基于Geomagic软件的钢轨弹条的逆向建模及误差分析

针对高速铁路钢轨扣件结构造型困难以及误差评估复杂的问题。介绍了一种基于逆向工程方法,即利用光栅式三维扫描仪获取的高速铁路钢轨扣件弹条的表面点云数据,运用Geomagic Studio逆向建模软件对高速铁路钢轨扣件的点云数据进行拼接和预处理,三角形网格构建优化、精确曲面造型等处理,实现对扣件弹条NURBS曲面重建。并利用Geomagic软件得到逆向建模形成的扣件NURBS曲面与原始点云数据比较的偏差色谱图,实现对逆向建模形成的弹条NURBS曲面的误差分析。完成逆向工程在钢轨扣件设计中的应用初步研究。 更多还原     

应用改进的粒子群优化模糊聚类实现点云数据的区域分割

为实现点云数据的区域划分,提出一种基于改进的粒子群优化与模糊C-均值聚类的混合算法(SPSO-FCM算法)。针对在点云聚类过程中易过早捕获局部极小值的问题,算法首先用改进的粒子群算法——社会粒子群优化算法,对种群进行初始化,通过为每一个粒子设置不同的跟随阈值,来维护种群中个体多样性,加深对种群全局搜索的程度,避免陷入局部极小值;随后,设置种群中每个粒子当前最优位置和初始种群的最优位置,更新自由粒子的位置和跟随粒子的速度和位置;最后,采用模糊C-均值聚类算法求解隶属度矩阵,确定适应值函数,更新所有粒子的最优位置,并判断粒子和种群的位置优越性,得到准确的聚类中心,实现对点云数据的区域划分。以曲面复杂度不一致的点云模型为例对算法进行验证,探讨SPSO-FCM聚类算法的可行性,并与FCM聚类算法、遗传FCM聚类算法进行比对。实验结果显示,SPSOFCM聚类算法较其它两种算法,收敛速度快,迭代次数少,聚类准确,边界区域分割清晰,特别是对型面复杂、点云数据较多的机械零部件点云数据进行分割时,能得到更好的分割结果。     

基于特征信息分类的三维点数据去噪

为了有效去除获取三维点云数据时的噪声,同时又不损失模型的特征信息,提出了一种基于三维点云特征信息分类的去噪算法。首先采用主成分分析法和二次曲面拟合法估算三维点云的微分几何信息;然后根据点云平均曲率的局部特征权值,将点云数据划分为特征信息较少的平坦区域和特征信息丰富的区域,针对不同特征区域分别采用邻域距离平均滤波算法和自适应双边滤波算法进行去噪滤波。实验结果表明:滤波后点云数据的最大误差为0.144 7mm,标准偏差为0.021 0mm。在不同噪声强度下,该去噪算法均能够达到较好的去噪效果,并保留点云的高频特征信息。     

分叉动脉内局部栓塞对非牛顿血流特性的影响

依据血液流动黏性不可压缩Navier-Stokes方程,建立了具有局部栓塞的分叉动脉有限元模型,模拟了栓塞率为0.25,0.5和0.75时分叉动脉内非牛顿血液的流场分布。在不同栓塞率下,研究了血液流速、血管壁面切应力和壁面压力对非牛顿血液流场分布的影响。结果表明,栓塞率较小时,分叉动脉内血液流动分离小,动脉栓塞对血流分布的影响较小;随着栓塞率增大,分叉动脉的分支处和栓塞处血液流动不稳定增强,分支左侧(Ⅰ)和栓塞后侧(Ⅱ)附近的血流停滞区面积逐渐增大,该处血管壁面切应力与壁面压力变化量急剧增大,血管内皮细胞易疲劳损伤,从而促进动脉粥样硬化的形成。数值模拟结果与临床病例分析一致,研究结果为临床上预防与治疗动脉粥样硬化疾病提供参考。 更多还原