大数据三维模型实时交互显示综述

由于硬件平台的限制,大数据量三维地形实时交互显示一直是可视化仿真技术的热点课题,要求综合考虑地形模型复杂度与实时效果,利用三维地形模型数据动态调用技术、LOD技术、纹理CLIP技术,基于一定的硬件条件,达到较好的实时可视化仿真显示速度与效果。     

第一人称视角地形轮廓草图的真实空间重建

第一人称2D地形草图重建三维模型是具有挑战性的研究,由于缺失一维信息,多数研究都侧重于研究自由设计地形及提高真实感的地面纹理映射方法,却并未涉及更符合普通用户手绘的目的并遵循摄影几何规律的真实空间位置重建,本文提出手绘草图直接生成符合真实空间位置的三维模型生成方法。首先,遵循二维草图既定的形状规律、视觉遮挡关系,根据小孔成像规律构建相对深度关系;然后,通过采样不同深度层的轮廓数据点进行椭圆扩展来建立等高线图,周向采样点的分形插值来计算地形单元;接着通过旋转映射来实现空间地形单元的非刚性变形,从而实现第一人称视角下同一轮廓不同三维模型的构建;最后,加入柏林噪声以添加三维地形细节展示的随机效果。实验结果表明:在相同的二维草图透视下,可以构建具有不同真实空间位置的三维地形模型,与三种草图地形建模方法相比,解决了真实空间位置重建的问题。本文提出的方法更符合用户的设计目的,实现任意同一投影草图轮廓的三维地形真实空间重建,得到多层遮挡地形草图的多种真实空间位置布局,并能满足地形特征的展示,弥合了艺术意图与数字建模之间的鸿沟。     

基于设计模式和基本对象模型的多分辨率仿真框架

目前多分辨率建模缺乏通用的仿真框架,不利于多分辨率建模目标的实现.为此,提出一种基于共享模式技术和基本对象模型的多分辨率仿真通用框架.基于基本对象模型实例聚合的多分辨率建模蕴含共享模式的思想,利用共享模式技术来构建其仿真框架,论述了该框架的建立过程,并举例说明其运用方法和效果.实例表明该框架适合同质实体聚合类多分辨率建模,能够优化仿真成本,提高仿真效率,并具有高度灵活性和可扩展性.     

基于HDP-CHMM的机械设备性能退化评估

针对传统隐马尔可夫模型(hidden Markov model,简称HMM)状态数必须预先设定的不足,提出了一种基于分层狄利克雷过程-连续隐马尔可夫模型(hierarchical Dirichlet process-continuous hidden Markov model,简称HDP-CHMM)的机械设备性能退化评估方法。该方法利用分层狄利克雷模型的分层聚类原理,在狄利克雷过程(Dirichlet process,简称DP)模型的基础上进行扩展,利用多组关联数据实现了模型结构根据观测数据的自适应变化和动态调整,获得设备运行过程中的最优退化状态数,并结合连续隐马尔可夫模型(continuous hidden Markov model,简称CHMM)良好的分析和建模能力,获得设备退化状态转移路径,实现机械设备运行过程中的退化状态识别和性能评估。利用滚动轴承全寿命数据的多组特征值进行了应用研究,并与基于K-S检验算法的机械设备零部件性能退化评估方法进行了比较。结果表明,HDP-CHMM模型可以对轴承实际运行状态转移过程进行建模,有效识别轴承运行中的不同退化状态,为基于状态的设备维修提供了理论指导。     

基于数字孪生的多维多尺度智能制造空间及其建模方法

随着数字孪生、信息物理融合系统等新兴技术的发展,如何实现面向制造业应用的物理空间、信息空间与业务空间的多维融合已成为智能制造落地实施的关键。针对该问题,从逻辑关联的视角提出了多维多尺度智能制造空间的内涵与特征,并结合数字孪生技术的实现逻辑,研究了智能制造空间的虚实映射建模方法、复杂多维时空域下智能制造过程及数据建模方法。进一步,结合某叶轮的生产制造案例对所提出的建模方法进行了验证,证明了该建模方法的可行性和有效性,为实现智能制造空间多要素、多业务、多流程的实时同步仿真与虚实联动控制提供了支撑。     

知识驱动的加工产品数字孪生拟态建模方法

对加工过程的实时观察、分析和控制是优化零部件加工策略的重要组成部分。通过融合几何状态、物理状态和设备状态变化等多维、实时的加工过程数据,可以实现对加工过程的建模和监控。数字孪生模型是数字孪生系统的核心与基础。但是,目前还缺乏一种系统且能自适应开发高保真、多尺度、多维加工数字孪生建模方法,以辅助系统进行分析与决策。提出了一种知识驱动的加工产品数字孪生拟态建模方法,可以在加工过程中自适应地构建产品数字孪生模型。该模型可根据加工过程自适应的变化,实时表达加工过程中的产品,为数字孪生决策系统提供数据支持。最后在一个航天零件的加工过程中测试了该方法,验证数字孪生拟态模型在加工中应用的可行性。     

基于特征建模技术的CAD/CAE集成方法研究

采用基于特征的非流型建模技术提出了实现CAD／CAE集成系统的的新方法，方法通过建立和使用包括CAD和CAE系统中需要的全部不同类型几何模型的单一主模型，并通过选择操作实现了从主模型中同步快速提取适用于CAD的实体模型和适用于CAE的非流型模型。本方法还通过基于特征的多分辨率和多抽象建模技术实现了不同细节层的CAD模型和不同抽象层的CAE模型建立：     

基于逻辑Petri网模型的断路器数字孪生车间系统

针对断路器批量化制造过程中的生产逻辑关系建模与控制问题,提出一种基于逻辑Petri网的断路器数字孪生车间系统建模与控制方法.基于物理车间的构成信息和断路器批量化制造工艺特点,建立了逻辑约束的递进式Petri网,实现了对物理生产过程的精准建模分析.在此基础上,采用模型结构分析、系统协同优化、物理引擎开发等方法,结合逻辑P...     

基于火焰动态形变特征的转炉炼钢终点判定

炼钢转炉炉口火焰的动态形变特征与吹炼数据有密切的关系,在不同吹炼时期显示出不同的规律性,是吹炼过程中的显著特征。准确地表示和描述火焰边界动态形变对依据火焰图像判定转炉吹炼终点具有重要意义,且能克服静态边界特征存在的振荡剧烈问题。提出一种表述火焰边界动态形变的方法,首先定位了符合人眼感知的火焰区域中心;其次,利用此中心对火焰边界进行极坐标建模;最后,依据边界模型定义了火焰边界动态形变幅度谱的提取方法,对动态形变过程进行描述,并将其应用于转炉终点的判定。为保证火焰边界动态形变描述的有效性,对原火焰图像及提取到的火焰边界进行了处理。实验结果表明,与现有的差分链码曲率、边界不变矩和圆形度等火焰边界静态特征相比,所提算法有较高的识别率,且能满足实时性要求,有较高应用价值。     

基于人工神经网络的车削切屑形态预测动态建模及实时仿真

针对数控加工中切屑形成过程的监控问题,在基于实时工况智能监控平台上,通过研究切屑形态预测的神经网络动态建模方法,建立了切屑形态预测仿真动态模型.并根据切屑空间运动轨迹的数学模型,建立了切屑三维造型模型,在虚拟现实环境中实现车削过程的切屑实时动态仿真.     

机组非线性模型的多变量内模控制

大型火力发电机组的协调控制系统是一个复杂的多变量非线性控制系统。随着科学技术和生产的迅速发展,对复杂和不确定性系统实行自动控制的要求不断提高,为进一步改善控制品质,必须采用先进控制器。内模控制由于具有良好的跟踪性能和抗干扰能力,并对模型失配有一定的鲁棒性,使其在工业控制中获得了广泛的应用。为了克服非线性环节以及能量供需之间关联耦合作用对协调系统控制品质的影响,本文结合反馈线性化方法与多变量内模控制,对机组非线性模型设计出非线性内模控制器。     

New iterative method for model updating based on model reduction

Model reduction technique is usually employed in model updating process. Here, a new iterative method associating the model updating method with the model reduction technique is investigated. Using the traditional iterative method, the errors resulted from replacing the reduction matrix of the experimental model with that of the finite element (FE) model are not fully considered, which needs more iterations and computing time. In order to reduce the errors produced in the replacement, a new iterative method is proposed based on the traditional method, in which the correction term related to the errors is added. The comparisons between the traditional iterative method and the proposed iterative method are shown by model updating examples of solar panels and both of these two iterative methods combine the cross-model cross-mode (CMCM) method and the succession-level approximate reduction (SAR) technique. The results indicate that the convergence rate and the computing time of the new method are significantly superior to those of the traditional iterative method with or without noise.     

Efficient model building in active appearance model for rotated face

This paper proposes the efficient model building in active appearance model （AAM） for the rotated face.Finding an exact region of the face is generally difficult due to different shapes and viewpoints.Unlike many papers about the fitting method of AAM,this paper treats how images are chosen for fitting of the rotated face in modelling process.To solve this problem,databases of facial rotation and expression are selected and models are built using Procrustes method and principal component analysis （PCA）.These models are applied in fitting methods like basic AAM fitting,inverse compositional alignment （ICA）,project-out ICA,normalization ICA,robust normalization inverse compositional algorithm （RNIC） and efficient robust normalization algorithm （ERN）.RNIC and ERN can fit the rotated face in images efficiently.The efficiency of model building is checked using sequence images made by ourselves.     

Nonlinear model identification and adaptive model predictive control using neural networks

This paper presents two new adaptive model predictive control algorithms, both consisting of an on-line process identification part and a predictive control part. Both parts are executed at each sampling instant. The predictive control part of the first algorithm is the Nonlinear Model Predictive Control strategy and the control part of the second algorithm is the Generalized Predictive Control strategy. In the identification parts of both algorithms the process model is approximated by a series-parallel neural network structure which is trained by a recursive least squares (ARLS) method. The two control algorithms have been applied to: 1) the temperature control of a fluidized bed furnace reactor (FBFR) of a pilot plant and 2) the auto-pilot control of an F-16 aircraft. The training and validation data of the neural network are obtained from the open-loop simulation of the FBFR and the nonlinear F-16 aircraft models. The identification and control simulation results show that the first algorithm outperforms the second one at the expense of extra computation time.     

An electric vehicle’s battery life model under car-following model

Using the electricity consumption theory, we in this paper propose an electric vehicle’s battery life model. The numerical results illustrate that the proposed model can qualitatively describe the impacts of the micro-driving behavior on the number of times that the electric vehicle’s battery can cycle under two typical traffic situations. In addition, the numerical results show that the micro-driving behavior will influence the electric vehicle’s battery life, i.e., under the smooth driving behavior, the number of times that the electric vehicle’s battery cycles are stable and the number of the battery cycles will be increased, so the electric vehicle’s battery life can be prolonged.     

基于Karnopp模型和数据驱动的虚拟针灸手法力建模

针灸学是一门实践性学科，操作训练的经验对针灸医学生掌握针灸技术十分重要。本文针对传统训练方法准确性和真实感低的问题，基于Touch X和 wity搭建了虚拟针灸训练平台，并通过采集针刺猪肉的数据建立提插和捻转手法力模型。针对提插手法可分为刺人力和提插力两部分，在刺人力模型中增加了衰减力建模，使刺人的分层感更加真实；借鉴 Kamoup模型建立不同组织层的单位长度阻尼函数，结合刺入力和提插力建立完整的提插手法力模型。针对捻转手法采用数据驱动建模，分为动态捻转和静态衰减两部分，两者测试集准确率分别为0.985 08和0.992 49。最后通过左右手对比实验和用户使用感受对模型进行评估，结果表明，本文建立的两种针灸手法力模型准确度高，真实性强，可扩展性好。     

一种夹层板结构车厢的有限元简化模型及模态分析

以某型车的车厢夹层复合板结构为例,研究了夹层板结构的有限元建模方法,建立了车厢的有限元简化模型并进行了模态分析。与传统上使用的板梁单元相比,单元自由度数减少了66.7%,大大缩短了分析时间,提高了计算效率。     

最小二乘支持向量机模型的简化结构研究

针对LS-SVM模型复杂度高的问题．本文提出了一种简化模型的思路。在保证LS-SVM模型性能不变的前提下,通过该模型的少量输入输出样本,利用LS-SVM建模进一步拟合该模型。使得到的新模型的复杂度降低。仿真试验表明。本文给出的模型简化方法是有效的。     

Well-conditioned model predictive control

Model-based predictive control is an advanced control strategy that uses a move suppression factor or constrained optimization methods for achieving satisfactory closed-loop dynamic responses of complex systems. While these approaches are suitable for many processes, they are formulated on the selection of certain parameters that are ambiguous and also computationally demanding which makes them less suited for tight control of fast processes. In this paper, a new dynamic matrix control (DMC) algorithm is proposed that reduces inherent ill-conditioning by allowing the process prediction time step to exceed the control time step. The main feature, that stands in contrast with current DMC approaches, is that the original open-loop data are used to evaluate a "shifting factor" m in the controller matrix where m replaces the move suppression coefficient. The new control algorithm is practically demonstrated on a fast reacting process with better control being realized in comparison with DMC using move suppression. The algorithm also gives improved closed-loop responses for control simulations on a multivariable nonlinear process having variable dead-time, and on other models found in the literature. The shifting factor m is generic and can be effectively applied for any control horizon.