不规则三维曲面消隐问题的研究

本文介绍了双参数控制的双Ｂｅｔａ样条曲面的算法原理、消隐算法及实现方法，并用Ｃ语言编程实现了对双Ｂａｔｅ样条曲面的快速消隐     

Hadoop平台下改进的推测任务调度算法

研究对比Hadoop平台下默认的推测任务调度算法和异构环境下LATE调度算法的优势和不足,提出了一种基于Hadoop集群的改进的推测任务调度算法.该算法以节点历史信息对Reduce任务各阶段比例进行动态调整和更新,并对任务实时处理速率进行局部平滑处理来提高预估任务剩余完成时间的准确性,最后采用MCP模型对备份任务有效性进行验证.通过实验结果分析可知:该算法能够有效提升备份任务成功率,减少作业完成时间.     

基于模型推理的系统级故障预测框架设计

针对装备实施故障预测过程中状态监测可达性的限制,提出系统级故障预测问题。通过参照国际标准化组织对故障预测的定义,界定系统级故障预测范畴,在此基础上应用基于模型推理的方法,构建系统级故障预测框架,实现从高层次系统监测信息中推理低层次难接近部件状态,更符合装备实际使用要求。     

三角网格模型的补洞算法研究

提出了一种三角网格模型的空间孔洞修补算法.首先根据网格中的点、边和三角形之间的关系提取孔洞边界,然后根据孔洞区域的夹角的顺序在空间中依次填补三角形直至修补完全,接着对新增加的高度弯曲的三角形进行细分,最后对修补后的孔洞网格进行几何形态调整,光顺化整个孔洞曲面.实验结果证明,该算法简单、有效,孔洞修补效果好.     

三角网格简化过程中属性问题的研究

在计算机视觉、计算机仿真、网络传输中,经常遇到带有颜色、纹理等属性的三角网格模型的简化问题.提出一种基于边折叠和改进二次误差测度的快速简便的算法来简化带属性的网格模型.在Garland算法基础上引入边重要度概念,并加入到误差测度中,使得二次误差测度不仅能够度量距离偏差,而且能够反映模型局部表面几何变化.实验结果表明,该算法既能保证简化模型同初始模型在几何上尽可能相似,又能较好地保留初始模型的颜色、纹理等属性信息.     

三维自由曲面拚接问题初探

一、引 言 三维曲面的造型技术在模具造型、飞机、船舶与汽车以及CAD的造型中具有重要意义,并得到广泛的应用。曲面造型中,曲面的拼接是一个关键环节之一。作为实用的曲面造型系统,必须具有建立复杂曲面造型的功能,对于一些复杂形状的产品,虽然其外形是“浑然一体”的,但是它的复杂性决定了它不可能由一张曲面构成,一般要由见片甚至几十片大小不同的曲面拼接而成。怎样把它们拼接得“天衣无缝”,是一项艰巨的工作。因此必须进行曲面拼接的     

T—Bezier曲线及G^1拼接条件

针对目前NURBS模型的局限性问题，在对T—Bezier基函数压曲线端点特性分析的基础上。提出了k次T—Bezier基函数的表达式，通过重新参数化使其参数区间范围规范为【0，1】，给出了椭圆弧和心脏线的T-Bezier表示，并给出T-Bezier曲线间G^1拼接的几何条件，所得结论具有明确的几何意义，能够较好地应用于曲面造型中。     

均匀T-B样条曲线的研究

在对均匀T-B样条基函数及其曲线端点特性分析的基础上提出了n次均匀T-B样条基函数的表达式,通过重新参数化使其参数区间范围规范为[0,1]。给出了均匀T-B样条曲线的升阶公式、控制点反求公式以及均匀T-B样条曲线与T-Bézier曲线间G1/C1拼接的条件,所得结论具有明确造型意义,能较好地应用于曲线曲面造型系统中。     

基于Kohonen神经网络的B样条曲面重构

探讨了三维散乱数据点的自由曲面自组织重构方法。建立了基于自组织特征映射神经网络的矩形网格重构模型及其训练算法。所建模型利用神经元对曲面散乱数据点的学习和训练来模拟曲面上点与点之间的内在关系,节点连接权向量集作为对散乱数据点集的工程近似化并重构曲面样本点的内在拓扑关系。通过该方法不仅能够对无规则散乱数据点进行逼近,并且通过该方法得到的曲面也可以作为后继曲面重构的初始曲面。仿真实验表明,所建神经网络模型可实现三维密集无规则数据点的曲面自组织重构集自压缩于一体。