面向三维人体重建的前、后片配准算法

针对传统三维图像配准算法需要获取目标物体多个模型数据的不便,以及三维重建过程耗时较长的不足,提出了一种基于三维人体表面前、后片模型的配准算法.该算法首先使用Kinect三维扫描设备获取的人体表面前、后片模型点云数据,作为配准过程的参考点集和目标点集;然后,选取前、后片模型的边缘轮廓信息作为配准特征点,通过迭代优化过程,使得前、后片能够较好地配准;最后,通过空间曲线插值方法填充模型边缘缝隙,得到完整的三维人体模型.试验结果表明,该算法只需要获取目标物体的前、后片三维数据,模型采集及配准效率高,配准精度好,即使针对初始位置相差较大的两个模型片也能得到准确的配准效果.     

基于Cruise的增程式电动汽车动力匹配与性能仿真

以某款增程式电动汽车为研究原型,根据整车基本参数和设计的动力性能目标,进行了动力系统参数匹配.基于Cruise建立整车模型,与simulink建立的控制策略模型联合仿真.结果表明,所匹配的参数及控制策略合理并满足整车动力性能要求.     

图着色问题的逆序蚁群算法研究

针对经典的图着色问题,依据传统图着色算法中逆序图着色的着色思想,结合蚁群算法的搜索机制,给出了逆序蚁群着色算法.根据着色进度和未着色点的相邻点度数随机动态逆序选择新的着色点,使得算法具有较强的搜索全局最优解的能力.利用计算机生产大量随机图作为测试实例,对比逆序着色算法和逆序蚁群算法,实验结果说明逆序蚁群着色算法提高了求解质量,加快了收敛速度,证明了其优良特性.同时算法效率的提高,也保证了该算法可适用于较大规模的着色问题求解.此外,还进行了一系列对比试验,得出了关键参数的合理取值范围.     

汉韩语主语省略的类型学分析

文章简要描写了汉语和韩语对话结构和叙述结构中句子主语的省略现象,发现虽然汉语比英语更少使用主语,但却比韩语更多使用主语,尤其是在对话结构中。叙述结构中汉语相邻句中的动词谓语如果不具并列承接性或不具同类性,主语不能省略。相反韩语更多地省略句子主语,尤其是在对话结构中。文章由此推测,汉语和韩语分别属于＂主体＂和＂客体＂为中心的语言,准确地说,＂主体中心＂和＂客体中心＂之间存在一个连续性,汉语是偏向＂主体中心＂的语言。     

考虑汇率风险的可违约债券定价模型

分析了具有汇率风险的可违约债券的定价问题.分别探讨了债券面值以国内货币计价发行、以国外货币计价发行和汇率设置下限时的3种情形下可违约债券的定价问题,并分别在3种情形下建立了信用风险模型,得到了债券的价格公式,债券的违约概率公式和信用价差的表达式.最后通过数值模拟,分析了债券违约概率和信用价差的期限结构,并分析了资产波动率和汇率波动率对信用价差和违约概率的影响.     

法律修辞方法对构建法治意识形态的意义

法律修辞方法是指综合运用各种法律方法,在谋篇布局的基础上,以寻找言说关键词进行说服的思维活动。由于法律修辞方法主要是“把法律作为修辞”以此进行说服,因而法治意识形态的属性比较明显。只要人们在思维过程中“把法律作为修辞”,那么在政治、经济、文化、社会生活中,法律就有了话语权。然而,由于法律修辞方法以说服、信服为目标,因而不能刚性地依据逻辑的推论,或片面地以权力进行压服。法律修辞方法所寻求的,是以形式法治为主,并附之以实质法治的方法;旨在思维的形式和实质两个层面推进法治中国建设。与传统的政治意识形态比较,目前进行的法治意识形态建构,主要是矫正片面的权力思维或实质主义思维的弊端,理顺实质法治与形式法治的关系。在权力政治言辞过剩的情况下,倡导“把法律作为修辞”的说服方法。这对法治意识形态构建具有十分重要的意义。     

IGBT控制大电流脉冲放电时的过压保护

IGBT在控制脉冲大电流时,回路杂散电感中存在较高电流变化率所形成的纳秒高尖峰电压,从而产生过压损坏。通过分析3种类型(C型、RC型和RCD型)吸收电路的特点,采用RCD型和C型吸收电路的组合后,可以有效地使尖峰能量向脉冲后沿分散,使高压尖峰转化为低压震荡。最终可将IGBT在关断时的C-E极间电压控制在不超过母线电压的1/3,从而达到保护IGBT的目的。     

随机需求下的双渠道供应链联合库存模型

针对双渠道的竞合特性增加了供应链系统的需求不确定性,考虑提前期需求波动的情形,构建了2级双渠道供应链独立库存模式和联合库存模式下制造商及零售商的最优基础库存模型和缺货模型,并运用仿真计算方法,通过分析2种库存模式下缺货损失成本、需求波动对双渠道供应链基础库存水平、现货库存水平以及缺货水平等的影响,进一步分析2种库存模式下的成本.结果表明,联合库存模式下的2个渠道各自成本和总成本都要低于独立库存模式下的各成本.因此,双渠道供应链实施联合库存策略可以通过库存共享,协调2个渠道的库存水平,减小缺货风险,从而显著地降低供应链的成本.     

谐波小波样本熵与HMM模型的轴承故障模式识别

根据谐波小波分解非平稳振动信号优良特性与隐马尔科夫(HMM)模型的时序模式分类能力,提出了一种基于谐波小波样本熵与HMM模型结合的轴承故障模式识别方法.该方法首先利用谐波小波对轴承各个状态故障信号进行分解,进而由谐波小波三维时频网格图的频率层数特征计算合理的样本熵维数和阈值,依次提取轴承振动信号各层的样本熵构成特征向量序列;然后将序列前120组输入HMM模型中进行训练得到对应故障模型,剩余80组进行测试与识别,通过对比对数似然估计概率输出值确定轴承故障类型.实验通过与BP和RBF神经网络模型进行不同训练组数的正确识别率对比,验证了该组合方法具有识别准确率高,稳定性强的优点.     

基于集成神经网络的球墨铸铁珠光体含量涡流无损智能测定

为了实现球墨铸铁珠光体含量的智能无损测定,制备了具有代表性的球墨铸铁试样并按珠光体粗细程度将其分为三类。首先在分析了影响球墨铸铁电磁性能的主要因素的基础上,同时采用涡流无损检测法与金相法对球墨铸铁珠光体含量进行了测定,对检测数据进行回归分析表明二种方法的测量结果很接近;然后采用集成神经网络处理涡流检测数据并对珠光体含量进行了预测,预测结果表明基于集成神经网络数据处理的涡流检测是一种快速智能识别球墨铸铁中珠光体含量的有效方法。