基于pi-sigma神经网络的模糊建模与控制及其仿真研究

提出了一种基于高木-关野模糊系统的pi-sigma神经网络结构、学习算法,并分析了学习算法的收敛性.用这种混合型pi-sigma神经网络系统去实现模糊规则及其隶属函数的修正,从而得到模糊推理的自适应性.在设计过程中,引入Zadel模糊取乘算子,使之适合基于梯度的学习算法.最后的仿真结果表明此种网络的有效性、优越性并且在非线性建模、控制等方面有重要的应用价值.     

B样条曲线和三角面片的整合与智能人体模型开发

提出了一种几何模型对人体进行建模,并得出可以智能修改的人台模型.这种几何模型整合了B样条曲线和三角面片的优点.对于人体点云数据进行Delaunay三角化处理,然后用插值B样条曲线对一系列的水平截面与三角化模型的交点.二次的三角化是利用在不同截面中的插值B样条曲线生成的等间距节点.这一系列的处理使得插值B样条曲线和三角面片整合在一起.用这个方法建立的人台可以通过输入关键围度尺寸,生成新人台模型,并且通过展开参数化的人台模型生成服装样板.     

基于单目视觉测量的数字化人体模型重建

针对一套基于单目视觉的双扫描头人体扫描系统所获取的三雏原始点云数据,提出一种人体曲面模型重建方法.该方法首先将获取的扫描线点云构造为切片数据的形式.将人体数据分割为肩头部、躯干、左右手臂及左右腿6个部分,并对点云中的孔洞进行了填补;通过相邻轮廓线同步前进法构建连接人体相邻截面的三角网格,并对分割后的几个部分进行拼接得到人体曲面模型.所建立的模型为后续进行虚拟试穿等提供了前提.     

基于UG的复杂零件参数化分步建模及完整约束方法

鉴于复杂零件建模过程繁杂以及随之带来参数化难以实现的问题,提出了分布建模与采用完整约束方法进行建模的方案.并以柴油机油缸上某一复杂零件为例,在利用上述方法进行建模后实现了每个尺寸的参数化,使得设计时间大大缩短,提高了设计效率.     

四川洛带遂宁组气藏微相精细建模研究及应用

针对四川洛带遂宁组气藏复杂的沉积微相,通过岩相成因单元的识别,采用成因砂体的相控旋回等时对比方法,在微相沉积模式的指导下,建立单井微相数据库。同时,通过常规的变差函数分析控制和约束序贯指示模拟可以建立精细沉积微相模型。但其采用的二点地质统计学得到的确定的变程参数并不能完全体现遂宁组气藏复杂的砂体空间构形。基于此,提出运用高分辨层序地层学研究,在能够反映单个成因砂体纵向演化的精细等时小层内,采用成因砂体空间精细雕刻技术,建立精细沉积微相模型,并在相控基础上结合序贯高斯模拟方法建立储层参数模型,从而极大地降低建模过程中的不确定性和随机性。其成果在用于砂体及其储集物性展布特征和变化规律研究、主河道确定和预测、地质概率储量计算等方面可以获得较好的应用效果。     

剖面三维地质建模及高斯射线束正演

提出了一种利用二维地质剖面构建三维块状地质模型的方法。该方法以用户编辑的二维地质剖面为输入,寻找地质块体的拓扑关系,自动构建以地质块体为单元的块状三维地质模型。在三维块状模型的基础上,研究了三维高斯射线束正演方法。这是一种快速的地震记录合成方法,它将波动方程和射线理论紧密结合起来,通过运动学射线追踪获取射线轨迹,通过动力学追踪来获取中心射线附近的高频能量分布,因而既能反映波的运动学特征,又能表现波的动力学特点,并且具有运算速度快、精度高等优点。     

基于ADV ISOR的混联式混合动力电动车仿真分析

节能环保是当今世界的两大主题,仿真分析可以在制作实车前节约大量的实验成本;建立了在正常的工况下几种不同类型混合动力电动汽车的发动机、蓄电池组和电动机的仿真模型;并对几种不同类型电动汽车的控制策略进行分析,根据仿真结果,选择混联式混合动力电动车进行优化设计;结果表明,混联式电动车达到了低油耗、低排放和节能的目标。     

基于UML活动图的动态工作流过程建模的研究

在形式语义的支持下,提出了一种适合动态工作流过程建模的方法.该方法在扩展UML活动图的基础上给出了一种建模机制,利用扩展的UML活动图来对动态工作流的过程进行建模.最后,将该方法用于一个汽车企业产品研发的过程建模实例,且建模结果证明该方法是适合的.说明了基于扩展的UML活动图的工作流过程建模方法对动态工作流过程建模的有效性.     

基于行为树的指挥控制流程建模框架

为了减少人为因素对仿真结果的影响,经济、客观的实现仿真目标,建立智能、真实、可靠地指挥控制流程模型是作战仿真系统开发的重要研究内容。通过对系统工程方法的研究结合行为树技术,提出了一种基于行为树技术的指挥控制建模框架。对框架结构和应用流程进行了介绍,并对行为树建模常见的问题和解决优化方法进行了阐述。     

基于均值漂移聚类算法的背景重构

针对传统的基于像素点进行背景重构的算法中运算复杂、背景图像失真等缺点,提出了一种基于像素点均值漂移聚类算法的背景重构方法。首先通过变化率的判断省略一部分不存在运动对象的像素点,然后对其余大部分像素点需要通过典型样本点的均值漂移算法迭代运算,最后对结果进行聚类得到背景点值。仿真结果表明,该方法在复杂运动目标视频序列中能够快速、完整地重构背景。