基于三次B样条函数的地形重构方法研究

针对激光雷达前下视成像在飞行器自动导航中的应用 ,提出了一种高精度地形生成方法 .该算法采用三次均匀B样条函数重采样方法 ,具有精度高、计算简单的优点 ,可以满足激光雷达前下视成像在飞行器实时地形回避和地形匹配中的应用 .仿真实验结果也证明了本文方法的有效性和实际应用价值 .

基于径向基函数与B样条曲线的三维人脸重建方法

用二维人脸照片构造三维特定人脸模型是三维人脸建模研究的热点问题。采用立体视觉重建三维特征点,通过人脸正侧面照片特征点的分层、分部位的径向基函数重构一般人脸模型,得到部位轮廓特征明显的三维特定人脸模型,利用B样条曲线进行三维人脸曲面重构;然后运用拉普拉斯金字塔法得到近似的人脸全视角纹理图;再将近似人脸全视角纹理图映射到三维特定人脸模型,从而得到三维特定真实感的人脸模型。实验结果表明,该方法计算简单,生成特定人脸模型效果逼真,可用于特定人脸动画制作的逼真人脸建模。

基于径向基函数与B样条的散乱数据拟合方法

针对散乱数据的曲面拟合问题,提出一种径向基函数与B样条插值结合使用的曲面拟合方法。通过分片径向基函数插值,三维散乱点,再从分片插值曲面上获取预先设定好的有序网格点的值,最后利用张量积B样条插值有序网格点,从而得到拟合曲面。该方法较好地解决散乱数据插值和拟合的计算不稳定性问题,最后给出算法实例。

基于RBF神经网络的B样条曲面重构

采用RBF神经网络模型进行自由曲面重构,建立了适合曲面重构的径向基函数网络模型,并在B样条曲面上做了仿真试验.实验结果表明:该模型不仅能够有效地逼近不完善的、带有噪声的曲面,而且拟合精度高、网络的训练速度快.说明了径向基函数神经网络应用于曲面重构问题的可行性.

B样条基函数模糊神经网络控制系统及其混合学习算法

介绍了一种基于模糊B样条基函数神经网络的控制器，该控制器将模糊控制的定性知识表达能力、神经网络的定量学习能力和B样条基函数优异的局部控制性能相结合，采用B样条基函数作为模糊隶属函数。还提出了模糊神经网络控制器的混合学习算法，即先采用免疫遗传算法离线优化，再采用BP梯度算法在线调整。对锅炉主蒸汽温度控制的仿真结果表明了此法的可行性和有效性。

展开定理的补充和偶次B样条基函数

在均匀分划的B样条展开定理中,奇次B样条以整数点展开,而对偶次B样条将如何展开,展开定理并未说明.通过时域的逼近计算,补充了偶次B样条在展开定理中的展开方式,提出了其基函数的一般构造方法.应用四次B样条基函数计算梁的弯曲,表明了偶次B样条展开方式的合理性,同时也表明了该基函数有较佳的逼近性能和适应性.研究成果属于逼近理论的基础部分,可以应用于需要逼近计算的诸多领域.

一种基于模糊B样条基函数神经网络控制的磨削加工系统

本文将模糊控制与神经网络相结合。用神经网络来实现模糊推理,提出了一种把B样条函数作为隶属函数的模糊神经网络,并将之用于磨削加工的质量控制。仿真结果表明,该系统具有响应快、稳态精度高、鲁棒性强等优点,能很好地应用于磨削加工的质量控制。

B样条函数基在半导体微晶量子尺寸效应研究中的应用

用有效质量近似模型来描述微晶CdS和CdSe系统中激子的行为,考虑到介电常数在量子点内外的不同,展示B样条函数基在构成激子波函数中的优越性,讨论激子的基态能量随量子点半径变化的量子尺寸效应.将计算结果与实验结果及其他理论计算结果进行比较,计算结果表明:用B样条函数基构成激子波函数是十分成功的,计算激子的能量与实验符合得很好;当同种量子点处在不同环境时,不仅势垒高度和库仑相互作用能不同,而且激子的有效质量也不同;有效质量近似模型可以很好地描述激子的基态能量的量子尺寸效应.

B样条基函数模糊神经网络控制系统及其混合学习算法

介绍了一种基于模糊B样条基函数神经网络的控制器,该控制器将模糊控制的定性知识表达能力、神经网络的定量学习能力和B样条基函数优异的局部控制性能相结合,采用B样条基函数作为模糊隶属函数。还提出了模糊神经网络控制器的混合学习算法,即先采用免疫遗传算法离线优化,再采用BP梯度算法在线调整。对锅炉主蒸汽温度控制的仿真结果表明了此法的可行性和有效性。

基于B样条基函数的定精度模糊推理方法

模糊推理过程采用了分层知识表示方式,体现了专家分析和解决问题的思想。隶属函数决定着模糊集的全部特征,其形式也是多样的,只针对特定隶属函数的推理方法,在构造系统应用时具有局限性。本文利用B样条基函数的性质,对隶属函数进行逼近,在设计中只需实现对基函数的运算和设计,使系统有较好的可扩展性和实用性。实验验证通过结合隶属函数的曲率等信息选取调整特征点,可以实现逼近误差的控制,从而使整个推理方法的精度也达到可控。

基于二元B样条基的核函数及支持向量机研究

在支持向量机方法中,核函数起着关键的作用.利用2-型三角剖分上的样条函数空间(S21(Δmn))的一组二元B样条基构造了一种新的核函数,并应用到二元函数的逼近中,取得了良好的效果.

基于B-Spline的位移监测数据动态优化拟合

为更好地进行工程位移的监测,对基坑施工过程钢支撑水平位移激光监测数据特征、误差类型及其成因进行了分析,研究了B-Spline在海量监测数据去噪中的适用性,并通过引入待估参数的B样条基函数修正,建立最小二乘控制下位移-时间关系的高精度拟合优化。结果表明:待估参数ζ_(i)的修正重构,把监测数据序列转化为参数估计问题,使位移时变关系的最优化拟合成为可能;移动时间坐标方法,可实现等时距监测数据的动态处理,优化计算时间;B-Spline融合最小二乘法,在最小方差控制下实现监测数据-时间关系最优拟合,形成光滑、连续的高精度拟合曲线,有利于提高监测反馈控制的精度和可靠性。实例应用验证了成果的可靠性和适用性。

基于RBF神经网络预拟合的B样条曲面反求

利用径向基函数(RBF)神经网络算法对来自曲面原型的散乱测量数据点进行预拟合,通过径向基函数与隐层权值的线性组合来映射自由曲面的数学模型,并将该数学模型转化为双三次B样条曲面,既精确、快捷地反求了曲面原型,符合光顺、抗噪的要求,又具备CAD/CAM系统中几何模型实用、标准的表达形式,符合可编辑、可交换的要求·

基于混合训练方法的RBF神经网络的曲面重构

根据径向基函数神经网络(RBFNN)具有很强的非线性逼近能力,以及强大的抗噪、修复能力等优点,讨论了目前神经网络训练方法,提出将径向基函数神经网络应用于带有噪声数据散乱数据点自由曲面的重构,并对该方法理论上的可行性和实践上的实用性进行了讨论和验证。结果表明:径向基函数网络用于曲面重构,不仅能够有效地逼近不完善的、带有噪声的曲面,而且拟合精度高、网络的训练速度快,说明了径向基函数神经网络应用于曲面重构问题的可行性,为解决反向工程的技术关键———自由曲面重构提供了一个新的途径。

采用稳健统计与B样条函数处理频率扰动记录单元异常数据

北美电网监测系统(FNET)是在配网侧实时采集电网频率的广域测量系统。由于硬件故障或网络中断,频率扰动记录单元(FDRs)采集的数据不可避免地包含尖峰或缺失数据段等异常数据,在剔除尖峰同时常用的一维中值滤波,弱化频率波动的细节信息无法弥补缺失数据段。针对此一问题,提出了融合稳健统计和B样条函数的频率异常数据处理方法,它通过设定阈值辨识尖峰值,采用B样条基函数的线性组合重构原始频率序列,引入曲线粗糙度控制B样条基函数学习过程中存在的过拟合问题。该方法仅在局部范围内处理频率异常数据,能最大限度地保留频率波动信息,且计算简洁,能实现任意阶B样条函数的构造及学习,易于推广到其他时间序列的数据预处理。

模糊B样条基神经网络及其在机器人轨迹跟踪中的应用

提出一种模糊神经网络控制器并用于机器人轨迹跟踪控制.这种模糊神经网络利用B样条基函数作为隶属函数,可在线根据误差调整隶属函数的形状,使模糊神经网络具有更强的学习和适应能力.仿真与实验结果表明这种网络能很好的用于机器人的轨迹跟踪控制,具有很好的性能.

B样条函数网络应用于曲线拟合

将 B样条函数网络应用于曲线拟合问题 ,并进行了计算机实验模拟 。

基于B样条曲面参数方程的曲面边界元精细后处理方法研究

B样条曲面四边形边界元方法,是用B样条曲面拟合实际边界面,比一阶单元更接近实际边界,相应的顶点节点上的函数值也比较精确。但由于模型采用高阶单元粗略剖分,该方法单元数量相对较少,剖分后的模型较粗糙,而且模型只能以平面线性单元的形式显示,与实际模型边界差别较大。本文提出了基于B样条曲面参数方程的曲面边界元精细后处理方法。在该方法中,利用B样条曲面的参数方程把曲面单元精细显示出来。单元上新建节点的函数值可由曲面单元顶点上的函数值和面积比值法定义的形状函数插值得到。最后形成经精细显示后的B样条曲面边界元方法。算例表明,经精细显示后边界面比未处理前更接近实际边界。

基于矩阵融合的三次B样条曲线曲面加密算法

B样条曲线曲面是当前CAD/CAM造型系统中的核心部分。提出了一种基于系数矩阵融合的加密算法,并结合此算法将三次B样条曲线基函数的系数矩阵与三次Bézier曲线基函数的系数矩阵加以混合,实现了对三次B样条曲线曲面的加密,实验结果表明利用此算法生成的曲线曲面与原始的曲线曲面有一定的相似性,保证了三次B样条曲线曲面在信息传播中的安全性。

基于人工智能技术的机器人运动控制系统设计

设计一种基于人工智能技术的机器人运动控制系统,确保机器人更好地理解人类的意图,并提供更加人性化的服务。该系统通过运动数据采集与传输组件连接机器人的轴电机,采集机器人当前运动数据后,将其传输到控制器组件内,控制器组件依托X86架构工控机,使用PIC总线将采集到的机器人当前运动数据发送到基于人工智能技术的机器人运动路径规划模块内。该模块运用人工智能技术中的A*算法获取机器人轨迹路径规划结果后,依据该路径规划结果,将人工智能技术中的神经网络和模糊B样条基函数相结合,建立模糊B样条基函数神经网络控制器。该控制器输出机器人运动控制指令,并发送给伺服驱动器组件,伺服驱动器负责驱动机器人轴电机,控制机器人运动。实验结果表明:所设计系统具备较强的机器人路径规划能力,可在复杂路径情况下实现机器人运动控制,且控制精度和控制阶跃响应能力均较强。