基于细胞元的语义特征造型研究

在语义特征造型领域中的特征定义及特征描述基础上，利用B-rep、CSG和FDT的混合模型表示实体模型，并引入参数化的设计方法，提出了基于细胞元的语义特征造型的思想，从而使形状特征可以根据需求进行调整．针对当前特征造型系统中存在的缺陷，为建立新一代的特征造型理论和方法，进一步研究了基于细胞元模型形状特征的修改操作，并实际应用到自主开发的计算机辅助工业造型系统(HUSTCAIDS)中．     

基于细胞元特征模型的协同架构

针对当前协同设计中的造型系统依赖设计历程,网络数据传输量大的问题,在分析当前协同设计的系统框架的基础上,提出了以基于细胞元模型的语义特征造型作为协同设计中的造型系统,用XML文件作为细胞元信息的载体,并进行数据绑定,采用RM I技术在网络中进行数据操作.该框架克服了依赖历史进程树的造型系统,改善了协同设计中网络数据传输和安全性问题.     

协同特征造型系统中并发控制的研究

针对目前复制式协同特征型系统大都采用并发冲突防止策略的锁机制,使得协同系统的并发度受到很大影响的现状,通过对特征造型过程中并发冲突的分析,提出一种非锁的基于特征依赖关系的并发控制机制,提高了协同设计的并发度,最后采用C＋＋编程语言结合WinSocket技术建立一个实现该并法控制机制的协同特征造型系统.     

基于递归分割的绝对尖锐特征造型算法研究

递归分割曲面的尖锐特征不仅能够增加递归分割曲面的造型功能,而且有助于保留网格模型上的重要特征,其简捷、高效等特点具有广阔的应用前景。为解决在实际应用过程中存在的问题,进一步推动其在产品建模和机械制造中的应用,在特征造型方面,实现了递归分割曲面的折痕、尖刺、角等绝对尖锐特征造型,避免了为构造特殊效果而建立不同的递归分割算法,增加递归分割曲面的造型能力。     

细胞元模型的边界计算

针对当前特征造型系统中存在的缺陷,在语义特征造型领域的特征定义和细胞元模型特征描述的基础上,引入特征依赖图(FDG)和细胞元模型的所有者列表对细胞元模型的特征修改操作进一步探讨,提出了细胞元模型编辑特征时边界计算的详细理论和方法,并实际应用在HUSTCAIDS系统中．通过实际应用和测量计算性能结果表明,细胞元模型有效解决了历程相关问题,提高了特征调整的计算效率,并解释了在高复杂度的细胞元模型上如何有效进行边界计算的问题．     

细胞元特征模型中操作局部化方法的研究

提出一种直接操作特征过程中将操作局部化的方法,该方法利用语义造型系统中特征依赖图及细胞表示特征的高效性,将发生变化的区域从特征模型中分离出来．利用该方法使得直接操作特征时缩小了对模型进行约束求解的范围,从而满足了直接操作特征时对约束求解的速度要求．同时,通过对数据结构的分析,给出两个相应的分离算法．     

基于CORBA的纺机协同设计研究

基于CORBA的三层B／S结构,提出了纺机协同设计原型系统,并对纺机协同设计的过程控制、产品多模型 视图和基于多代理的协同组织机制等关键技术进行了深入探讨。     

面向对象技术在特征造型系统中的应用

依据面向对象技术有利于提高软件模块化程度和特征体素功能集成度的设计思想，将面向对象技术引入HUST-CAID系统中，并对原有特征体素功能进行正确划分，简化了特征求解与编辑，提高了特征建模的效率．实践表明：改造后的系统在数控机床造型设计中取得了良好的效果．     

基于AutoCAD的特征造型方法研究

Solidworks特征造型的特点具有方便的操作性与灵活的可修改性 ,同时 ,AutoCADR14提供了较为丰富的实体造型功能 .本文主要讲述了如何调用Solidworks与AutoCAD提供的ActiveX ,使用户在AutoCAD环境下实现类似于Solidworks的特征造型功能 ,并最终生成具有Solidworks型的带有设计历史树的实体文件     

基于面积和结构特征的水表图像二步分割方法

针对在水表图像中对指针进行分割提取这一问题,提出了一种基于面积和结构特征的水表图像二步分割方法;介绍了该分割方法的思路和分割过程;详细阐述了构成该分割方法的基于结构和灰度特征的哈夫变换分割算法和基于面积特征的阈值分割算法。通过实例,给出了采用该分割方法对水表图像进行分割的效果。     

一种基于时间加权和用户特征的协同过滤算法

协同过滤算法是目前个性化推荐系统中应用最成功的推荐算法之一,但传统协同过滤算法很少考虑到用户兴趣随着时间变化以及用户特征与兴趣的关联性两方面的问题。针对该问题提出了一种基于时间加权和用户特征的协同过滤算法,首先通过定义时间指数函数反映兴趣随时间增长的变化,然后建立用户的特征矩阵,最后采用一种新的相似度度量方法计算出目标用户的最近邻居集合。实验结果表明该算法推荐平均绝对误差(MAE)比传统算法降低了12%,推荐质量较传统算法有明显提高。     

基于像素统计特性及细胞神经网络的运动目标分割

针对动态图像序列中背景成像过程因各种因素而变化存在复杂性，提出了一种基于像素统计特性及细胞神经网络（CNN）的目标分割方法。首先建立图像每一像素点的高斯分布模型，并根据图像序列中的当前帧及历史帧信息自适应地调整模型的参数。然后结合图像的帧间信息将图像从空间域映射到统计域。最后在统计域中用细胞神经网络方法对其进行目标分割。由于CNN是由局部互连的细胞组成，因此易于用VLSI实现。通过对图像像素建立细胞近邻模型，可以获得较强的鲁棒运动目标分割。实验的结果反映了该方法的有效性。     

基于STEP原理的机械CAD特征信息建模方法

将STEP的方法和规范应用于机械CAD／CAM系统开发是解决信息集成的重要技术方法之一。本文在研制汽车后桥园锥齿轮CAD的实践中,采用的CAD信息建模方法严格按STEP标准组织数据,对零件产品数据采用统一的信息模型,制定了汽车后桥园锥齿轮的应用协议（ZCAP）,利用SDAI开发应用程序界面,提出了一种实现CAN、CAPP、CAM各功能子系统之间的信息集成与共享的方法。     

基于语义特征造型的约束求解方法

针对特征造型系统中采用的约束求解机制所存在的问题,依据自由度分析和遗传算法理论,分析了语义特征造型中的几何约束,提出了简化约束方程组并对非线性方程组进行求解的方法,应用到HUST-CAIDS中,保证了求解结果的正确性和稳定性。     

超顺磁聚类元胞自动机在图像分割中的应用

分别选用灰度级和RGB颜色空间作为图像数据的特征空间,借用超顺磁聚类的基本思想将特征空间的数据点看作Potts磁子,引入一个随磁子间距离衰减的局域耦合作用力,让磁子在耦合力和热运动的共同作用下进行自组织演化;利用元胞自动机方法实现了灰度图像和彩色图像的分割.在该方法中,元胞自动机的演化过程就是图像的自动分割过程.运用该方法对几幅图像进行测试,得到了较为理想的结果.     

基于自组织特征映射神经网络的点云数据分区

自组织特征映射神经网络SOFM可以实现无监督的特征聚类.利用SOFM实现逆向工程中点云数据分区,通过改进SOFM网络初始权值方法以及引进能量函数控制迭代次数,提高了SOFM的分区效率.利用SOFM方法实现点云数据分区具有较强的容错性能,对测量数据点无任何要求.实例运行结果验证了此方法的可行性.