细节层次模型(Level of Detail,LOD)是模型简化最有效的方法之一。针对以往细节层次模型简化算法对模型的特征与边界处理的不足,提出了一种基于特征的LOD模型简化算法,并给出了一种针对模型特征与模型边界的折叠代价函数,较好的解决了...细节层次模型(Level of Detail,LOD)是模型简化最有效的方法之一。针对以往细节层次模型简化算法对模型的特征与边界处理的不足,提出了一种基于特征的LOD模型简化算法,并给出了一种针对模型特征与模型边界的折叠代价函数,较好的解决了以往算法生成LOD模型时对模型重要特征与边界处理的不足,在对原始模型简化的同时,能够很好的保留模型的边界与特征。实验结果证明了算法的高效、可靠,既保持模型细节特征,又减少了模型简化误差。展开更多
复杂设备早期微小故障检测是故障检测与诊断领域的难题,系统状态和参数发生阶跃变化或者缓慢漂移是这类故障的主要特征.本文在正交性原理的基础上,提出一种强跟踪平方根中心差分卡尔曼滤波(Square-root center diference Kalman filter,...复杂设备早期微小故障检测是故障检测与诊断领域的难题,系统状态和参数发生阶跃变化或者缓慢漂移是这类故障的主要特征.本文在正交性原理的基础上,提出一种强跟踪平方根中心差分卡尔曼滤波(Square-root center diference Kalman filter,SR-CDKF),即SSR-CDKF,并将SSR-CDKF应用于复杂设备的早期微小故障检测中.仿真结果表明,SSRCDKF能够更准确地估计系统状态和参数,更迅速地跟踪系统和参数突变情况.通过仿真计算比较滤波器在不同参数取值下的方差值,得出了选择合适参数的方法.最后利用该算法检测出了陀螺仪的早期微小故障.展开更多
文摘细节层次模型(Level of Detail,LOD)是模型简化最有效的方法之一。针对以往细节层次模型简化算法对模型的特征与边界处理的不足,提出了一种基于特征的LOD模型简化算法,并给出了一种针对模型特征与模型边界的折叠代价函数,较好的解决了以往算法生成LOD模型时对模型重要特征与边界处理的不足,在对原始模型简化的同时,能够很好的保留模型的边界与特征。实验结果证明了算法的高效、可靠,既保持模型细节特征,又减少了模型简化误差。
文摘复杂设备早期微小故障检测是故障检测与诊断领域的难题,系统状态和参数发生阶跃变化或者缓慢漂移是这类故障的主要特征.本文在正交性原理的基础上,提出一种强跟踪平方根中心差分卡尔曼滤波(Square-root center diference Kalman filter,SR-CDKF),即SSR-CDKF,并将SSR-CDKF应用于复杂设备的早期微小故障检测中.仿真结果表明,SSRCDKF能够更准确地估计系统状态和参数,更迅速地跟踪系统和参数突变情况.通过仿真计算比较滤波器在不同参数取值下的方差值,得出了选择合适参数的方法.最后利用该算法检测出了陀螺仪的早期微小故障.