基于情感化设计理论的博物馆网站界面设计研究——以故宫博物院网站为例

随着互联网时代的发展,情感体验数字媒体已成为当下及未来发展的主流媒体形式。该文以博物馆网站为研究对象,研究故宫博物院网站的界面设计,以情感化设计理论为基础,提取故宫博物院网站界面的情感化设计三层次对应要素,从本能层面、行为层面、反思层面三方面探讨博物馆网站界面的设计方法,以为该领域的研究提供一些参考。

城市IP视域下基于“国潮风”的北京老字号品牌活化路径研究

结合北京老字号城市IP和“国潮风”的理念进行案例分析,提出了城市IP视域下基于“国潮风”的北京老字号品牌活化路径,包括挖掘品牌历史、发扬传统工艺、开发多元化产品、运用新媒体进行品牌焕新以及开发品牌周边文创产品。

基于移动增强现实技术的水墨风格绘本设计研究

分析水墨风格绘本设计,研究移动增强现实技术在艺术设计尤其是绘本设计中的应用,探讨水墨风格在移动增强现实型绘本中应用的意义与价值,并针对其应用进行设计策略分析,分别从动态化表现、多感官体验和叙事性表达三个方面进行了论述。

国家形象视角下基于国企海外形象传播的新媒体设计策略

本文首先阐述了国有企业的品牌形象与新媒体设计,接着分析了国企海外形象传播如何助力国家形象建构,并进一步分析基于国企海外形象传播的新媒体设计现状及其设计特点,最后提出了新媒体设计在国企海外形象传播中具有重要的作用。国有企业应加强对新媒体的设计应用,在新时代国家形象建设和对外传播活动中发挥应有的作用。

基于改进VMD和CNN的滚动轴承故障诊断方法

针对现场采集的滚动轴承信号易受噪声影响而使微弱故障特征难以提取的问题,基于灰狼优化算法(GWO)、变分模态分解(VMD)和卷积神经网络(CNN),提出了一种滚动轴承故障诊断的新方法.首先,利用GWO优化VMD实现其分解层数及二次惩罚因子2个重要参数的自适应选择;其次,提出有效加权相关稀疏度指标(EWCS),并以此筛选VMD分解的有效本征模态函数(IMF);最后,使用GWO优化CNN参数,并采用2层卷积模块的CNN进行识别分类.基于所提方法,对滚动轴承4种不同运行状态的样本进行了分类识别,并与其他几种诊断方法进行比较.结果表明,该方法用于滚动轴承故障诊断是可行的,且具有更高的分类准确率.

舰船目标运动状态光学卫星视频监测与估计

光学卫星视频能够进行动目标连续监视,已成为当前研究热点。但目前多数研究仅针对基于视频像方的目标检测、跟踪及轨迹提取等方面,没有充分利用卫星载荷成像几何模型进行物方运动状态定量估计和精度验证。因此,本文提出一种基于光学卫星视频的舰船目标运动状态定量估计方法,首先对卫星视频首帧进行精确定向;然后通过帧间稳像方法得到背景稳定的视频帧序列,在此基础上,针对正框目标跟踪方法定位精度低的问题,提出一种顾及旋转和尺度变化的舰船稳健跟踪方法进行目标跟踪;最后进行物方映射并估计目标运动轨迹、速度和方向。利用吉林一号光学视频卫星开展星海同步观测试验。实测结果表明,稀疏控制条件下的舰船目标几何定位精度为1.60 m,速度估计精度为0.18 m/s,方向估计精度为4.05°,相比同类方法具有显著提升,证明了本文方法的有效性和可行性。

文化记忆视角下吴裕泰品牌形象设计与非遗传承研究

茶文化是中华民族传统文化的重要组成部分,作为世界上最大的茶叶生产国,中国千年来形成了众多历史悠久且具有深厚文化底蕴的中华老字号品牌。但是近年来,随着现代化建设推进和消费者观念的改变,中华老字号品牌及非遗技艺的传承面临前所未有的挑战。本文以中华老字号吴裕泰为例,通过分析其品牌形象设计优秀案例,运用文化记忆理论对茶叶老字号品牌形象设计路径进行探究,以期为我国茶叶老字号带来新时代下品牌形象设计的创新思路和非遗活态传承策略。

基于虚拟手段再现生活体验的电子模拟游戏特点与意义研究

虚拟手段再现各种生活体验的电子模拟游戏设计对现实生活带来了影响,对其展开研究十分重要。文章阐述了电子模拟游戏的概念,将电子模拟游戏分为沉浸操作类模拟游戏和策略规划类模拟游戏,并进一步对这两种类型电子模拟游戏的特点进行分析与总结,阐释了电子模拟游戏对现实生活的影响与意义。

融媒体时代中华老字号荣宝斋品牌形象创新设计策略研究

中华老字号是我国传统文化的一部分,也是商业文化的重要组成部分。融媒体时代带来巨大变革,中华老字号品牌的宣传方式与不断变化的消费群将会成为决定其发展的关键。从北京本土老字号荣宝斋的品牌形象设计视角出发,对其品牌形象设计现状进行分析,并研究荣宝斋在融媒体时代的品牌形象创新设计策略,以期为该领域的理论研究提供一些有益的参考与补充。

资源三号测绘卫星三线阵影像高精度几何检校

高精度几何检校是测绘卫星实现立体测图的关键。提出了用于星载光学卫星在轨几何检校的严密成像几何模型,推导了多线阵CCD拼接的内方位元素模型,在此基础上构建基于偏置矩阵及内方位元素模型的多检校场联合几何检校模型和几何检校方案。针对我国第一颗民用测绘卫星资源三号,利用华北多个地区1∶2000的数字正射影像和数字高程模型对资源三号三线阵影像进行几何检校,利用河北安平靶标区域三线阵数据进行验证。结果表明,采用本文的方案,资源三号测绘卫星无控制点平面定位精度优于20 m,利用靶标控制点的平面定位精度优于0.6 m,高程精度优于0.5 m,达到资源三号测绘卫星所能达到的理论极限精度;并验证了资源三号三线阵相机并不存在镜头光学畸变,只是存在主距变化、CCD排列旋转等引起的线性误差。

矢量插画在宣传海报中的视觉表达研究

矢量插画以其独特的风格和艺术表现语言丰富了宣传海报的视觉。矢量插画借助电脑这一全新的创作媒介,在科技手段的加持下展现出了其愈加迷人的视觉艺术魅力,同时也得到了设计师的青睐。作为新一代的设计师,应该顺应时代发展的潮流,充分把握宣传主题内涵进行创新设计,将矢量插画形式融入到更多的宣传海报中,创作出兼具功能性与审美性的海报作品。

资源三号测绘卫星多光谱影像高精度谱段配准

针对ZY-3多光谱影像各谱段共视场扫描成像特点,提出基于在轨检校内方位元素的虚拟CCD重成像算法,通过虚拟CCD重成像技术实现单谱段CCD影像的无缝拼接及多谱段的高精度谱段配准。采用河南登封区域及天津区域的ZY-3多光谱影像对ZY-3多光谱相机进行在轨几何检校,利用河北安平区域的30个高精度靶标控制点验证了检校结果的正确性;进一步利用检校后的内方位元素对河北安平区域、兰州区域的ZY-3多光谱影像进行虚拟CCD重成像,采用靶标点验证方法以及高精度配准验证方法对虚拟CCD重成像影像的谱段配准精度验证,谱段配准精度均优于0.2像元。

基于NGA优化SVM的滚动轴承故障诊断

支持向量机(SVM)的分类性能受样本的特征以及SVM本身参数的选择影响较大。针对这种情况,基于Shannon能量熵、SVM和小生境遗传算法(NGA),提出了一种基于NGA优化SVM的滚动轴承故障诊断方法。该方法采用容错性强的Shannon能量熵作为特征参数,对信号进行EMD分解提取出前3个IMF分量作为特征信号,分别计算其Shannon能量熵作为特征向量得到样本集,作为多类别SVM的输入。在用样本训练SVM时,构造一种新的核函数,并采用NGA对SVM的核函数参数进行全局优化,使SVM获得最佳的分类性能,提高其分类识别的正确率。最后采用凯斯西储大学的滚动轴承故障样本进行了分类识别,并与其他几种方法进行了对比,结果表明该方法具有更好的可靠性和分类准确率。

基于参数优化Morlet小波变换的故障特征提取方法

针对轴承或齿轮箱等机械元件的故障振动信号表现为冲击衰减波形的特点,提出一种基于参数优化Morlet小波变换的故障特征提取方法。利用最小Shannon熵方法优化Morlet小波的形状参数,实现与冲击特征成分的最佳匹配,再对小波变换系数矩阵进行奇异值分解,根据奇异值曲线中主要反映突变信息的过渡阶段所对应的尺度范围求得最佳小波变换尺度,最后对信号进行Morlet小波变换提取故障特征。仿真试验和实际应用的结果表明,该方法能更有效地从强噪背景中提取故障特征。

应用EMD和双谱分析的故障特征提取方法

针对传统双谱分析从理论上仅能抑制高斯噪声,但对非高斯噪声无能为力的不足,提出了一种利用经验模式分解(empirical mode decomposition,简称EMD)和双谱分析的故障特征提取方法,并应用于滚动轴承故障诊断中。首先,对信号进行EMD分解;其次,利用能量相关法去除EMD分解过程中出现的伪本征模态分量(intrinsic mode function,简称IMF);最后,对得到的真实IMF进行双谱分析提取故障特征。仿真和实验结果表明,所提出的方法优于功率谱分析和传统双谱分析,能够更有效地提取强噪声背景下的机械故障特征信息,为滚动轴承的故障特征提取提供了一种新的方法。

自适应Morlet小波降噪方法及在轴承故障特征提取中的应用

分析了Morlet小波变换的滤波特性及其时频分辨率,利用Morlet小波良好的时域和频域特性及奇异值分解技术,提出了一种基于自适应Morlet小波和SVD的降噪方法。针对滚动轴承故障在振动信号中表现为冲击衰减波形的特点,采用修正的Shannon熵方法同时优化Morlet小波的中心频率与带宽参数,实现其与冲击特征成分的最优匹配;针对根据小波系数矩阵奇异值曲线的过渡阶段求取最佳变换尺度的方法存在着不够快捷方便的不足,将其与小波系数奇异值比方法相结合来快速方便地求得最佳变换尺度;最后对信号进行降噪处理提取故障特征。对仿真信号和实际轴承内外圈故障信号的应用分析表明,该方法具有良好的降噪性能,能有效地提取出滚动轴承的微弱故障特征。

应用自适应Morlet小波和NGA优化SVM的轴承故障诊断

针对滚动轴承故障诊断中出现的多故障分类问题,提出了一种利用自适应Morlet小波和小生境遗传算法(niche genetic algorithm,简称NGA)优化支持向量机(support vector machine,简称SVM)实现滚动轴承故障诊断的新方法。首先,采用自适应Morlet小波方法提取出最佳尺度附近的3个信号分量作为特征信号,分别计算它们的Shannon能量熵值作为特征量得到样本集,作为SVM的输入向量,并用样本集训练1-v-r SVM;然后,再构造一种新的核函数,并用NGA在SVM训练过程中对核函数参数进行优化,提高SVM学习机器的分类性能;最后,将本研究方法用于对含有较强噪声的实际滚动轴承的内圈、外圈、滚珠故障样本进行了分类识别。结果表明,该方法具有较好的抗噪和分类能力,验证了其有效性和可行性。