数值流形元法研究进展与展望

数学网格局部细化在数值流形方法中的应用

数学网格局部细化在数值流形方法中的应用发表时间：2018-06-15T12:33:24.127Z 来源：《建筑学研究前沿》2018年第1期作者：王孝兵 [导读] 数值流形方法（NMM）[1]，将有限元（FEM）和非连续变形分析[2]（DDA）结合到一起，实现了连续和非连续变形分析的统一。中石化石油工程设计有限公司山东东营 257026 摘要：对于裂纹问题，在数值流形方法的前处理中，数学网格选取的最基本原则为裂纹必须完整地切割一个数学覆盖；在模拟裂纹尖端应力奇异性时，仍需要满足某一个物理覆盖不能同时作为构成两个或者多个不同裂纹尖端所在奇异流形单元奇异物理覆盖的要求。对于规则的正三角形数学网格，当所研究裂纹尺寸很小时，就意味着数学网格的密度要相应地增大，自由度增多，势必会影响计算效率。为了克服这一缺陷，在裂纹尖端及附近区域采用较密的数学网格，其他区域过渡到较粗的数学网格。算例结果表明，这样做不仅节省了大量的自由度，提升了计算效率，而且也保证了同样高的计算精度。证实了数学网格局部细化的可行性。关键字：数值流形法；裂纹扩展；应力强度因子；局部细化 Key words：numerical manifold method, crack propagation, stress intensity factor, local refinement 1. 引言数值流形方法（NMM）[1]，将有限元（FEM）和非连续变形分析[2]（DDA）结合到一起，实现了连续和非连续变形分析的统一。对于研究者和工程师来说，能够对复杂的裂纹问题进行模拟，并定量地预测出含裂纹结构体在运营条件下的生命周期是非常重要的。因此，基于NMM方法的优越性，利用NMM来计算裂纹尖端的应力强度因子，以便利用断裂力学方法来预测裂纹扩展方式。文献[4]已将NMM用于相关研究，采用了0阶的位移基函数，但是从收敛性分析可见，应力强度因子要达到相当高的精度，需要极其细密的网格，也就意味着大量的自由度，随之而来的就是计算效率的低下。文献[5]在高阶NMM方面做了相关研究，结果显示，即便在低网格密度下，1阶位移基函数达到了同样高的计算精度。因此本文选用1阶位移基函数。NMM前处理中，数学网格密度的选择并不是任意的，最低要求要保证裂纹能够穿过一个整的数学覆盖，以便模拟裂纹两侧的不连续性。文献[4]的算例可见，为了适应裂纹尺寸，都加大了数学网格的密度。试想如果裂纹非常的小，那么数学网格也要随之相应地加密，以达到最基本的计算要求，这时所产生的自由度的量值将会无比的大，计算效率可能会急剧地降低。上面都是针对规则的数学网格。因此，在满足计算精度的前提下，能否考虑在裂纹尖端及附近采用较细密的网格以达到生成流形单元和能够模拟不连续的最基本要求，而在其他区域相应地过渡到较粗的网格，以减少自由度，提高计算效率呢？针对该问题，本文进行了相关研究。 2. 问题的提出在生成流形单元或模拟裂纹两侧的不连续性时，数学网格尺寸必须要达到一定的要求。也就是说裂纹要整个地穿过某一数学覆盖，才能模拟出两侧的不连续性，同样这也达到了生成流形单元的要求。由此可见，对于不同的裂纹形式，需要选择不同的数学网格密度，两者要相互适应。那么这就意味着，如果裂纹尺寸过短，那么能够适应裂纹尺寸的最小的数学网格密度也要相应的增多，相应的自由度增加，计算量也要增大。结果就会导致计算效率的低下以及自由度的浪费。因此尝试在裂纹尖端加密数学网格，而在其他区域选择相对稀疏的网格密度，这样既能节省自由度，提高计算效率，也能达到同样高的计算精度。 3. 算例及结果本文对含中心倾斜裂纹平板、矩形平板的三条分支裂纹两种典型实例进行计算。 3.1 计算模型如图1（a）所示，为受单位拉伸荷载的含中心倾斜裂纹矩形平板。平板尺寸为：w=20mm, mm, 。该问题的解析解为[6]：。如图1（b）所示，为含分支裂纹的矩形平板受单轴拉伸作用，拉伸方向垂直于主裂纹。矩形平板的宽度为2w，高度为2H。w=20， H=16。主裂纹的长度a=1，支裂纹长度b=1，角度。裂纹尖端A和B的应力强度因子为：，，，据参考文献[4]，=1.044，=0.495，=0.506。 3.2 计算结果 3.2.1含中心倾斜裂纹平板（1）规则网格为了达到最基本的数学网格尺寸要求，数学覆盖系统要求裂纹仅通过了一个数学覆盖，该系统生成的流形单元数为最小，自由度也最小。当使用高阶流形元计算时，总的自由度数为：6228。（2）不规则网格采用较稀疏的不规则网格时的数学网格划分，总的自由度数为：1366。可见只是规则网格的21.9%。归一化后的计算结果如表1所示，

流体抛光技术研究【开题报告】

毕业论文开题报告机械设计制造及其自动化流体抛光技术研究一、选题的背景和意义以家乡慈溪为例,当地模具制造行业比较盛行,其中抛光是不可缺少的,特别是生产透明塑料件的模具,其抛光要求尤为高。再者生活中买车的人越来越多,汽车抛光也显得频繁了.现代抛光技术应用已经很广泛了,很多制造业都离不开它,比如纺织、医疗、缝纫、精密齿轮、轴承、模具制造,还有宇航、兵器工业。抛光对象最多的还是金属。金属表面抛光技术是表面技术及工程学科领域中的重要组成部分，在工业生产过程中得到广泛的应用，特别是在电镀工业、涂饰、阳极氧化及各种表面处理过程中起到重要作用。随着国民经济的迅猛发展，它已扩展到表面处理技术以外的领域，逐渐成为一门相对独立的专用技术。还有化学抛光，它是金属表面通过有规则溶解达到光亮平滑。在化学抛光过程中，钢铁零件表面不断形成钝化氧化膜和氧化膜不断溶解，且前者要强于后者。由于零件表面微观的不一致性，表面微观凸起部位优先溶解，且溶解速率大于凹下部位的溶解速率；而且膜的溶解和膜的形成始终同时进行，只是其速率有差异，结果使钢铁零件表面粗糙度得以整平，从而获得平滑光亮的表面。抛光可以填充表面毛孔、划痕以及其它表面缺陷，从而提高疲劳阻力、腐蚀阻力。总的来说，抛光技术发展前景很大。不管现在还是未来，它是不可获却的，我相信随着科学的进步，它还将发挥更大作用。二、研究目标与主要内容（含论文提纲）（1）磨粒流抛光技术包括该技术的发展历史，工作原理，国内外研究的现状，发展趋势等。（2）磁流变抛光技术包括该技术的发展历史，工作原理，国内外研究的现状，发展趋势等。（3）磨料水射流抛光技术包括该技术的发展历史，工作原理，国内外研究的现状，发展趋势等。（4）磁射流抛光技术包括该技术的发展历史，工作原理，国内外研究的现状，发展趋势等。

计算机系统结构大作业

高级计算机系统结构课题:基于多任务学习技术的图像特征提取方法分析学院：数字媒体学院专业：软件工程主讲：刘渊姓名：张英学号：6161611007

目录第一章绪论 (3) 1.1课题研究背景及意义 (3) 1.2多任务发展历史与研究现状 (4) 1.3多任务学习与迁移学习的对比 (4) 第二章基本方法介绍 (4) 2.1主成分分析法 (4) 2.2线性判别分析法 (5) 2.3局部保留投影 (5) 2.4 TrAdaBoost算法 (5) 2.5 方法总结 (6) 第三章基于投影变换迁移的特征提取方法 (6) 3.1基于投影向量正交的特征提取算法 (6) 3.1.1有监督的基于投影向量正交的特征提取算法 (7) 3.1.2无监督的基于投影向量正交的特征提取算法 (7) 3.2 有监督&无监督特征提取算法总结 (7) 第四章总结 (8) 参考文献 (9)

第一章绪论 1.1课题研究背景及意义在生物、物理、医学、市场、计算机视觉、人工智能和远程传感控制等各种工程科学学科中，自动的识别[1]、描述、分类和模式分组是很重要的问题。但什么是模式呢？Watanabe[2]是这样定义模式的:“是混乱的对立，它是一个独立存在的事物，很模糊的定义，可以给它命名为模式”。例如，一个模式可以是一个指纹图像，一个手写的草书字，一张人脸图像[3]或者一个语音信号。给定一个模式，它的识别或分类可能包括如下两个任务之一：（1）有监督分类(例如鉴别分析)，即输入的模式的类别信息是已知的；（2）无监督分类(例如聚类)，即输入的模式的类别信息是未知的。我们要强调的是这里所提到的识别问题是指一个分类或者分类任务，其中类别信息在有监督分类中是由系统设计者定义的，在无监督分类中是基于模式的相似性学习得到的。模式识别领域是现在研究的一个热点，它在各方面的应用既有吸引力又有挑战性。这些应用包括数据挖掘，文本分类，金融预测，多媒体数据库的组建和检索，统计生物学识别等。最近人们发现，图像识别中很多图像样本在空间中呈现的是一种非线性的流形结构的分布。但主成分分析（PCA）、线性鉴别分析（LDA）等线性降维技术却破坏了图像样本在空间中的流形分布结构，这样不利于分类识别。为了保护图像样本空间中的流形结构，人们做了大量的工作，相继提出了局部线性映射(Locally Linear Embedding,LLE) ，等距映射(Isometric Feature Mapping, ISOMAP ) 和拉普拉斯特征映射(Laplacian Eigenmaps)等非线性降维方法。局部保留投影(Locality Preserving Projection, LPP) 是拉普拉斯特征映射方法的线性近似，该方法解决了前面介绍的非线性降维方法难以获得新样本点的低维投影的问题，它通过构造基于样本的近邻流形结构图保持了样本空间的流形结构，使得原始图像样本空间中近邻的样本图像经过投影之后仍然是近邻的。但是在实际生活中，人们有时候会遇到训练样本数目很少的情况，此时大部分传统的模式识别方法的效果都不是很好，人们发现多任务学习方法可以帮助解决这个问题。例如，现在只有两个苹果作为训练样本，但是实际上苹果的形状是有差别的，单单训练两个苹果并不能得到很好的识别效果，我们可以把和苹果相像的其它水果作为辅助的任务一起识别，即把橘子，梨，桃等作为辅助样本来帮助识别苹果。

大数据课程报告

摘要流形学习方法作为一类新兴的非线性维数约简方法，主要目标是获取高维观测数据的低维紧致表示，探索事物的内在规律和本征结构，已经成为数据挖掘、模式识别和机器学习等领域的研究热点。流形学习方法的非线性本质、几何直观性和计算可行性，使得它在许多标准的toy 数据集和实际数据集上都取得了令人满意的结果，然而它们本身还存在着一些普遍性的问题，比如泛化学习问题、监督学习问题和大规模流形学习问题等。因此，本文从流形学习方法存在的问题出发，在算法设计和应用（图像数据与蛋白质相互作用数据）等方面展开了一系列研究工作。首先对流形学习的典型方法做了详细对比分析，然后针对流形的泛化学习和监督学习、表征流形的局部几何结构、构造全局的正则化线性回归模型、大规模数据的流形学习等几个方面进行了重点研究，提出了三种有效的流形学习算法，并和相关研究成果进行了理论与实验上的比较，从而验证了我们所提算法的有效性。关键词：流形学习，维数约简，正交局部样条判别投影，局部多尺度回归嵌入

目录目录 ................................................................................................................................................. II 第1章研究背景.. (1) 1.1流形学习的研究背景 (1) 1.2流形学习的研究现状 (2) 1.3流形学习的应用 (4) 第2章流形学习方法综述 (5) 2.1流形学习方法介绍 (6) 第3章流形学习方法存在的问题 (9) 3.1本征维数估计 (9) 3.2近邻数选择 (10) 3.3噪声流形学习 (10) 3.4监督流形学习 (11) 第4章总结 (11)

高维数据流形的低维嵌入问题研究

第10卷　第5期大连民族学院学报 Vol .10,No .5 2008年9月 Journal of D alian N ationalities University Septembe r 2008 文章编号:1009-315X (2008)05-0441-03 高维数据流形的低维嵌入问题研究吴晓婷1,马玉梅2 (1.辽宁师范大学计算机与信息技术学院,辽宁大连116029;2.大连民族学院理学院, 辽宁大连116605) 摘　要:Is o m ap 是基于流形理论提出的一种非线性降维方法,用于恢复潜藏于高维空间低维子流形中数据的低维参数。Is omap 方法的一个重要前提是假设数据空间与参数空间之间存在等距映射。通过流形学习和对Iso map 方法的分析,证明了高维数据空间与参数空间之间存在一般意义下的等距映射,并引用一个基于Iso map 的实例说明Is o m ap 算法的有效性。关键词:流形;等距映射;Is o m ap;测地线距离;数据降维中图分类号:TP18 文献标志码:A The Resea rch on the M ean i n gfu l L ow -D i m en siona l Em bed of H igh -d i m en siona l Da ta M an i f old W U X i a o -t i n g 1 ,M A Yu -m e i 2 (1.College of Compute r and Infor ma tion Technol ogy,L i aoning No r ma l University,Da lian Liaoning 116029,China;2.Coll ege of Sc ience,Da lian Na ti onalities University,Da lian L i aoning 116605,China) Ab stra ct :Is om ap is a non -linear di mensi onality reducti on m ethod based on the theory of man 2if old to r ecover a low -di m ensi onal para m ete rs lying on a l ow -di m ensional sub -m anifold in high -di m ensional s pace .The i mportant p r econditi on of Iso m ap is supposing that there is an i 2som etric mapp ing bet ween the data s pace and the para m ete r space .This paper pr oved the exist 2ence of is om etric m a pp ing bet ween high -di m ensi onal data space and the para m eter s pace .And we als o use some exa mp les based on I som ap t o expla in the effectiveness of I som ap. Key word s:m anifold;is om etric m apping;is om ap;geodesic distance;data di mensi ona l reduc 2tion 1　概　述在不同距离、不同方向,或在不同姿态和光照强度下,同一个对象能够形成多种不同的图像。一个对象所有图像的集合可以看作是以位置、尺度、姿态、光照等为参数的一个高维空间数据流形,其维数由引起图像变化的参数个数决定。随着信息时代的到来,科研工作者在研究过程中不可避免地会遇到大量的高维数据,如全球气候模型、人类基因分布等,通过降维可以找出隐藏在高维数据中的低维结构。本文旨在通过流形学习,分析Is om ap 的方法,并给出文献[1](对于一个参数化的图像族f θ∶ R 2 →R 等距映射存在性)的证明,即对于L 2 上一族平移函数存在等距映射,应用实例说明Is om ap 算法的有效性。 1.1　流形的定义定义1　设M 是Hausdorff 空间,如果M 是局部欧氏的,即对每一点p ∈M ,都存在p 的一个开邻域U 和R m 中的一个开子集同胚,则称M 是一个m 维流形。 3收稿日期作者简介吴晓婷(5),女,内蒙古呼伦贝尔人,辽宁师范大学计算机与信息技术学院硕士研究生,主要从事模式识别研究。 :2007-09-01 :198-

离散元、有限元和数值流形法的对比

离散元方法也被称为散体单元法最早是1971年由Cundall 提出的一种不连续数值方法模型离散元理论是由分析离散单元的块间接触入手找出其接触的本构关系建立接触的物理力学模型并根据牛顿第二定律建立力、加速度、速度及其位移之间的关系对非连续、离散的单元进行模拟仿真。离散元法是专门用来解决不连续介质问题的数值模拟方法。该方法把节理岩体视为由离散的岩块和岩块间的节理面所组成,允许岩块平移、转动和变形,而节理面可被压缩、分离或滑动。因此,岩体被看作一种不连续的离散介质。其内部可存在大位移、旋转和滑动乃至块体的分离,从而可以较真实地模拟节理岩体中的非线性大变形特征。离散元法的一般求解过程为:将求解空间离散为离散元单元阵,并根据实际问题用合理的连接元件将相邻两单元连接起来;单元间相对位移是基本变量,由力与相对位移的关系可得到两单元间法向和切向的作用力;对单元在各个方向上与其它单元间的作用力以及其它物理场对单元作用所引起的外力求合力和合力矩,根据牛顿运动第二定律可以求得单元的加速度;对其进行时间积分,进而得到单元的速度和位移。从而得到所有单元在任意时刻的速度、加速度、角速度、线位移和转角等物理量。离散单元法的特点岩体或颗粒组合体被模拟成通过角或边的相互接触而产生相互作用。块体之间边界的相互作用可以体现其不连续性和节理的特性。使用显式积分迭代算法允许有大的位移、转动和使用。在岩体计算力学方面，由于离散单元能更真实地表达节理岩体的几何特点，便于处理所有非线性变形和破坏都集中在节理面上的岩体破坏问题，被广泛应用于模拟边坡、滑坡和节理岩体地下水渗流等力学过程离散单元法的求解过程离散元法具体的求解过程分为显式解法和隐式解法下面分别介绍其适用范围。显式解法显式解法用于动力问题的求解或动态松弛法的静力求解显式算法无须建立像有限元法那样的大型刚度矩阵只需将单元的运动分别求出计算比较简单数据量较少并且允许单元发生很大的平移和转动可以用来求解一些含有复杂物理力学模型的非线性问题时间积分采用中心差分法由于条件收敛的限制使得计算步长不能太大因而增加了计算时间。隐式解法隐式解法用于求解静力问题的静态松弛法隐式解法的动态松弛法式直接找导块体失去平衡后达到再平衡的力位移关系建立隐式方法解联立方程组并通过迭代求解以完全消除块体的残余力和力矩。有限元方法的基本概念将介质复杂几何区域离散为具有简单几何形状的单元而单元内的材料性质和控制方程通过单元节点的未知量来进行表达再通过单元集成、外载和约束条件的处理得到方程组求解该

数据的多流形结构分析-推荐下载

数据的多流形结构分析我们已经进入了一个信息爆炸的时代，海量的数据不断产生，迫切需要对这些大数据进行有效的分析，以至数据的分析和处理方法成为了诸多问题成功解决的关键，涌现出了大量的数据分析方法。几何结构分析是进行数据处理的重要基础,已经被广泛应用在人脸识别、手写体数字识别、图像分类、等模式识别和数据分类问题，以及图象分割、运动分割等计算机视觉问题（人脸识别、图像分类、运动分割等实例见下文）中。更一般地，对于高维数据的相关性分析、聚类分析等基本问题，结构分析也格外重要。文献[1]指出一个人在不同光照下的人脸图像可以被一个低维子空间近似，由此产生大量的数据降维方法被用来挖掘数据集的低维线性子空间结构，这类方法假设数据集采样于一个线性的欧氏空间。但是，在实际问题中很多数据具备更加复杂的结构。例如，文献[2]中指出，运动分割（motion segmentation）中的特征点数据具有多个混合子空间的结构，判断哪些特征点属于同一子空间是这个问题能否有效解决的关键。针对单一子空间结构假设的后续讨论主要是两个方面，首先是从线性到非线性的扩展，主要的代表性工作包括流形（流形是局部具有欧氏空间性质的空间，欧氏空间就是流形最简单的实例）学习等。流形学习于2000年在著名杂志Science上被首次提出，之后逐渐成为了研究热点。基于数据均匀采样于一个高维欧氏空间中的低维流形的假设，流形学习试图学习出高维数据样本空间中嵌入的低维子流形，并求出相应的嵌入映射。流形学习的出现，很好地解决了具有非线性结构的样本集的特征提取问题。然而流形学习方法通常计算复杂度较大，对噪声和算法参数都比较敏感，并且存在所谓的样本溢出问题，例如，当增加新的样本点时，不能快速地提取新特征。其次是流形或子空间从一个到多个的扩展，即假设数据集采样于多个欧氏空间的混合。子空间聚类（又称为子空间分割，假设数据分布于若干个低维子空间的并）是将数据按某种方式分类到其所属的子空间的过程。通过子空间聚类，可以将来自同一子空间中的数据归为一类，由同类数据又可以提取对应子空间的相关性质。根据综述[2]，子空间聚类的求解方法有代数方法、迭代方法、统计学方法和基于谱聚类的方法。其中基于谱聚类的方法在近几年较为流行，

磨料流加工中应用的高分子聚合物的热特性和流变性外文文献翻译、中英文翻译

附录外文资料 In recent years, Fletcher et al. have studied the thermal properties and rheological properties of polymer used in abrasive flow processing, and believe that the rheological properties of media play an important role in the success or failure of abrasive flow processing. D avies and F letcher studied the rheological properties of several kinds of ingredients and its corresponding processing parameters, the relationship between the results showed that the viscosity and the abrasive ratio will affect the temperature and medium pressure drop through artifacts, in the process of abrasive flow machining temperature is an important factors influencing medium viscosity. Afm is not yet widely used one of the important reasons is still a lack of understanding of the complexity of abrasive flow machining process theory and the theory support for the current process only by engineering technical personnel subjectively artificially controlled, which is not suitable for mass production. For this, using strict experiment technology such as Petri, consider all of the key parameters, put forward the process of abrasive flow machining a predictable process modeling system, the neural network, the system is dedicated to all kinds of products and a variety of materials of abrasive flow machining process modeling. L am and Sm ith based on BP neural network or serial correlation neural networks, aiming at a kind of special products, automobile engine intake pipe, considering a lot of process parameters, afm modeling method is proposed, which can meet the requirements of strict technical specifications of precise control, its fundamental purpose is: one is to improve the car engine performance, reduce the fuel consumption. Second, the presetting control of abrasive flow processing is realized by obtaining the non-linear relationship between the abrasive flow processing medium and the technical specifications of the engine pipeline. Because of the inherent randomness of abrasive in the medium and the diversity of variables, the theoretical and experimental study of abrasive flow processing technology has met with great obstacles. At the same time, due to the lack of understanding of the properties of abrasive media and the complexity and randomness of material removal, the modeling of abrasive flow processing technology is very complex. R ajendra K1Jain k1 Jain and V 1 a sure afm

流体抛光技术研究开题报告

开题报告流体抛光技术研究一、选题的背景和意义以家乡慈溪为例,当地模具制造行业比较盛行,其中抛光是不可缺少的,特别是生产透明塑料件的模具,其抛光要求尤为高。再者生活中买车的人越来越多,汽车抛光也显得频繁了.现代抛光技术应用已经很广泛了,很多制造业都离不开它,比如纺织、医疗、缝纫、精密齿轮、轴承、模具制造,还有宇航、兵器工业。抛光对象最多的还是金属。金属表面抛光技术是表面技术及工程学科领域中的重要组成部分，在工业生产过程中得到广泛的应用，特别是在电镀工业、涂饰、阳极氧化及各种表面处理过程中起到重要作用。随着国民经济的迅猛发展，它已扩展到表面处理技术以外的领域，逐渐成为一门相对独立的专用技术。还有化学抛光，它是金属表面通过有规则溶解达到光亮平滑。在化学抛光过程中，钢铁零件表面不断形成钝化氧化膜和氧化膜不断溶解，且前者要强于后者。由于零件表面微观的不一致性，表面微观凸起部位优先溶解，且溶解速率大于凹下部位的溶解速率；而且膜的溶解和膜的形成始终同时进行，只是其速率有差异，结果使钢铁零件表面粗糙度得以整平，从而获得平滑光亮的表面。抛光可以填充表面毛孔、划痕以及其它表面缺陷，从而提高疲劳阻力、腐蚀阻力。总的来说，抛光技术发展前景很大。不管现在还是未来，它是不可获却的，我相信随着科学的进步，它还将发挥更大作用。二、研究目标与主要内容（含论文提纲）（1）磨粒流抛光技术包括该技术的发展历史，工作原理，国内外研究的现状，发展趋势等。（2）磁流变抛光技术包括该技术的发展历史，工作原理，国内外研究的现状，发展趋势等。（3）磨料水射流抛光技术包括该技术的发展历史，工作原理，国内外研究的现状，发展趋势等。（4）磁射流抛光技术包括该技术的发展历史，工作原理，国内外研究的现状，发展趋势等。 1引言

基于流形距离的生产状态聚类分析

收稿日期：２０１１唱０１唱０６；修回日期：２０１１唱０３唱０７基金项目：国家自然科学基金资助项目（５０９３４００７，５０９０５０１３，５１００４０１３）；国家“８６３”计划资助项目（２００９ＡＡ０４Ｚ１３６）；国家“十二五”科技支撑计划资助项目（２０１１ＢＡＥ２３Ｂ００）；中国博士后基金资助项目（２０１１０４９０２９４）；高等学校博士学科点专项科研基金资助项目（２００９０００６１２０００７）；冶金装备及其控制教育部重点实验室开放基金资助项目（２００９Ａ１６）作者简介：何飞（１９８２唱），男，山西右玉人，讲师，博士，主要研究方向为生产过程监控与诊断、模式识别等（ｈｅｆｅｉ＠ｕｓｔｂ．ｅｄｕ．ｃｎ）；梁治国（１９７７唱），男，山西太原人，讲师，博士，主要研究方向为热轧带钢表面检测、图像处理等；王晓晨（１９８２唱），男，山西太原人，讲师，博士，主要研究方向为冷轧带钢生产过程控制及质量检测等；马粹，女，黑龙江伊春人，硕士，主要研究方向为冶金设备等．基于流形距离的生产状态聚类分析倡何　飞，梁治国，王晓晨，马　粹（北京科技大学国家板带生产先进装备工程技术研究中心，北京１０００８３）摘　要：现代生产中的大量生产数据蕴藏着丰富的生产过程和质量信息，通过聚类分析可以了解生产状态，进行生产故障诊断或有针对性的质量检测，而经常使用的相似性的度量欧式距离只能反映数据空间分布为球形或超球形的结构特性。难以刻画复杂数据分布特性，将流形距离引入到生产过程状态的聚类分析中，利用标准数据、田纳西—伊斯曼过程和热轧带钢实际生产过程数据对方法的有效性进行验证，进而可以更加有效地了解生产过程的状态。关键词：流形距离；聚类分析；生产状态分析；Ｋ唱中心聚类中图分类号：ＴＰ３９１文献标志码：Ａ文章编号：１００１唱３６９５（２０１１）０９唱３２４２唱０３ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１唱３６９５．２０１１．０９．０１０ＰｒｏｄｕｃｔｉｏｎｓｔａｔｅｃｌｕｓｔｅｒｉｎｇｂａｓｅｄｏｎｍａｎｉｆｏｌｄｄｉｓｔａｎｃｅＨＥＦｅｉ，ＬＩＡＮＧＺｈｉ唱ｇｕｏ，ＷＡＮＧＸｉａｏ唱ｃｈｅｎ，ＭＡＣｕｉ（ＮａｔｉｏｎａｌＥｎｇｉｎｅｅｒｉｎｇＲｅｓｅａｒｃｈＣｅｎｔｅｒｏｆＦｌａｔＲｏｌｌｉｎｇＥｑｕｉｐｍｅｎｔ，ＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆ＴｅｃｈｎｏｌｏｇｙＢｅｉｊｉｎｇ，Ｂｅｉｊｉｎｇ１０００８３，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｍｏｒｅａｎｄｍｏｒｅｄａｔａａｒｅｃｏｌｌｅｃｔｅｄｉｎｍｏｄｅｌｍａｎｕｆａｃｔｕｒｉｎｇｐｒｏｃｅｓｓ．Ｔｈｅｒｅａｒｅｒｉｃｈｉｎｆｏｒｍａｔｉｏｎｏｆｔｈｅｐｒｏｄｕｃｔｉｏｎｓｔａｔｅａｎｄｑｕａｌｉｔｙａｍｏｎｇｔｈｅｄａｔａ．Ｔｈｅｃｌｕｓｔｅｒｉｎｇｍｅｔｈｏｄｗｉｔｈｐｒｏｃｅｓｓｄａｔａｉｓｕｓｅｄｔｏａｃｑｕｉｒｅｔｈｅｐｒｏｄｕｃｔｉｏｎｓｔａｔｕｓ，ｔｈｕｓｆｏｒｐｒｏｃｅｓｓｄｉａｇｎｏｓｉｓａｎｄｅｎｈａｎｃｉｎｇｔｈｅｆｏｃａｌｐｏｉｎｔｓｏｆｔｈｅｑｕａｌｉｔｙｉｎｓｐｅｃｔ．ＴｈｅＥｕｃｌｉｄｅａｎｄｉｓｔａｎｃｅａｓｔｈｅｃｏｍｍｏｎｓｉｍｉｌａｒｉｔｙｍｅａｓ唱ｕｒｅ，ｃａｎｏｎｌｙｅｘｔｒａｃｔｔｈｅｆｅａｔｕｒｅｓｏｆｔｈｅｓｐｈｅｒｉｃａｌｌｙｄｉｓｔｒｉｂｕｔｉｏｎｄａｔａａｎｄｃａｎｎｏｔｅｘｐｒｅｓｓｔｈｅｃｏｍｐｌｅｘｄｉｓｔｒｉｂｕｔｉｏｎｄａｔａ．Ｔｈｉｓｐａｐｅｒｉｎｔｒｏｄｕｃｅｄｔｈｅｍａｎｉｆｏｌｄｄｉｓｔａｎｃｅｔｏｄｏｔｈｅｐｒｏｄｕｃｔｉｏｎｓｔａｔｅｃｌｕｓｔｅｒｉｎｇ．Ｉｔｕｓｅｄｔｈｅｂｅｎｃｈｍａｒｋｄａｔａ，Ｔｅｎｎｅｓｓｅｅ唱Ｅａｓｔｍａｎｐｒｏｃｅｓｓｄａｔａａｎｄｈｏｔｓｔｅｅｌｒｏｌｌｉｎｇｐｒｏｃｅｓｓｄａｔａｆｏｒｍｏｄｅｌｖａｌｉｄａｔｉｏｎ．Ａｓａｒｅｓｕｌｔｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｈａｓｂｅｔｔｅｒｐｅｒｆｏｒｍａｎｃｅｏｎｃｌｕｓｔｅｒｉｎｇ，ｃｏｍｐａｒｅｄｗｉｔｈｔｈｅＥｕｃｌｉｄｅａｎｄｉｓｔａｎｃｅ．Ｋｅｙｗｏｒｄｓ：ｍａｎｉｆｏｌｄｄｉｓｔａｎｃｅ；ｃｌｕｓｔｅｒｉｎｇａｎａｌｙｓｉｓ；ｐｒｏｄｕｃｔｉｏｎｓｔａｔｅａｎａｌｙｓｉｓ；Ｋ唱ｍｅｄｉｏｄｓ０　引言现代工业生产的自动化产生了大量的过程数据，其中蕴涵着丰富的生产状态和产品质量信息［１］。聚类分析作为数据分析的预处理方法，可以剔除异常样本，如获得某一生产流程建模所需的数据后，先用聚类分析进行预处理，剔除不正常状态的数据后建模，可以有效提高建模的效率和模型的准确性；通过聚类分析对生产过程进行优化，选取优化操作模式，如选择聚类中心样本作为最优操作模式进而进行生产过程的指导；利用聚类分析进行生产故障的诊断，在已有部分样本质量信息的先验知识的情况下，可以推测出类内其他样本的质量信息；利用聚类分析指导质量的重点检测，若某些样本远离已有的类别可以在质量检测过程中进行重点检测。如在热轧带钢生产中可以利用聚类分析方法对生产过程数据进行分析，对远离原类别的产品进行重点的力学性能质量检测，提高了检测的针对性［２］。聚类分析即无监督分类，是一种重要的数据分析方法，已经被广泛应用于计算机视觉、信息检索、数据挖掘和模式识别等领域［３］。Ｋ唱ｍｅａｎ和Ｋ唱ｍｅｄｉｏｄｓ是典型的聚类方法，但常用的相似性度量欧氏距离存在一个重要的缺点，只对空间分布为球形或超球形的数据具有较好的性能，而对空间分布复杂的流形结构的数据效果较差。本文将流形聚类作为相似性度量指标引入到聚类分析中，使用简单的Ｋ唱ｍｅｄｉｏｄｓ方法就可以实现较好的聚类效果。１　流形距离１畅１　欧式距离的局限性目前常用的聚类算法通常是以欧氏距离作为相似性的度量，而实际数据的分布往往具有不可预期的复杂结构，导致了基于欧氏距离的相似性度量无法反映聚类的全局一致性（即位于同一流形上的数据点具有较高的相似性）。从图１所示的双月模型的例子中可以形象地看出，期望数据点１与数据点３的相似性要比数据点１与数据点２的相似性大，这样才有可能将数据点１和３划分为同一类。但是，按照欧氏距离进行相似性度量时，数据点１与２的欧氏距离要明显小于数据点１与３的欧氏距离，从而导致了数据点１与２划分为同一类的概率第２８卷第９期２０１１年９月　计算机应用研究ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓＶｏｌ．２８Ｎｏ．９Ｓｅｐ．２０１１

磨料流加工假塑性流体FLUENT软件数值模拟光整加工论文

磨料流加工假塑性流体FLUENT软件数值模拟光整加工论文基于有限元方法的磨料流加工数值模拟研究【摘要】磨料流加工技术,又称挤压珩磨,它主要是在一定压力的作用下,强迫承载有磨粒的粘弹性高分子载体流过被加工零件的表面, 使其内部包含的磨粒在被加工零件的表面产生滑动作用,进而利用磨粒的刮削作用来去除工件表面微观不平材料的一种工艺方法。应用磨料流加工技术能很好的对较复杂的表面和型腔以及工件较隐蔽的部位,如微孔、窄缝、交叉孔等进行抛光、去毛刺等加工,而且加工效率高,加工质量好,可加工的材料范围广。因此该项技术已经被人们广泛应用到各种行业领域中。但是,由于影响其加工效果的因素较多,对其加工机理的研究变得非常困难。目前对磨料流加工技术的研究还主要依靠实验手段来完成。要建立和完善磨料流加工机理理论和弄清不同因素对磨料流加工效果的影响等问题,必须通过大量实验,然后在实验数据的基础上进行总结和对比,这就延长了研究周期,而且实验有时还受客观条件的限制缺乏可操作性。然而近年来由于流体动力学及相关数值模拟软件的发展,使得人们在计算机上就可以实现对各种流体流动的分析,而且因其不受物理和实验条件的限制,所以现在人们更多的来借助于计算机完成对流体流动分析,不仅省钱省时,而且其可视化界面,可以使得对其分析结果的显示更加直... 更多还原【Abstract】 Abrasive flow machining (AFM) is a nontraditional finishing method, which is also called extrusion honing. The machining principle of the technology mainly is that and performance test copies of the record. If necessary, review should be carried out; 4) for spring

流体抛光技术研究-文献综述

流体抛光技术研究精密零件制造中的最终精加工是一种劳动强度大而不易控制的过程，它在全部制造成本中所占的比重有时可高达15%。磨料流加工技术是一种能够保证精度、效率、经济的自动化光整加工方法，是解决精密零件最终精加工的一种有效方法[1]。它是以一定的压力强迫含磨料的粘弹性物质(半流动状态的蠕变体或粘弹性体，称其为柔性磨料或粘弹性磨料 )通过被加工表面，利用其中磨粒的刮削作用去除工件表面微观不平材料而达到对工件表面光整加工的目的。磨料流加工是20世纪60年代由美国两公司独立发展起来的，最初应用于航空、航天领域的复杂几何形状合金工件的去毛刺加工。随着科学技术的飞跃发展，在宇航、导弹、电子、计算机等精密机械零件的工艺性能要求不断提高的情况下，以前用手工、机械、化学等方法对零件表面进行抛光、倒角、去毛刺均有其局限性，特别是对零件内小孔径、相互交叉的孔径及边棱进行抛光、倒角、去毛刺更是无能为力；而磨料流加工技术由于具有对零件隐蔽部位的孔、型腔研磨、抛光、倒圆角的作用，又有对外表面各种复杂型面研磨、抛光的能力，因而具有其它方法无法比拟的优越性。目前，这项技术已应用在宇航和兵器工业，同时也扩展到了纺织、医疗、缝纫、精密齿轮、轴承、模具制造等其它机械行业。近年来，Fletcher等研究了磨料流加工中应用的高分子聚合物的热特性和流变性，认为介质的流变性对磨料流加工的成败具有重要的作用。Davies和Fletcher研究了几种配料的流变性与其相应的加工参数之间的关系，结果表明黏度和磨料的比例都会影响温度和介质通过工件时的压力下降，在磨料流加工过程中温度是影响介质黏度的一个重要因素。Williams和Rajurkar的研究表明，介质的黏度和挤压力主要决定着表面的粗糙度和材料去除率，表面粗糙度精度的改善主要发生在磨料介质的前几个挤压往复行程中，并提出了估算动态有效切削磨粒数目的方法和每个行程中磨粒磨损量的计算方法。他们还提出了多孔抛光中金属去除分布的实验方法与定量分析方法，发现用磨料流加工一个具有中心孔和四个外围孔的工件时，中心孔的金属去除率比外围孔的金属去除

磨料喷射加工技术现状

磨料喷射加工技术 1 磨料喷射（AJM）加工技术现状 1.1 AJM简介磨料喷射加工（AJM）技术是指磨粒在高速气流的带动下，冲击需要加工表面，从而达到去除金属完成加工的一种加工方法。磨料喷射加工与传统的喷砂加工的不同在于磨料非常细小，加工过程中的参数和切削过程均可以精确控制。AJM通过微小的切削过程来去除金属，对硬脆材料——玻璃，硅，钨，陶瓷特别有效，对弹性材料——橡胶，塑料等难切削金属效果不佳。因为加工刀具没有接触到加工表面，所以可以避免加工过程中的颤动和震动，使通过AJM加工的工件表面精度较高。由于介质气流在加工过程中相当于冷却液的作用，属于冷切削，因此工件不会产生热损伤，不影响和改变热敏合金特性。在加工过程中，工件表面不产生加工应力和热损伤；磨料喷射加工后的表面有散乱的纹理，表面粗糙度值为Ra0.15~1.6μm；为防止在加工表面形成弯月形洼坑，喷嘴必须作不停的运动；磨料喷射用磨料粉末应仔细分级筛选，以保证形成合适的射流；压缩气体不能用氧气替代，因为氧气与工件碎屑或磨料相混合时可能发生强烈的化学反应，此外，压缩气体要经过过滤和干燥，以去除油和水份；喷射加工要在防尘罩内或在吸力足够的吸尘器附近进行。基本组成：磨料喷射光整加工设备由4部份组成（见图1）：存储、混和和输送磨料的装置；工作室；吸尘器；供应干燥气体的气源。图2为磨料流喷射光整加工的流程图，经过干燥和油水分离的压缩空气到达混和室与来自磨料喂入装置的磨料相混和，压缩气体的压力和流量由调压阀5和阀3控制，磨料喂入量通过调节振动器的振幅和频率控制，经混和后的磨料流由喷嘴喷出，直接作用到被加工工件表面。真空吸尘器与工作室相连，以吸除废屑及加工后的磨料流尘埃。气源的压力至少为700~900kpa，气体含水量要小于0.05％，可以用瓶装二氧化碳或氮气作为干燥气体的气源。喷嘴端部通常用碳化钨或蓝宝石制造，其寿命与所用磨料的种类及压力有关。磨料微粉必须干净、干燥和仔细分选，磨料不能回用。

非连续数值方法综述

非连续数值方法综述杨凡（河海大学水利水电学院，江苏南京210098）摘要：非连续问题是岩土及水利工程中不可避免的一类难题，由于其对工程的影响巨大，近几百年来特别近一个世纪以来一直是工程界研究的一个热门话题。从最早的非连续问题解析解法—刚体极限平衡法出发，引申出近几十年来有关非连续问题研究的热点—非连续问题的数值解法，然后对这些非连续的数值方法的基本原理和实际应用发展情况进行一一综述。关键词：非连续；数值方法；岩石和土都是经历过变形的地质体，受其成因、组成、结构、年代等诸多因素的影响，岩土材料具有高度的非连续性、非均匀性和各向异性的特征，在力学性质上表现出强烈的非线性。岩土工程是一门综合应用岩石力学、土力学、工程地质学等基本知识解决实际工程中有关岩体与土体变形及稳定问题的学科[1]。岩土工程中的非连续变形问题主要是由岩石及土体中不连续面的存在引起的，岩土工程问题中的不连续面大致可分为两类，一类是指存在于岩体中的节理、软弱夹层以及土体中的剪切破坏面，另一类则是岩土结构如各类基础、挡土结构、地下结构等与岩土体之间的接触面。显然，不连续面对岩土体或结构的受力、变形有着重要的影响，因此为使计算结果真实地反映出岩土体及结构的受力和变形情况，在计算时不能忽视不连续面的存在[2]。对于具有不连续面的结构，在承受荷载的过程中，不连续面的状态是在不断变化的，这将影响到两侧岩土体的应力和变形，从而影响到整个体系的应力场，而应力场的改变又影响到不连续面的状态。因此，解决岩土力学问题的关键在于对非连续变形的模拟，分析研究结构中各种不连续面的构造特点和力学性能，研究其受力状态的变化规律及其对结构整体性能的影响是工程设计中的关键研究课题之一，具有很大的学术意义和实用价值[3]。几百年来，人们对非连续变形问题作了大量的研究工作。最早有关非连续问题的研究主要集中在寻求解析解的层面上。1773年，法国科学家库伦在大量实验基础上总结了著名的库伦土压理论，刚性楔体和静力平衡的应用也为后续研究奠定了一个基调。在此基础上，瑞典圆弧法的提出表明刚体极限平衡方法的正式诞生，在接下来的几十年间该方法得到了很好的发展并出现了Bishop、Janbu、Sarma等改进的方法。在发展过程中，极限平衡法在水利工程上得到了很好的运用。但其缺点亦非常明显，即不考虑土体的变形，得到的结果偏安全。在许多的工程中，其运用受到局限。近年来，伴随着计算机技术的高速发展，有关非连续问题的数值分析逐渐发展成为热门。非连续分析的数值方法主要包括：界面单元有限元法(FEM with interface elements)、刚性有限元法（RFEM）、离散单元法(DEM：Distinct Element Method)、非连续变形分析(DDA：Discontinuous Deformation Analysis)、数值流形方法（NMM：Numerical Manifold Method）、无单元法（(Element—Free Method）、耦合方法（Couple Methods）以及渐进破坏模型(Progressive Fracture Models)等[4]。以下对各个方法研究进展情况进行综述。