基于实测振型阻尼比的有限元模型仿真算法研究

阻尼是个复杂的问题,需要假设的阻尼更接近于真实结构,且合理又易于有限元建模.在工程实际中,质量和刚度矩阵可以通过模型修正技术来得到较好的仿真,但在结构模型中能否适当地模拟阻尼仍是个问题.在仅考虑经典阻尼系统的情况下,提出了一种在有限元模型修正后得到的高仿真质量和刚度矩阵的基础上,结合实测模态参数的数据获得阻尼矩阵的技术,从而建立环境激励下基于实测模态参数的有限元仿真模型方法.数值算例说明了所提出方法的有效性与实用性.     

基于深度学习的井间地震CT初至自动拾取方法

井间地震CT方法能够有效探测岩溶等不良地质,而拾取地震波的初至对其反演结果至关重要.以往井间地震CT初至拾取通过手动标定,效率低,无法满足模型训练要求.本文基于人工源地震初至的时距特征,提出了一种基于深度学习的地震初至训练样本库快速标定方法.利用人工合成数据训练初始网络模型,采用少量人工标定实测数据进一步训练,基于该网络模型对未标定的井间地震实测数据剖面进行初至拾取,采用长短时窗比法修正曲线拟合结果,对仍不理想的拾取结果进行人工判别和改正,并将准确标定数据加入训练集,形成新的网络模型;通过迭代实现数据集再生成并获得后续阶段的网络模型.基于上述方法完成了80 000道数据的初至拾取,在充分训练后神经网络具备较高的拾取精度,采用3840组数据对该模型进行测试,发现预测结果与人工拾取结果对比的绝对误差值小于0.2ms的数据占91.8%,说明该方法是一种切实有效且高效的井间地震CT初至拾取方法.     

基于医学图像的三维交互测量技术研究

三维测量技术在机器视觉、自动加工、工业检测以及生物医学等众多领域都具有重要意义和广阔的应用前景。但利用传统的测量方法,许多三维测量工作只能在基于面绘制的基础上进行表面点的测量,无法测量其内部结构组织。对此,提出了一种在体绘制基础上可对任意部位进行测量的方法;并以可视化类库VTK为基础,在Windows平台上,以VisualC++为开发工具,研究实现了一个三维医学模型测量系统。主要讨论了三维观察的具体过程和三维交互拾取技术,系统对诊断具有参考价值,为虚拟手术及远程医疗打下了良好的基础。     

基于DXUT的智能家居控制系统设计与实现

为给家庭用户提供一个界面友好的控制智能家电接口, 利用虚拟现实技术对别墅建立3D模型, 使用户可以沉浸式地与家电控制系统进行交互。系统以VC++为开发工具, 采用Microsoft的DXUT(the DirectX Utility Library)程序开发框架, 实现了一个3D虚拟漫游系统。用户可以在漫游过程中选择家电, 完成与家电之间的交互。经实际使用, 用户得到了很好的体验, 控制智能家用电器也非常方便。     

基于改进的STA/LTA方法的微地震P波自动拾取技术

基于STA/LTA方法,提出了一种改进的自动拾取P波到时算法.引入权重因子K,构建了一种新的特征函数,提出寻找STA/LTA曲线上的最大值对应时刻为P波到时的方法,并运用Matlab对冬瓜山铜矿微震事件进行初至拾取分析.结果表明:该方法能够准确地拾取微地震P波初至,减少了传统的STA/LTA算法需要调整触发阈值(Thr)的过程,克服了固定阈值不能适应复杂多变信号到时拾取的缺点,具有抗噪性强、稳定性强、拾取精确度高等优势.     

基于OpenGL的三维窗口裁剪、拾取算法研究

提出了一种基于OpenGL的三维窗口裁剪、拾取算法.由于窗口间有父子、兄弟的关系,窗口以特定原则显示;将三维窗口组织成树型结构,分配每个窗口的像素值,按照算法填充到模板缓存,设置窗口显示部分在模板缓存的像素值;根据OpenGL的模板缓存技术实现三维窗口的覆盖和裁剪;根据空间投影原理解决了三维窗口中的鼠标拾取问题.在Linux系统中实现本文的算法,和XWindows中标准的二维窗口裁剪和拾取算法相比,在软件加速条件下显示速度较慢,在硬件加速条件下达到了较理想的性能.     

图形对象拾取技术在开发CAD系统中的应用

在绘图系统中，经常要对图形对象进行平移、旋转、缩放、镜像、错切、投影等诸多变换．在交互式环境中，这些变换又必须建立在对各种图形对象的拾取基础上．对图形对象的拾取技术进行了一些探讨．     

表面肌电信号拾取与预处理电路设计

表面肌电信号(SEMG)是指当骨骼肌收缩时,肌纤维所产生的微弱电信号在皮肤表面的募集。一般情况下,表面肌电信号特别微弱,频率主要集中在10～500 Hz范围内,幅值在10～5 000μV,很容易受到工频50 Hz噪声干扰。针对表面肌电信号的特点,采用Ag/AgCl电极拾取SEMG信号,设计了仪表放大电路,带通信号调理电路。实验证明,所设计的电路能有效提取带宽为10～1 000 Hz的表面肌电信号,实现了简捷有效的表面肌电信号拾取。     

基于U-Net的矿山微震初至拾取研究

初至到时拾取是微震数据处理中基础而又重要的环节,关系到整个微震监测系统的精度与可靠性。因此,为了解决传统初至拾取方法存在拾取效率低和拾取精度差的问题,引入深度学习方法,构建U型神经网络(U-Net)来预测三分量矿山微震数据P波、S波和噪声的概率分布,并根据概率峰值提取其初至到达时间。实验结果表明：本文算法的拾取结果准确度高且误差范围较小,与AR pick (auto regression pick)算法相比,其拾取结果具有明显的优越性。所构建的初至拾取模型可用于矿山动力灾害微震监测,解决微震监测的瓶颈问题,为矿山安全生产风险智能监测预警提供强力技术支撑。     

工程图的快速半自动矢量化和点阵拾取算法

针对当前对工程图尤其是图纸质量较差的旧图纸的全自动矢量化还没有完全成熟可靠的算法，提出了一种新颖快速的半自动矢量化方法，即通过少量的人机交互，在点阵上进行跟踪，得到工程图纸上的矢量，同时也可将矢量所对应的光栅提取出来．既可对工程图纸进行矢量化，又可对其进行智能编辑．算法的特点是快速，准确，并具有良好的鲁棒性，对较差的蓝图也能取得理想的结果