【摘 要】
：
使用有限元分析进行产品优化设计常常是一个多次迭代的过程，而且每一次迭代一般都需要重新进行十分耗时的有限元网格划分，以支持再分析，从而大大降低了产品再分析和优化设计的效率。为了显著提高产品优化设计和变动设计过程中再分析的效率，一种有效的解决方案是通过局部网格编辑而不是进行网格重生成，实现所需要的网格变动。然而，由于现有的少量六面体网格编辑方法仅能对六面体网格进行简单编辑，实现小幅变动，并且难以保证编
论文部分内容阅读
使用有限元分析进行产品优化设计常常是一个多次迭代的过程，而且每一次迭代一般都需要重新进行十分耗时的有限元网格划分，以支持再分析，从而大大降低了产品再分析和优化设计的效率。为了显著提高产品优化设计和变动设计过程中再分析的效率，一种有效的解决方案是通过局部网格编辑而不是进行网格重生成，实现所需要的网格变动。然而，由于现有的少量六面体网格编辑方法仅能对六面体网格进行简单编辑，实现小幅变动，并且难以保证编辑后的网格质量，因此远不能满足实际需要。为此，本文对六面体网格局部编辑技术展开深入研究，旨在提出有效灵活的六面体网格局部编辑方法。
本文的主要研究工作包括以下几个方面：
?提出一种基于特征移动的六面体网格编辑方法。首先，通过基于均值坐标的算法进行六面体网格变形，以实现特征移动并尽可能减少翻转单元的数目；然后，利用原始网格中提取的密度场生成参数，结合变动区域的几何和拓扑信息，合理计算变动区域的目标密度场；最后，设计局部细化和粗化操作，实现网格的整体密度控制，并提高网格的单元质量。该方法能够有效支持对六面体网格中的局部特征进行较大幅度的平动和转动编辑。
?提出一种支持几何模型拓扑变动的六面体网格直接编辑方法。首先，为了保持原始网格和新增区域之间的交界面的拓扑一致性，利用奇异点对的移动操作将原始网格中的交界面调整为结构化的面网格；然后，基于扫掠法生成新增区域的六面体网格，使其与原始网格保持一致性；最后，通过几何和拓扑优化操作提高编辑后的六面体网格质量。该方法能够有效支持对六面体网格进行大幅度的面拉伸编辑，允许在编辑后几何模型发生拓扑变动。
?提出一种基于后验误差估计的六面体网格自适应方法。首先，根据有限元分析结果，计算得到网格的黎曼度量场，进而准确确定需要加密的区域；然后，通过求解优化问题，确定进行网格细化所需要的优化四边形面集，并采用层插入操作实现局部加密；最后，通过保尺寸的几何优化得到最终的自适应网格。该方法能够有效实现基于物理的六面体网格自适应。
其他文献
数字化口腔诊疗技术的发展，使得患者信息采集、治疗方案设计、治疗效果评估等诊疗环节更加全面、准确且安全。使用光学成像设备和锥形束计算机断层扫描成像(Cone beam CT，CBCT)设备可以快速获取患者的三维网格数据和CBCT图像数据。通过观察患者医学数据中的相关组织结构，医生可以实施更为有效和个性化的治疗。如何从患者的医学数据中抽取得到有助于临床诊疗的组织结构信息，是数字口腔技术应用发展的关键。
作为机器学习的一个重要分支，强化学习是一类在线学习的方法，其目的是最大化与环境交互所获得的长远回报。近年来，强化学习领域的研究取得了长足的进展，在机器人控制、游戏与博弈、仿真模拟、调度与优化等领域取得了广泛的应用。然而，现有强化学习方法仍面临着一些挑战。相比于其他类型的机器学习方法，强化学习的样本数据利用率往往较为低下，针对一些高维空间问题时探索效率不高，以及算法健壮性差等。本文从强化学习的样本数
近年来，随着传感器技术的发展和智能设备的普及,各行各业收集获取了海量的时空数据，它们通常记录了数据对象的时间、空间和其他各类多元属性信息和特征。以数据挖掘、人工智能技术为基础的时空数据分析技术迅速成为科研、应用领域的热门课题，并被广泛地应用于诸如城市规划决策，交通监督管理，人群行为模式分析等应用场景中。然而，由于时空数据的多源异构性和分析任务的复杂多样性，使得现阶段的数据的管理和分析面临了诸多挑战
随着信息技术的不断发展和人们通信需求的不断增加，催生出各式各样的网络系统和服务。一方面，用户数量的增长使得有线IP网络的规模变得越来越庞大，多跳连接成为了地理位置分布广泛的主机间正常通信的基本前提。另一方面，物联网技术和应用的成熟使得物联网设备的数量经历着快速的增长。截至2019年，全球物联网设备数量达到110亿。为了实现资源受限物联网设备的互联互通，涌现出多种无线多跳数据传输技术。面对这些普遍存
随着互联网技术的飞速发展和便携式数字媒体设备的普及，图像与视频等多媒体视觉数据正呈现出爆炸式增长。因此，如何快速有效地发现并提取海量视觉数据中的语义目标，并进一步对目标主体进行细粒度的语义内容理解与分析，是人工智能和计算机视觉领域中一项具有重要意义和应用价值的研究课题。 本文主要研究像素级别的语义理解问题，将针对四个不同层次的视觉数据展开研究，分别提出了针对单帧图像的图标签传播显著物体检测方法、
物理模拟是科学研究与工业制造中的一种重要技术。它以物理定律为基础，通过合适的离散化方法在计算机中对真实的物理过程进行仿真重现。在实际应用中，复杂的模拟对象通常会使计算效率十分低下，严重影响了模拟算法的实用性。 在经典的有限元方法中，计算效率会受到多种因素的制约，例如网格的采样密度、单元的质量和本构方程的函数形式等。从数值指标上看，这些因素分别影响着系统的规模、频谱条件和非线性程度，而这些方面则直
随着信息技术的快速发展，人们对信息的获取和处理逐渐从单一模态转换成多种模态。近年来，人工智能在传统的计算机视觉和自然语言处理等单模态任务上取得了很多激动人心的进展，但是目前的机器智能离通用人工智能仍有很长的路要走。为了理解多模态相互交融的真实环境，人工智能需要同时处理声音、文字和图像等多模态数据，实现多种模态信息的融合和互补。然而，数据的多模态性使得数据表征、信息检索、知识发现和语义推理等应用面临
图是计算机解决问题时采用的一种重要数据结构，它广泛应用于各种场景，在真实世界、社会关系和网络空间中随处可见。一方面，随着互联网的普及以及传感器和通信技术的进步，越来越多的数据以图的形式呈现出来；另一方面，人们越来越关注由对象与对象之间的关联性产生的复杂结构，而图正是研究和利用这些结构信息的重要工具。在这样的背景下，作为图中结构和语义信息的载体，图节点属性可扮演标签或特征的角色，赋能面向图的机器学习
知识图谱是一种简单有效的存储知识的方式，近年来许多开放域和垂直域的大型知识图谱被构建起来并得到了广泛的应用。知识表示和推理是人工智能研究中的重要课题，随着大数据时代的到来和计算能力的提升，原本符号化的知识表示和推理在逐渐向向量空间迁移，可以通过将知识元素映射到低维的向量空间中并基于向量空间的计算完成推理，这种基于向量空间计算的推理称为可微的推理，本文围绕可微的知识图谱推理及其应用展开研究。 可微
行为识别的目的在于确定序列行为数据中任意时刻的行为模式，在智能感知、医疗健康、生物神经解码和人机交互等领域具有广泛应用价值。随着传感器及物联网等技术的发展、普及，行为数据体量越来越大、类别逐渐丰富、分布特性日益复杂，在有限成本内获得的人工标注数据相对于数据整体而言则越来越稀少、单一，因而基于经典监督学习的行为识别模型越来越容易过拟合。同时，随着传感技术的快速迭代更新和行为个体及应用需求的不断改变，