基于分层学习的三维模型兴趣点提取算法

针对基于学习的三维模型兴趣点提取问题,提出一种兴趣点分层学习的全监督算法.提取三维模型表面所有顶点的特征向量后,将人工标注的兴趣点分为稀疏点和密集点,对于稀疏点使用整个三维模型进行神经网络训练,对于密集点则找出兴趣点分布密集的区域进行单独的神经网络训练;然后对2个神经网络进行特征匹配,得到一个用于三维模型兴趣点提取预测的分类器.测试时,提取新输入的三维模型上所有顶点的特征向量,将其输入到训练好的分类器中进行预测,应用改进的密度峰值聚类算法提取兴趣点.算法采用分层学习的策略,解决了传统算法在模型细节处难以准确提取密集兴趣点的问题.在SHREC’11数据集上的实验结果表明,与传统算法相比,该算法提取兴趣点的准确率更高,出现的遗漏点和错误点更少,对解决越来越精细的三维模型的兴趣点提取问题有较大帮助.

高温堆燃料贮罐结构-性能-成本一体化多目标优化设计

燃料贮罐是高温堆新燃料供应系统关键设备。为探索最佳设计方案,提出燃料贮罐结构-性能-成本一体化多目标优化设计方法:选取燃料贮罐结构板厚作为设计变量,采用拉丁超立方采样(LHS)生成均匀采样点,通过数值计算获取跌落响应,通过混合径向基函数神经网络(RBFNN)-前馈神经网络(FFNN)构造代理模型;以最大塑性变形最小、成本最低、质量最小作为优化设计目标,同时约束球床作用下的径向位移膨胀,利用强度Pareto进化算法(SPEA-Ⅱ)求解优化问题。结果表明:燃料贮罐安全性明显提高,最大塑性变形可降低20.17%;经济性与轻量化效果较好,单罐成本可降低2128元,质量可降低12.54%。本文一体化优化方法能够为燃料贮罐设计提供参考。