMA, Y EFECTUAR UN ANALISIS COMPARATIVO ENTRE ELLAS, A FIN DE OBTENER LAS MEJORES SOLUCIONES PARA CADA CASO, ASI COMO EL DESARROLLO DE NUEVOS SISTEMAS EVOLUTIVOS HIBRIDOS. EL OBJETIVO PRINCIPAL DE ESTE PROYECTO ES LA GENERACION DE UN CORPUS DE CONOCIMIENTO ORIGINAL, PUBLICADO AL MAS ALTO NIVEL INTERNACIONAL, ACERCA DE LOS METODOS BASADOS EN TECNICAS METAHEURISTICAS MAS ADECUADOS PARA RESOLVER EL PROBLEMA DE RECONSTRUCCION DE CURVAS Y SUPERFICIES. PRETENDEMOS TAMBIEN MEJORAR LOS RESULTADOS REPORTADOS EN LA LITERATURA HASTA LA FECHA, TANTO EN TERMINOS DE MEJORA DEL ERROR COMO EN OPTIMIZACION EN EL NUMERO DE PARAMETROS DEL MODELO, ASI COMO RESOLVER LOS DISTINTOS SUB-PROBLEMAS ASOCIADOS AL PROBLEMA GENERAL DE RECONSTRUCCION, COMO SON LA DETERMINACION DE VECTORES DE NODOS OPTIMOS PARA EL AJUSTE DE LOS DATOS, LA PARAMETRIZACION DE LOS DATOS, LA SEGMENTACION DE LOS MISMOS, LA RECONSTRUCCION DE LOS DIFERENTES PARCHES RESULTANTES, Y LA RECUPERACION DE LA FORMA COMPLETA MEDIANTE TECNICAS COMO FUSION DE NURBS.