【摘 要】
：
为了将三维爆炸场可视化及分析爆炸过程复杂的物理现象 ,从三维多流体网格法得到数值模拟结果 ,基于爆炸与冲击的特征 ,采用直接体绘制的方法进行三维可视化 .在此基础上 ,设计了三维可视化软件———ViSC3D .介绍了三维爆炸场可视化的理论、方法及ViSC3D软件设计的算法、功能 .该软件是三维爆炸场的重要分析工具 ,可以便于研究人员对难于直接观察、分析的爆炸场进行全貌和细节的观察和分析 .利用Vi
【出 处】
：
Journal of Beijing Institute of Technology(English Edition)
论文部分内容阅读
为了将三维爆炸场可视化及分析爆炸过程复杂的物理现象 ,从三维多流体网格法得到数值模拟结果 ,基于爆炸与冲击的特征 ,采用直接体绘制的方法进行三维可视化 .在此基础上 ,设计了三维可视化软件———ViSC3D .介绍了三维爆炸场可视化的理论、方法及ViSC3D软件设计的算法、功能 .该软件是三维爆炸场的重要分析工具 ,可以便于研究人员对难于直接观察、分析的爆炸场进行全貌和细节的观察和分析 .利用ViSC3D ,对山沟中的爆炸场进行了整体、剖面可视化及二维切片的抽取 ,比较详细地展现了爆炸场的概貌和局部
其他文献
由于植物在生长和发育过程中不可避免地要遭受各种环境胁迫的影响 ,植物只有通过对环境胁迫的快速感知和主动反应才得以生存和发展。植物这种对环境胁迫的快速感知和主动反应体现在环境胁迫下植物可以通过一系列基因的表达调控来实现各种抗逆的生理生化反应。虽然得以鉴定的水分胁迫应答基因越来越多 ,但其中只有极少的基因在抗逆中的基本功能已得到初步认识。从细胞对水分胁迫原初信号的感知到基因表达调控包括了一系列复杂的细
从长春花激素依赖型细胞系 (C2 0 D)筛选出一种激素完全适应型的细胞系 (C2 0 hi) ,考察了两种细胞生长、阿玛碱合成和与吲哚生物碱生物合成相关的酶的活性 ,结果表明 :在生长培养基上二者生长无显著差异 ,而C2 0 hi细胞平均阿玛碱含量是C2 0 D的 31 9倍 ,在生产培养基上C2 0 hi细胞生长较C2 0 D快 ,C2 0 hi平均阿玛碱含量是C2 0 D的1 8 4倍。通
研究了 0 .1mmol/L腐胺 (Put)和 0 .5mmol/L亚精胺 (Spd)浸种对 2 0 0mmol/LNaCl胁迫下大麦 (HordeumvulgareL .)幼苗生长速率、干物质积累、离子分布、液泡膜蛋白结合多胺含量以及液泡膜膜脂组分与功能的影响。结果表明 ,Put和Spd浸种均可缓解盐胁迫对大麦幼苗的盐害 ,促进生长和干物质积累 ,降低大麦幼苗体内 [Na+]/[K+]。与盐处理
对生长在强光环境和弱光环境小蜡叶片的气孔参数测定发现 :气孔导度和气孔开度在 4个取样部位存在异质性分布。气孔导度和气孔开度经回归分析呈线性、指数或多项式分布。统计分析表明 :强光下的叶片气孔导度和气孔开度的相关性明显高于弱光环境叶片的数值。无论强光环境还是弱光环境下的叶片 ,在取样部位编号为1和 3,其气孔导度和气孔开度均存在显著的线性关系。弱光环境下叶片的气孔密度要远低于强光环境下的叶片。强光
潮间带海藻光合作用总是处于水生 (高潮时 )与气生 (低潮时 )两种连续变化的环境状态下进行。对汕头沿岸常见的潮间带海藻石莼 (UlvalactucaL .)在水生和气生不同状态下光合作用对无机碳的响应特性进行了比较研究。在水生状态下 ,现有海水中溶解性无机碳浓度能充分饱和 (10℃和 2 0℃时 )或接近饱和 (30℃时 )石莼的光合作用 ;而在气生状态下 ,石莼光合作用受大气CO2 浓度的限制
白沙蒿 (ArtemisiasphaerocephalaKrasch .)是中国西北沙区分布的多年生植物。瘦果遇湿后其粘液层开始膨胀。对其种子萌发不同阶段的种胚提取物中几种可能降解果皮外层粘液物质的外切糖苷酶进行了检测。结果表明 :β 吡喃半乳糖苷酶在干种子中的活性很高 ,但是随着种子的吸涨而逐渐降低 ,在已萌发的种子中无法探测到。α和 β 吡喃阿拉伯糖苷酶、β 吡喃葡萄糖苷酶以及 β 吡喃甘露糖
提出了一种基于纹理特征的“区域—图像”的检索方法 ,该方法包括两种基本的技术 :一是利用共生矩阵提取六种不同的纹理特征 ;二是利用归一化相关的方法进行两个纹理特征向量的相似性度量。通过实验 ,证明了该方法可以产生比较满意的检索结果
Though progress has been made in fractal compression techniques, the long encoding times still remain the main drawback of this technique, which results from the need of performing a large number of r
提出了一种基于多分形特征融合的目标识别算法 .在此算法中 ,将分形理论与D S证据融合理论相结合 ,提取或构造了分形特征 ,设计了合理的概率分配函数 ,并对所提出的算法进行了仿真研究 ,并将此算法的识别结果与基于单分形特征的识别算法、基于神经网络的目标识别算法进行比较 ,结果表明本算法是可行的和有效的 .