基于OpenGL的三维地形的生成与简化

在Visual C 环境下,以通用标准三维图形函数库OpenGL为工具,通过在位图的灰度值与地形高程之间建立映射关系,快速生成了三维网格地形.为减少高程数据生成地形的巨大数据量,应用LOD技术对生成的网格地形进行简化.     

一种基于点云数据的复杂地形CFD网格生成方法

针对CFD网格生成中地形数据精确度不高的问题,提出一种基于点云数据的复杂地形CFD网格生成方法.该方法引入七参数求解方法生成地方坐标点云文件,采用点—线—面—体方式生成地形网格,并基于多面体网格转换方法进行网格优化.实例验证结果表明,生成的地形网格与实际地形吻合度高、数据精确度高,适合用于后期的CFD精细模拟应用.     

织物悬垂三维形态的测量与重建

介绍了用结构光测量织物悬垂三维形态的方法。利用平行结构光在织物表面形成明暗相间的等高线条纹,用基于极坐标径向扫描的方法对织物投影图像中等高线条纹及织物边缘进行识别,得到织物曲面上的等高线及织物边缘点坐标,最后利用基于极坐标网格的三维曲面建模方法对悬垂织物的三维形态进行了重建。实验结果表明,上述方法能够比较理想地实现织物悬垂三维形态的测量与重建。     

基于Direct3D的大规模地形渲染技术研究

提出了一种基于地形分块管理思想的大规模地形渲染算法——井地算法.该算法将大规模高程地形数据按照一定大小进行分割并存储,根据视点位置和漫游的要求建立5点定位LOD四叉树模型,将以当前渲染的地形数据块为中心的9个(或少于9个)单位地形数据块载入内存.该算法采用Direct3D实现,能有效提升复杂三维场景中大规模地形实时渲染的效率.     

基于语义分析的三维服装曲面生成算法

为进一步提高三维服装设计效率,提出了一种基于语义分析的三维服装曲面生成算法。首先分析了基于网格模式的几何交互语义,通过服装曲面网格化处理,将草图勾绘映射到三角网格上,确定草绘点与网格点之间的对应关系;然后通过几何语义交互模式建立起草绘图与网格图的映射关系,利用逼近拟合算法完成对草绘线的拟合,并通过光滑、去噪、网格拼接等方法形成完整的三维服装曲面;最后选取几何模型法、约束模型法与语义分析法进行对比实验,将3种算法各自完成100 步拟合后分别计算其拟合准确度。结果表明,本文所提算法的运行效率比其他主流算法高出近45%,拟合准确度高出近15%。     

基于高速动车组重联网络控制系统时延的研究

文章首先建立高速动车组重联网络控制系统模型并分析前向通道与反向通道时延,基于BP神经网络递推预测的方法对网络控制系统未来的输出进行预测。然后提出一种快速隐式广义预测控制算法(IGPC)对预测的时延进行补偿,IGPC算法的原理是根据系统输入与输出数据,并利用广义预测控制(Generalized Predictive Control,GPC)算法与动态矩阵控制律(DMC)的等价性,直接求解最优控制律。IGPC算法比GPC算法的计算量更小且效率更高,既能节省时间成本又能保证高速动车组网络控制的实时性。最后将BP神经网络递推预测的方法与IGPC、GPC结合起来,分别采用无时延补偿基于BP神经网络预测的GPC算法、有时延补偿基于BP神经网络预测的GPC算法及有时延补偿基于BP神经网络预测的IGPC算法进行实验仿真,实验结果表明:相比较于其它两种算法,有时延补偿基于BP神经网络预测的IGPC算法可较好地跟踪标准参考方波,在初始阶段的震荡时间最短且超调量也最小。故有时延补偿基于BP神经网络预测的IGPC算法为最优算法。     

棉花性能指标对成纱质量的预测模型研究

探讨基于遗传算法和主成分分析法与BP神经网络相结合的棉花性能指标对成纱质量的预测模型。分别采用单一BP神经网络(模型1)、主成分分析加BP神经网络(模型2)、主成分分析加遗传算法优化隐层节点数后的BP神经网络(模型3),依据实测原棉数据对成纱品质作预报,并以平均相对误差百分率指标最小为原则,对比了三种模型的优劣。结果表明:模型3的平均相对误差百分率值最小;主成分分析表面上在降维,但对神经网络来说仍是高维的计算,最优结果的隐层节点数均高于经验公式确定的隐层节点数,接近于13个原始变量数。认为:基于遗传算法和主成分分析法与BP神经网络相结合进行预报,能够使预测精度得到明显提高。     

基于思维进化神经网络的细纱断裂强度预测

探讨一种基于思维进化算法优化BP神经网络的细纱断裂强度预测方法。利用思维进化算法对BP神经网络的阈值和权值进行优化,发挥在全局寻优方面的优势。试验结果表明:基于思维进化算法优化BP神经网络预测模型比单一的BP神经网络预测模型具有更高的准确性,该模型的细纱断裂强度预测值与实测值之间的平均绝对百分比误差和均方根误差下降明显。认为:基于思维进化算法优化BP神经网络模型具有更好的综合预测性能。     

基于L-M算法及不变矩特征值优化的神经网络图像识别

文章采用基于L-M算法的BP神经网络,并在图像特征提取量的选择中,结合了不变矩特征值和灰度共生矩阵导出的基于纹理的特征量,以车牌识别为例进行图像识别。经过训练和测试,得到L-M及特征量优化的神经网络,在精度和识别速度上都优于BP神经网络。     

网格生成技术及其应用

网格生成技术是流体机械内部流动数值模拟中的关键技术之一,直接影响数值计算的收敛性,决定着数值计算结果最终的精度及计算过程的效率。本文在分析大量文献的基础上,对流体机械CFD中的网格生成方法中的结构化网格、非结构化网格以及混合网格进行了阐述,并对ICEM CFD网格生成技术应用进行了说明,在最后对网格生成技术进行了总结和展望。