面向特征的CAD集成系统交互接口的设计

本文从ＣＡＤ／ＣＡＭ集成思想出发,认真分析了传统ＣＡＤ系统在集成过程中存在的问题。提出了一个基于制造环境的ＣＡＤ系统设计模式,并基于此设计了面向特征,具有工艺信息反馈和限制的ＣＡＤ交互接口,为设计者提供了一种自然的,能反映所设计零件形状的可能加工方式和一定的加工工艺分析信息的交互界面,并具备了图示化等特点。     

特征造型与有限元分析的集成化研究

论述了特征造型与有限元分析系统的集成及其实现技术。着重分析了有限元前处理在实现自动化过程中存在的难点，提出了用特征技术和人工智能相结合的方法去解决这些难点的总体思想，同时丰富发展了基于特征的有限元后处理功能，从而奠定了ＣＡＤ与ＣＡＥ集成的基础。     

基于层次结构的特征及其在CAD／CAM中的应用

特征的研究近年来得到长足的发展。然而由于特征的发展与人的思维和工程应用的背景相贯通，造成特征定义的不统一，因而限制了特征在ＣＡＤ／ＣＡＭ中应用，。使基于特征的ＣＡＤ／ＣＡＭ集成难以实现。文中把特征放在ＣＡＤ／ＣＡＭ集成的全局来考虑，不单单只是从特征的形状出发，而是同时从设计与加工两个角度出发来描述与定义特征。     

基于CAD／CAPP并行设计的特征描述与操作

本文介绍了在作者开发的基于特征的ＣＡＤ／ＣＡＰＰ并行系统ＦＯＰＳ中,针对ＣＡＤ／ＣＡＰＰ并行设计的要求,对形状特征的表示处理策略。提出了基于加工的形状特征分类及体描述思想,并从一个新的角度认识处理形状特征,建立了基于特征描述的实体几何模型,提出了广义“凹孔”的特征认识概念及相应的“内环”处理技术,为有效地在设计过程中同时为ＣＡＰＰ系统提供必要的信息,便于进行零件设计的结构工艺性分析、评价及工艺规程     

基于特征设计的CAD系统

介绍基于Ｐｒｏ／ＥｎｇｉｎｅｅｒＣＡＤ系统，借助于Ｐｒｏ／Ｄｅｖｅｌｏｐ开展工具二次开发的基于特征设计的ＣＡＤ系统，该系统操作简单方便设计效率高，可方便地对特征增加附加信息，为后续过程提供了丰富的信息，便于ＣＡＤ与后续过程的信息集成和功能集成，提出广义特征概念，为基于广义特征建立产品集约信息模型打下了良好的基础。     

特征模型与CAD／CAM信息集成的研究

特征建模技术是实现ＣＡＤ／ＣＡＭ集成的核心，本文对建立在Ｉ－ＤＥＡＳ之上特征建模的研究为基础，针对板块类零件，提出了基于特征的集成模型总体结构和数据的组织方法，该模型以面为纽带，将零件的几何信息加工工艺信息有机地联系在一起，以便使ＣＡＤ的数据能方便地被ＣＡＰＰ、ＮＣ等后续环节所使用，从而为ＣＡＤ／ＣＡＭ的集成奠定基础。     

利用中间图形系统实现基于特征的信息建模

探讨了利用一个中间图形系统，通过特征识别实现基于特征的产品信息建模。通过各应用领域中不同特征集之间的映射实现集成的基本思想，以箱体零件为对象实现了ＣＡＤ与ＣＡＰＰ的集成。     

面向并行工程的集成产品信息建模技术研究

针对并行工程的需求提出广义特征概念，基于广义特征和参考ＳＴＥＰ标准，建立了面向并行 集成产品信息模型，借助所建立的集成产品信息模型实现ＣＡＤ／ＣＡＰＰ／ＣＡＭ的信息集成，从而为实现产品并行开发过程的信息集成和功有集成打下了良好的基础。     

基于特征和CAD／CAM集成的CAD系统研究

本文介绍了一个基于特征技术和ＣＡＤ／ＣＡＭ集成的ＣＡＤ系统。从集成角度讨论了特征的定义和分类，具体介绍了该系统的结构、实现、应用情况和功能特色。     

基于PDM框架的并行集成技术研究

本文具体论述了基于ＰＤＭ的产品集成开发体系结构及系统集成框架。依据并行工程的产品开发哲理及细化设计循环的思想,分析了ＣＡＤ／ＤＦＭ／ＣＡＰＰ／ＣＡＭ并行集成的实现方法。通过ＯＤＢＣ标准接口的方式实现了与ＭＩＳ、ＭＲＰⅡ系统的集成,有效地达到了企业内部信息资源的共享。基于ＰＤＭ框架来实现ＣＡＤ／ＣＡＰＰ／ＣＡＭ的并行集成是一种较为理想的模式。     

基于脑功能超网络的多特征融合分类方法

针对在超网络上提取局部脑区指标作为特征,忽视了全局的拓扑信息,继而影响网络拓扑的评估,降低分类器性能的问题,提出了一种基于脑功能超网络的多特征融合分类方法,该方法首先在抑郁症数据集上构建超网络,其次将局部脑区特征和子图特征进行融合。最后采用基于多核的SVM分类器进行分类。为了验证所提方法的有效性,选取28例正常被试和38例抑郁症患者进行实验,结果表明,该方法获得了令人满意的分类准确率,平均可达91.60%。获得的异常区域包括左侧舌回、左侧尾状核、左侧丘脑等重要的抑郁症病发区域。故而该基于脑功能超网络的多特征融合分类方法可以有效地用于分类正常人和抑郁症患者。     

Automatic form feature recognition and 3D part reconstruction from 2D CAD data

In this paper, a method which can recognize form features and reconstruct 3D part from 2D CAD data automatically is proposed. First, we use the divide-and-conquer strategy to extract the vertex-edge data from each 2D engineering drawing of IGES format. Then, a set of production rules are developed to facilitate the form feature matching process. A new structure of form feature adjacency graph (FFAG) is devised to record the related attibutes of each form feature. Finally, to avoid the combinatorial subparts composition problem, a sweeping operation and volumetric intersection approach is used to rapidly reconstruct the remaining 3D objects. The last reconstructed 3E object is used as the base of the FFAG. All the recognized form features in the FFAG can be classified as depression or protrusion features on the 3D part base. The FFAG structure can be easily transformed into CSG/DSG structure, which is readily integrated with the downstream CAPP/CAM systems. A detailed example is provided to illustrate the feasibility and effectiveness of the proposed system.     

Edge-based identification of DP-features on free-form solids

Numerous applications in mechanical CAD/CAM need robust algorithms for the identification of protrusion and depression features (DP-features) on geometric models with free-form (B-spline) surfaces. This paper reports a partitioning algorithm that first identifies the boundary edges of DP-features and then creates a surface patch to cover the depressions or isolate the protrusions. The novelty of the method lies in the use of tangent continuity between edge segments to identify DP-feature boundaries that cross multiple faces and geometries.     

Viewer-centered geometric feature recognition

Computer aided design (CAD) and computer aided manufacturing (CAM) systems are now indispensable tools for all stages of product development. The flexibility and ease of use of these systems has dramatically increased productivity and quality of product while reducing lead times. These advances have been largely achieved by automating individual tasks. At present, these islands of automation are poorly linked. One reason for this is that current computer systems are unable to extract geometric and topological information automatically from solid models that is relevant to the down-stream application. In other words, feature information.The objective of the research reported in this paper was to develop a more generic methodology than heretofore, in order to find the generic protrusion and depression features of a CAD model. The approach taken is one relying on a more human type of analysis, one that is viewer-centered as opposed to the object-centered approach of most previous research in this area. The viewer-centered approach to feature recognition described is based on a novel geometric probing or tomographic methodology. A five-step algorithm is described and then applied to a number of components by way of illustration.     

What reveals about depression level? The role of multimodal features at the level of interview questions

Early depression detection can enable timely intervention. Automatic depression detection has relied on features extracted from individual-level data, which may be too coarse to support effective detection. Existing detection models have largely overlooked interview questions commonly used in clinical depression assessment. This research proposes a two-layered multi-modal model for depression detection, which not only extracts features from responses at a level of individual interview questions, but also identifies semantic categories of those questions. The evaluation results demonstrate that the proposed model outperforms the state-of-the-art methods for depression detection. The research findings have broad and cross-disciplinary implications.     

融合通道层注意力机制的多支路卷积网络抑郁症识别

目的 抑郁症是一种常见的情感性精神障碍,会带来诸多情绪和身体问题。在实践中,临床医生主要通过面对面访谈并结合自身经验评估抑郁症的严重程度。这种诊断方式具有较强的主观性,整个过程比较耗时,且易造成误诊、漏诊。为了客观便捷地评估抑郁症的严重程度,本文围绕面部图像研究深度特征提取及其在抑郁症自动识别中的应用,基于人脸图像的全局和局部特征,构建一种融合通道层注意力机制的多支路卷积网络模型,进行抑郁症严重程度的自动识别。方法 首先从原始视频提取图像,使用多任务级联卷积神经网络检测人脸关键点。在对齐后分别裁剪出整幅人脸图像和眼睛、嘴部区域图像,然后将它们分别送入与通道层注意力机制结合的深度卷积神经网络以提取全局特征和局部特征。在训练时,将训练图像进行标准化预处理,并通过翻转、裁剪等操作增强数据。在特征融合层将3个支路网络提取的特征拼接在一起,最后输出抑郁症严重程度的分值。结果 在AVEC2013（The Continuous Audio/Visual Emotion and Depression Recognition Challenge）抑郁症数据库上平均绝对误差为6.74、均方根误差为8.70,相较于Baseline分别降低4.14和4.91;在AVEC2014抑郁症数据库上平均绝对误差和均方根误差分别为6.56和8.56,相较于Baseline分别降低2.30和2.30。同时,相较于其他抑郁症识别方法,本文方法取得了最低的平均绝对误差和均方根误差。结论 本文方法能够以端到端的形式实现抑郁症的自动识别,将特征提取和抑郁症严重程度识别在统一框架下进行和调优,学习到的多种视觉特征更加具有鉴别性,实验结果表明了该算法的有效性和可行性。     

设计特征向加工特征转换的扫体重构法

针对同时需要铣削和车削加工的零件,提出一种基于扫体的从设计特征向加工特征转换的统一方法.采用扫体方式重构零件和毛坯模型,并将毛坯与零件之间的差体沿着这些扫体扫掠路径拆分出各种新的加工扫体,最后将这些加工扫体依照它们之间的邻接关系和加工特征形状结构选择合并成加工特征.该方法实现了同一零件中直扫体和回转扫体2种特征的统一转换,能够产生对应各种不同加工方法和方向的加工特征,有利于工艺优化.文中方法已应用于一个CAPP系统,其结果证明了该方法的可靠性.     

根据工艺需要进行设计特征模型调整的方法

保持不同领域特征模型的一致性是多领域特征建模的一个核心问题。为有效地维护特征模型的一致性，提出一种根据对加工特征模型的修改要求自动确定设计特征模型调整方案的方法。该方法从加工特征修改所涉及的拓扑元素出发，通过搜索拓扑元素约束关系图找出相关的拓扑元素约束链，并以此为基础，利用有关准则自动确定设计特征调整的最优方案。该方法从加工的需求出发调整设计模型，保证设计与加工特征模型的一致性，可用于支持面向制造的设计。     

融合共空间模式与脑网络特征的EEG抑郁识别

提出共空间模式算法和脑网络拓扑属性融合的脑电信号（electroencephalography,EEG）特征,结合深度学习模型时序卷积网络（temporal convolution network,TCN）对抑郁组和对照组进行分类。根据相位锁值构建电极通道间相位同步性功能网络,分析不同频段下两种类别的功能连接模式。采用多特征融合方法将共空间模式特征和脑网络拓扑特征结合起来,最后结合Fisher score特征选择方法和分类器依赖结构,得到低维高效的特征子集并应用TCN进行分类。在抑郁数据集上的实验结果验证了所提策略的有效性。