三维薄膜型FLNG储舱晃荡载荷的数值仿真

针对浮式液化天然气(Floating Liquefied Natural Gas,FLNG)船大型储舱内的液体晃荡问题,分别以薄膜型储舱的1∶20模型及原型为研究对象,采用CFD仿真方法分析百年一遇生存海况下液舱内晃荡载荷的基本规律和危险工况.结果表明:在真实海况下,现有FLNG储舱设计中的晃荡冲击载荷主要来源于船体纵向运动,可能出现的最大冲击载荷约为0.4 MPa,主要发生在纵舱壁与横向隔水舱的拐角位置,危险载液率为20%~30%及90%.     

误差激励作用下三维矩形液舱晃荡数值仿真

原始激励的随机小幅变化会对晃荡载荷造成不确定影响,往往具有较强的随机性和非线性现象.通过计算流体力学(Computational Fluid Mechanics,CFD)方法构造三维矩形液舱载液率为85%的晃荡数值模型,并基于相同条件开展模型晃荡实验;通过追踪自由表面变化和晃荡冲击压力时程比较分析验证数值模型的有效性.基于原始激励构造一定误差变化范围(2%,5%和10%)内的误差激励,通过数值模拟分别提取拐角监测位置处的晃荡载荷时程曲线.研究结果表明:在不同误差激励下,虽然晃荡波形和频率基本一致,但压力峰值偏差与误差大小不呈现正相关效应,最大偏差约为33.17%;微小激励误差有可能对晃荡载荷结果造成较大的偏差影响.     

基于装配的液舱三维建模与仿真

船体结构复杂,液舱及其主要构件占实际舱容约99%的型舱容.由于实际使用中发现近似计算存在的误差较大,准确地建立液舱模型就成为准确计算舱容的关键和研究热点.本文根据液舱舱体和构件特征,采用Top-Down设计方法和基于wAVE的全相关产品设计技术,通过建立引用集对液舱舱体和构件进行参数化建模,实现了液舱在多种浮态下的三维建模与仿真,为舱容计量提供了准确的三维模型.     

基于CFD的减摇水舱流体仿真

研究海洋救助船水舱稳定性优化问题,减摇水舱是最有效的减摇装置之一,可在全航速下实现船舶横摇减摇,通常是在台架和实船实验中验证水舱性能的直接有效性,但是耗时长,造价高,针对以上实验的局限性,提出采用CFD流体软件分析水舱的特性.减摇水舱内气体和液体运动是一种典型的VOF气液两相模型,通过对海洋救助船水舱模型建模,分析了水舱内阻尼板布置不同对水舱产生的最大对抗力矩调节,对抗力矩与横摇运动之间相位差以及水舱固有周期的动特性进行仿真.仿真结果表明,减摇水舱流体优化准确性能够满足平衡性要求,为水舱的设计提高有效的依据.     

大型舰船综合减摇系统无模型自适应控制

针对减摇鳍单独控制,减摇水舱单独控制和鳍/被动水舱综合控制3种减摇系统设计了无模型自适应控制方案,并对相应的减摇效果进行仿真研究.仿真研究结果表明:大型舰船采用基于无模型自适应控制的鳍/被动水舱联合减摇方案,其工作性能好于单独使用减摇鳍或减摇水舱等减摇装置的性能,在各种航态下都能满足系统设计要求.另外,无模型自适应控制仅用系统I/O数据,不必事先建立系统精确的数学模型,可适应海况的变化,且参数调整少,计算量小,还能适应系统对快速性的要求.     

液化天然气船液舱的晃荡

几乎对于任何移动的船舶或车辆,若所装液体具有自由液面,则必须考虑晃荡问题．主要有2个引起晃荡现象的因素：一个是舱内液体共振激励,在很多实际情况下主要关心的是那些频率在流体运动的最低阶自然频率附近的激励;另一个是液舱的瞬态运动．     

H∞回路整形在减摇水舱摇摆台中的应用

减摇水舱摇摆台是实现位置随动控制的液压伺服系统,其功能是模拟船舶运动姿态和验证减摇水舱的性能。摇摆台运动时,在横摇和横荡2个自由度上存在着相互耦合,且水舱内流体晃荡产生很大的干扰力和力矩,导致建模时参数不确定,对系统精度造成很大影响。为此建立摇摆台耦合运动模型,运用力学理论分析并进行解耦控制,求解流体产生的干扰力和力矩,引入H∞回路整形控制策略设计控制器,最后进行仿真分析和实验验证。结果表明,系统能够准确快速跟踪动态输入的横摇和横荡位移信号,实现了对干扰的估计和补偿,提高了系统的跟踪速度和鲁棒性,更为精确地验证水舱的性能。为模拟船舶运动姿态和其他领域中同类型的液压系统控制问题提供有效的解决方法。     

D2D通信中联合资源分配与功率控制算法

终端直通(D2D)技术引入移动蜂窝网络虽然能够提高蜂窝系统性能,但却带来了很大的干扰和能量消耗.为了降低干扰,提升频谱效率,同时又兼顾能量效率,提出了一种联合资源分配和功率控制的方法,用以实现高能效的D2D通信.仿真结果表明:本文提出的迭代资源分配和功率控制方案,相比已有方案能量效率有了明显提高.     

基于能效的D2D通信系统的干扰协调与资源优化

针对传统蜂窝用户与D2D通信用户之间的同频干扰问题,本文提出基于能效的D2D通信干扰协调与资源优化方案。该方案采用功率控制与资源分配分步进行的方式进行处理,首先是对于单个D2D用户的功率控制,在蜂窝用户最小速率以及D2D用户和蜂窝用户最大功率的限制条件下,通过优化D2D用户和蜂窝用户的功率使得D2D用户的能效最大,在此阶段,采用基于参数法的Dinkelbach算法来进行用户的功率分配;最后借助Kuhn-Munkres (KM)算法为D2D用户分配蜂窝频谱资源,以使得D2D用户的总能效最大。仿真结果表明,相比于其他方案,在保证蜂窝用户正常通信时,该方案能够进一步提高系统内D2D用户的能量效率,使能效优化效果更明显。     

舱室壁火仿真的不同亚格子模型适用性分析

有限空间舱室内墙壁火灾具有很大危害性,为研究火灾大涡仿真时不同新型亚格子模型的适用性,对半封闭实验舱室中墙火蔓延和火灾烟气运动过程进行了大涡仿真.分别采用常系数Smagorinsky模型、动力学Smagorinsky模型、Deardorff模型及Vreman模型等不同的亚格子模型与混合物分数燃烧模型结合,分析得到了舱室内烟气温度、主要组分浓度及地面辐射热流密度随时间的变化,将数值仿真得到的结果与实验测量结果进行了比较分析.结果表明,采用常系数Smagorinsky模型计算耗时最少,采用动力学Smagorinsky模型耗时最多.四个亚格子模型对主要组分浓度和辐射热流密度的预测精度基本相等,但Deardorff模型对烟气温度的预测结果与实验结果最接近,综合考虑仿真精度和计算耗时采用Deardorff模型最合适.     

基于ObjectARX 开发工程图模块的研究

三维实体建模在机械产品的设计过程中得到了广泛应用,但二维工程图仍 是当前指导生产和进行技术交流必不可少的文件。为了从三维实体模型快速得到二维工程 图,利用ObjectARX 二次开发工具,在AutoCAD 平台上开发工程图模块,实现了实体模型 向工程图的快速转化以及自动标注。工程图生成在模型空间,方便后续操作。通过实例证明 该工程图模块能够从特征实体模型中提取工程图的相关信息,快速生成二维工程图,大大提 高用户的工作效率。     

基于Creo2.0平台的分体式电位计参数化设计

基于Creo2.0 平台program 参数化工具,通过零件参数化,组件关联化,产品二维工程系列化,建立了分体式电位计三维参数模型。实现了通过修改约束参数自动修改三维模型和二维工程图自动更新的参数化设计目,实现了同类产品快速建模目的,达到了三维模型和二维工程模型修改工作的一致性目的,减少了重复劳动,提高了设计效率.     

结合特征适配与拉普拉斯形变的3维人脸重建

目的 数字娱乐产业的发展要求3维人脸重建技术能重建高分辨率3维人脸,并具有较高计算效率和重建准确性。针对这一情况,提出一种基于单幅图像的高分辨率3维人脸重建方法。方法 该方法包含特征适配与拉普拉斯形变两部分。预先用1组3维人脸样本上的3维特征构造可变形模型。给定图像时,从其上自动提取2维特征点,并根据获得问题最优解的必要条件进行特征适配以重建个性化3维特征;然后基于拉普拉斯方法,用该3维特征对一般人脸模型进行变形以获得特定高分辨率3维人脸;最后通过纹理合成获得真实感人脸。结果 用本文方法和已有方法分别进行可变形模型适配和模型变形,本文的特征适配方法具有更快的收敛速度和更高的准确性,拉普拉斯方法具有更小的重建误差。纹理映射后的3维人脸具有很好的视觉效果。结论 本文方法将特征适配与拉普拉斯形变结合起来进行高分辨率3维人脸重建。实验结果表明所提出的方法具有较高的计算效率和准确性,能实现较为理想的高分辨率3维人脸重建。     

Feature based 3D garment design through 2D sketches

This paper presents a new approach for intuitively modeling a three-dimensional (3D) garment around a 3D human model by two-dimensional (2D) sketches input. Our approach is feature based—every human model has pre-defined features, and the constructed garments are related to the features on human models. Firstly, a feature template for creating a customized 3D garment is defined according to the features on a human model; secondly, the profiles of the 3D garment are specified through 2D sketches; finally, a smooth mesh surface interpolating the specified profiles is constructed by a modified variational subdivision scheme. The resulting mesh surface can be cut and flattened into 2D patterns to be manufactured. Our approach provides a 3D design tool to create garment patterns directly in the 3D space through 2D strokes, which is a characteristic not available in other computer aided garment design systems. The constructed garment patterns are related to the features on a human model, so the patterns can be regenerated automatically when creating the same style of garment for other human models. Our technique can greatly improve the efficiency and the quality of pattern making in the garment industry.     

基于参数化的系列化图形尺寸自动标注方法

为了提高系列化图形的设计效率,降低工程制图的尺寸标注的复杂度,结合二三维一体化的设计思想,研究系列化图形的尺寸标注,提出并实践了一种系列化图形的自动标注方法--依据参数化进行实体的三维造型,然后将其进行投影生成二维视图,在二维视图上进行尺寸交互标注.研究了视图与尺寸标注之间的联系,提取关键信息,利用该关键信息对后续生成的系列化图形进行尺寸标注.最后以实例展示了自动标注的过程,表明了该方法的可行性,有效性.     

基于深度混合卷积模型的肺结节检测方法

基于高维肺部计算机断层扫描（CT）图像的肺结节检测是一项极具挑战性的任务。在诸多肺结节检测算法中，深度卷积神经网络（CNN）最引人注目，其中二维（2D） CNN具有预训练模型多、检测效率高等优点，应用非常广泛，但肺结节本质是三维（3D）病灶，2D CNN会不可避免地造成信息损失，从而影响检测精度。3D CNN能充分利用CT图像空间信息，有效提升检测精度，但是3D CNN存在参数多、计算消耗大、过拟合风险高等不足。为了兼顾两者的优势，提出基于深度混合CNN的肺结节检测模型，通过在神经网络模型的浅层部署3D CNN，在模型的深层部署2D CNN，并增加反卷积模块，融合了多层级的图像特征，达到了在不损失检测精度的情况下减少模型参数、增强模型泛化能力，提高检测效率的目的。在LUNA16数据集上的实验结果表明，所提出的模型在平均每次扫描8个假阳性的情况下的敏感度为0.924，优于现有的先进模型。     

结合迁移学习与可分离三维卷积的微表情识别方法

针对现有微表情自动识别方法准确率较低及微表情样本数量不足的问题,提出一种融合迁移学习技术与可分离三维卷积神经网络（S3D CNN）的微表情识别方法。通过光流法提取宏表情和微表情视频样本的光流特征帧序列,利用宏表情样本的光流特征帧序列对S3D CNN进行预训练,并采用微表情样本的光流特征帧序列微调模型参数。S3D CNN网络由二维空域卷积层及添加一维时域卷积层的可分离三维卷积层构成,比传统的三维卷积神经网络具有更好的学习能力,且减少了模型所需的训练参数和计算量。在此基础上,采用迁移学习的方式对模型进行训练,以缓解微表情样本数量过少造成的模型过拟合问题,提升模型的学习效率。实验结果表明,所提方法在CASME II微表情数据集上的识别准确率为67.58%,高于MagGA、C3DEvol等前沿的微表情识别算法。     

基于深度混合卷积模型的肺结节检测方法

基于高维肺部计算机断层扫描（CT）图像的肺结节检测是一项极具挑战性的任务。在诸多肺结节检测算法中,深度卷积神经网络（CNN）最引人注目,其中二维（2D） CNN具有预训练模型多、检测效率高等优点,应用非常广泛,但肺结节本质是三维（3D）病灶,2D CNN会不可避免地造成信息损失,从而影响检测精度。3D CNN能充分利用CT图像空间信息,有效提升检测精度,但是3D CNN存在参数多、计算消耗大、过拟合风险高等不足。为了兼顾两者的优势,提出基于深度混合CNN的肺结节检测模型,通过在神经网络模型的浅层部署3D CNN,在模型的深层部署2D CNN,并增加反卷积模块,融合了多层级的图像特征,达到了在不损失检测精度的情况下减少模型参数、增强模型泛化能力,提高检测效率的目的。在LUNA16数据集上的实验结果表明,所提出的模型在平均每次扫描8个假阳性的情况下的敏感度为0.924,优于现有的先进模型。     

三维建筑结构设计软件EasyStructure的用户接口技术

目前,建筑领域普遍使用的辅助设计软件仍然采用二维示意的方法,导致后继人工读图工作强度大、效率低.在设计时直接生成完整的建筑物三维模型是克服以上缺点的一个好方法.以三维结构设计软件用户接口的设计为主题,以软件EasyStructure为实例,全面讨论了其降维、分构件、图文表结合、预测型智能输入、三维搭建等用户界面的设计与实现方法,这些方法已初步应用于软件中,为节省后续工作量提供了便利.     

基于深度学习的人体动作草图到三维骨骼模型重建方法的研究

为了提高三维人体骨骼模型的建模效率并简化交互规则,提出了一种基于深度学习的手绘人体动作草图到三维骨骼模型的重建方法。首先将三维骨骼模型渲染为二维图像来建立维度映射关系,进而使用图像分类方法识别手绘草图动作并根据维度映射实现三维骨骼模型重建。在实验中使用基于深度卷积神经网络对图像分类模型进行构建,使用浅层卷积网络作为训练单元,并使用逐级分类与分块训练策略加速网络收敛速度来提高训练效率。最后实验结果验证了该方法的可行性与有效性。