基于表面贴合的不同视点传感器点云拼合方法研究

针对视觉传感器对物体表面点云数据采集的离散性,提出基于表面贴合的点云精确拼合方法。先对不同视点传感器获得的点云进行初始配准拼合,再以包容球方法选取点云重合表面区域的三处局部表面,用三维二次曲面方程拟合;旋转变换采用四元数法,经非线性最小二乘优化得到精确拼合的平移和旋转参数。该方法具有较快的收敛速度和较高的拼合精度,实例验证了所提方法的可行性。       

基于曲率RGB的多视点云拼合方法

针对目前反求工程中多视点云获取和拼合的现状，提出了基于RGB的多视点云的拼合方法，该方法遵循实物内部拓扑不变性，由曲率的RGB值来选取拼舍的重叠子集，通过改进的ICP算法来实现重叠子集的拼舍，实现了在目标点云中局部最优的整体拼合，解决了反求工程中任意多视点云的拼合问题，实验结果验证了其有效性和精度。     

逆向工程中分层点云数据的拼合及精简

在逆向工程多视图拼合过程中,由于数据测量误差以及计算等因素的影响,数据往往会产生分层的问题,这将对曲面重建工作造成很大困难。针对这一问题,文章提出了一种新的方法,对多个视图重合部分有分层现象处的点云进行二次拼合并精简,从而有效减小误差,为后续的数据分割和曲面拟合做好准备。     

基于SVD-高斯小波的振动信号非平稳特征提取方法

分析了高斯小波及其滤波特性,结合小波变换技术和奇异值分解技术,提出了基于奇异值分解和高斯小波的滤波消噪方法,解决了传统小波去噪方法的不足。该方法可以很好的降低噪声信号,有效提取信号中周期成分,具有较好的瞬态信息提取能力,并通过齿轮箱振动信号降噪实验说明该方法在故障特征提取中的重要性,以及本降噪方法的有效性。     

特征保持点云数据精简

由于三维扫描设备采集的点云数据庞大,本文提出了一种特征保持的点云精简方法以在减少冗余数据的同时更好地保持原始曲面的几何特征。首先,利用K均值聚类法在空间域对点云全局聚类,对点云构建K-d树并以K-d树的部分节点作为初始化聚类中心。然后,用主成分分析法估计点云法矢和候选特征点,遍历每个聚类,若类中包含特征点则将该类细分为多个子类,细分时将聚类映射到高斯球。最后,基于自适应均值漂移法对高斯球上的数据进行分类,高斯球上的聚类结果对应为空间聚类细分结果,各聚类中心的集合为精简结果。以多个实物模型为例验证了算法的有效性。结果表明,本文方法精简的点云在平坦区域保留少数点,在高曲率区域保留更多的点。相比于非均匀网格、层次聚类、K均值点云精简法,该方法对包含尖锐特征的曲面精简误差最小,更好地保留了原始曲面的几何特征。     

基于ISVD-GMM的绞车故障预警方法探索

针对绞车受基座晃动、横向风载及起放钻具外部冲击等影响,故障信号噪声成分复杂,难以实现准确故障预警的问题。提出了基于迭代奇异值分解(Iterative Singular Value Decomposition,ISVD)和高斯混合模型(Gauss mixture model,GMM)的绞车故障预警方法。采用ISVD分解原始信号并提取故障信号的有效成分;通过小波包变换(Wavelet Packet Transform,WPT)重构信号增强微弱故障信号成分;利用GMM方法建立统计分布,结合KL距离进行故障预警。最后通过实验验证了基于ISVD-GMM的绞车故障预警方法的有效性。     

全体件表面数字化多视拼合的系统方法

给出了解决三坐标测量中多视数据拼合的系统方法。首先通过坐标转化将多视数据统一化 ,然后将空间的数据点投影至平面上形成单视数据点的三角拓扑关系 ,使散乱的数据点具有面信息。利用射线交点记数法将重叠处的点从另一视的数据集中分离出来 ,提出了将多值数据点自适应滤除的新方法 ,最后基于外接圆规则重新三角化     

基于高维空间聚类的集中供热末端数据异常检测

因集中供热建筑结构、住户行为习惯等差异,末端住户供暖数据具有特征差异大、非线性强、数据量大、响应时间长等特征,在原数据空间中利用聚类分析进行异常检测造成类间数据交叉,精确性无法保证.本文提出高维高斯混合聚类算法,将数据集映射到高维空间进行聚类,利用核函数映射、内积运算与高维特征空间分解等计算方法,提高精确度,规避维数灾...     

基于奇异值和奇异向量的振动信号降噪方法

针对复杂的转子振动信号中同时存在随机噪声干扰和工频噪声干扰的问题,提出了基于奇异值和奇异向量相结合的降噪方法。首先,对振动信号进行奇异值分解(singular value decomposition,简称SVD),根据奇异值谱确定振动信号有效奇异值阶次;其次,对有效阶次范围内的奇异向量进行快速傅里叶变换(fast Fourier transform,简称FFT),依据幅值谱筛选出对应于工频噪声的奇异向量;最后,利用其余的奇异值和奇异向量进行重构得到降噪的时域信号。通过仿真信号和工程试验信号对该方法进行了验证,结果表明,基于奇异值和奇异向量相结合的降噪方法,不但能有效降低振动信号中的随机噪声干扰,还能有效降低工频噪声干扰,同常用的陷波器方法相比所提出方法具有明显优势。     

计算机视觉不变量用于几何零件的匹配

许多图像目标都可以用其上有代表性的一些点（ 如角点和边缘上的点） 及其相互关系作为特征作为描述,通过模板点集与目标点集之间的匹配可以达到识别的目的。以计算机视觉的不变性理论为基础,对几何零件的边缘角点应用变化,构造出两种不变理论,并应用到几何零件的识别。由于这两种距离矢量都是基于统计特性,因此其求解的稳健性好     

基于扩展高斯球的点云数据与CAD模型配准

针对点云数据和三维CAD模型坐标配准过程中初始对应位置无法定量确定及最临近点计算效率问题,提出基于扩展高斯球的快速模板匹配算法,通过点云数据扩展高斯球空间与笛卡尔空间的相互转换,使外特征配准算法中测量点云与三维CAD模型初始位置的确定得到定量解决.为提高配准算法中点云数据与三维CAD模型最临近点的计算效率,采用三维CAD模型引导点云对测量数据与三维CAD模型进行桥接,从而将测量点与自由曲面的数值迭代计算问题转化为三维空间中最临近点的空间搜索,使算法的效率得到提升,实例验证了算法的有效性.     

基于奇异值分解的突变信息检测新方法及其应用

提出了利用时间序列重构的吸引子轨迹矩阵奇异值分解的方法检测信号中的突变信息。利用该方法对任选的一数值信号和旋转机械静动件早期碰摩故障数值仿真信号进行了检测,并将检测结果与信号的小波变换结果进行了比较,结果表明,该方法是可行的,能够有效地应用于信号的奇异性检测。另外,还分析了噪声信号对该方法与小波变换方法所得结果的影响。最后,将该方法应用于旋转机械静动件早期碰摩故障试验信号的检测,获得了满意的结果。     

基于表面法矢的散乱数据分割与几何特征提取

使用区域增长法进行散乱数据的区域分割以及二次曲面几何特征的提取.算法首先自动地布置种子区域,然后通过迭代/拟合这一循环过程来实现区域的增长.为了提高算法的可靠性,提出基于散乱数据表面法矢的二次曲面直接拟合方法.该方法根据特定类型二次曲面的几何性质,应用线性最小二乘技术求解其几何参数,从根本上解决以往二次曲面拟合算法因几何参数初值的设置精度不高而导致的求解效率低,进而失败的问题.试验结果表明提出的算法实现简单,且稳定可靠.     

基于奇异值分解的铣削力信号处理与铣床状态信息分离

利用连续截断信号构造矩阵,通过奇异值分解可以将信号表示为一系列分量信号的简单线性叠加,证明了各分量之间是两两正交的,且具有零相位偏移特性.根据分量信号的信息量可以确定合理的矩阵结构.对铣削力信号的处理实例表明,奇异值分解方法分离出机床主轴旋转基频近乎完整的时域波形,分辨出两个频率很接近的信号分量,发现信号中隐藏的调幅现象,证实机床的爬行并确定爬行频率.最后与小波变换的结果进行比较,表明这一方法对铣削力信号的分离效果优于小波变换.     

DIAGONAL POINT BY POINT SURFACE DEVELOPMENT METHOD BASED ON NURBS SURFACE FOR BLANK SHAPE ESTIMATION OF COVER PANEL

0 INTRODUCTIONWith the development of automobile and aeronautic industry,in order to meet the demands of diversification and individuationfor products, the proportion of the processing cost of complexcover panels in the whole product cost is increasing. I…     

基于支持矢量回归机的Hilbert-Huang变换端点效应问题的处理方法

Hilbert-Huang变换的端点效应表现在两个方面,对信号进行经验模态分解(Empirical mode decomposition, EMD)和对各个内禀模态函数(Intrinsic mode function,IMF)进行Hilbert变换时都会产生端点效应。为了克服 Hilbert-Huang变换中的端点效应,采用支持矢量回归机对信号延拓后再进行经验模态分解,该方法可以有效地克服EMD方法的端点效应问题,得到具有物理意义的内禀模态函数;然后再次采用支持矢量回归机对IMF分量进行延拓后进行Hilbert变换,可有效地抑制Hilbert变换中的端点效应,获得准确的瞬时频率和瞬时幅值,从而得到具有物理意义的Hilbert谱。对仿真和实际信号的分析结果表明,基于支持矢量回归机的数据序列延拓方法能有效地解决Hilbert-Huang变换中存在的端点效应问题,而且其效果优于基于神经网络的数据序列延拓方法。     

基于EEMD分解和奇异值差分谱理论的轴承故障诊断研究

提出一种基于总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)和奇异值差分谱的轴承故障诊断方法。首先将非平稳的原始轴承振动信号通过EEMD方法分解成若干个平稳的本征模函数(intrinsic modefunction,IMF);由于背景噪声的影响,从各个IMF的频谱中难以准确地得到故障频率。对IMF分量构建Hankel矩阵,并进行奇异值分解,进一步找到奇异值差分谱,根据奇异值差分谱理论对某IMF分量进行消噪和重构,然后再求其频谱,便能准确地得到故障频率。实验结果表明,所提出的方法能有效地应用于轴承的故障诊断。     

FAULT DIAGNOSIS APPROACH FOR ROLLER BEARINGS BASED ON EMPIRICAL MODE DECOMPOSITION METHOD AND HILBERT TRANSFORM

Based upon empirical mode decomposition (EMD) method and Hilbert spectrum, a method for fault diagnosis of roller bearing is proposed. The orthogonal wavelet bases are used to translate vibration signals of a roller bearing into time-scale representation, then, an envelope signal can be obtained by envelope spectrum analysis of wavelet coefficients of high scales. By applying EMD method and Hilbert transform to the envelope signal, we can get the local Hilbert marginal spectrum from which the faults in a roller bearing can be diagnosed and fault patterns can be identified. Practical vibration signals measured from roller bearings with out-race faults or inner-race faults are analyzed by the proposed method. The results show that the proposed method is superior to the traditional envelope spectrum method in extracting the fault characteristics of roller bearings.     

基于Time-Hardening蠕变模型和“骨点”应力方法预测P92钢缺口圆棒多轴蠕变寿命

提出一种用于预测金属缺口圆棒多轴蠕变寿命的方法。基于Time-Hardening蠕变模型,对缺口部位在蠕变过程中的应力分布进行了模拟。将蠕变过程中,缺口最小截面上应力不随时间变化的位置确定为"骨点"。然后借助光滑圆棒试样单轴蠕变试验的寿命-应力关系,使用"骨点"位置的等效应力预测缺口圆棒的多轴蠕变寿命。分别运用该方法和欧盟的多轴蠕变规范方法预测P92钢不同缺口半径的缺口圆棒试样多轴蠕变寿命。结果表明,该方法寿命预测精度与欧盟规范中的方法相当。本方法更加简便,方便工程应用。     

基于感性意象的产品造型设计方法研究

通过分析产品意象的认知理论,提出基于感性意象的产品造型设计方法:首先通过问卷调查,由因素分析和集群分析提取出适合形容产品的意象语汇;以定性分析的方式,对产品形态要素进行分解;再通过问卷调查,进行定量分析,获得产品造型与意象因素之间的对应关系,由此建立产品造型的设计规则库,指导产品设计。最后经验证和实际应用,证明该方法是合理、可行的。