小型无人地面车辆可视化仿真

以实验室中的小型无人地面车辆(SUGV)为背景,在MFC下利用OpenGL与3D Studio MAX进行该SUGV运动过程仿真,实现了三维可视化仿真场景系统中模型的建立、调入和视点的设置,在动力学分析基础上建立SUGV各种运动模型,实现了三维模型的交互控制.该仿真系统既可为操纵人员提供模拟操纵平台,也可为开发人员提供辅助设计和开发的平台.     

基于SIFT特征的图像匹配算法实现

针对SIFT算法的工程实现问题,详细分析了该算法原理和执行过程.在对SIFT算法原理进行分析时,充分结合Rob Hess的SIFT源代码,并将SIFT算法应用到实际图像的特征提取和匹配中.实验结果表明,SIFT算法提取的特征点对图像缩放、视点变化等具有很好的适应性和准确性,可以应用到图像识别及图像重建等领域.     

全电战斗车辆性能可视化仿真平台开发

针对全电坦克性能演示的需求,实现了基于OpenGL的全电坦克性能可视化平台开发。用三维图形软件制作全电坦克三维模型,在Visual C++中将模型导入虚拟场景。在虚拟场景中,读取离线仿真数据来仿真全电坦克的加速、制动过程。使用基于粒子系统的方法模拟全电坦克电热化学炮开火、导弹击中后电磁装甲防护等过程。最后通过实验证明了该方法的有效性。     

瓦片块四叉树动态地形层次细节算法

针对动态地形中车辙实时可视化的要求,提出并实现了一种基于图形处理器( GPU)的动态地形层次细节(LOD)算法.以基于GPU的动态地形算法作为地形形变算法,以瓦片块四叉树算法作为地形绘制算法,通过重复使用一小块顶点缓存和索引缓存,结合不同的缩放和平移因子来渲染不同细节层次的瓦片块,实现了视点相关连续LOD动态地形可视化...     

小样本条件下元学习门控神经网络的齿轮退化趋势预测研究

针对齿轮小样本条件下深度神经网络训练容易过拟合导致齿轮退化趋势预测不精准的难题,提出了元学习门控神经网络网络齿轮退化趋势预测模型(Meta-learning gated recurrent neural networks, MLGRU)。将齿轮原始振动信号经过征提取、特征筛选以及特征融合后的指标作为门控神经网络的输入;在元学习网络框架下搭建门控神经网络,在防止齿轮预测模型过拟合的同时通过多任务的训练方式优化元学习门控神经网络,使其在小样本条件下快速收敛;通过门控神经单元深度学习齿轮演化规律并进行退化趋势预测。试验结果表明所提元学习门控神经网络能够充分学习齿轮演化机理,实现齿轮退化趋势预测。     

基于环境敏感的虚拟植物生长仿真

仿真局部环境对植物生长的影响,特别是在剪枝条件下的植物生长状况,对数字农业的发展和虚拟园艺设计具有重要意义。已有的成果运用环境敏感L系统实现了二维植物在正方形边界内的剪枝生长仿真,但未能模拟真实植物生长受环境的影响。在此基础上,运用三维植物生长模型,实现了三维植物在剪枝条件下的生长过程仿真。实验结果表明,环境敏感L系统能够很好地模拟真实植物和外部包围盒之间的交互,为下一步研究植物同其他外界环境因素的交互打下了基础。