基于拓扑和形貌优化的摩托车底板轻量化分析

摩托车座垫底板作为整车的重要受力部件,结构强度分析和轻量化设计对整车的安全节能具有重要意义。基于HyperWorks优化软件,建立座垫底板的有限元模型,进行静力学分析,并根据分析结果,对其进行拓扑和形貌的组合优化设计,得到了最优材料分布和加强肋布局的座垫底板结构。优化结果表明,优化后的摩托车座垫底板,在满足刚度要求的前提下质量减少了10%。该方法为摩托车座垫底板的结构设计和轻量化设计提供了良好的参考依据和思路。     

相关NPE算法的人脸识别研究

传统的近邻保持嵌入(NPE)算法采用欧氏距离作为近邻点选取的度量,但欧氏距离只表示两点间的直线距离,在高维空间中不一定能反映数据间的真实空间分布,易导致近邻选取不准确.针对此问题,提出了相关近邻NPE(CNPE)算法.该方法利用相关系数度量数据间的近邻关系,实现更准确的局部重构,提取更有效的鉴别特征.在CMU PIE人脸数据集上的实验结果表明,提出的CNPE算法比NPE、LLE、LPP拥有更高的识别率.CNPE算法增加了近邻为同类的概率,能更有效地实现人脸识别.     

摩托车座垫底板的有限元分析及形貌优化

建立摩托车座垫底板的有限元模型,对其进行静力学分析和模态分析。同时考虑到底板的静态多工况刚度问题和动态频率特性问题,采用线性加权方法将多目标问题转化为单目标问题,实现对底板结构多工况下的多目标形貌优化设计。优化后的底板获得了最优的加强筋布局,最大变形量减少52.2%,最大应力减少42.2%,一阶固有频率增加9.0%,静动态性能均得到显著的改善,达到了预期的优化效果。     

融合Gabor小波和双层LLE的人耳图像识别

针对局部线性嵌入(LLE)算法易受偏转角度和近邻选取的影响,提出了一种双层LLE(DLLE)的人耳图像识别方法,并结合Gabor小波和DLLE提出了GDLLE。DLLE首先计算各样本与每类样本中心的欧氏距离,再把欧氏距离最小的K类所有样本作为LLE的近邻,提取出鉴别特征,最后由最近近邻分类器对鉴别特征进行分类。在USTB3人耳图像库上的实验结果表明,本文提出DLLE能够减小偏转角度和近邻对LLE算法的影响,结合Gabor小波后进一步改善了算法的识别率。     

基于ISOMAP改进算法的人耳识别

针对ISOMAP算法对新增样本泛化能力较差的缺点,通过对LLE算法局部重构思想的深入理解,提出了MRC-ISOMAP(manifold reconstruction-ISOMAP)算法用于样本特征的维数约简.MRC-ISOMAP算法对训练样本采用全局非线性结构保持的思想,利用ISOMAP算法计算训练样本的低维表示;对新增样本利用局部线性的思想,保持局部线性关系不变,从而可以更加快速准确地用低维训练样本重构新增样本的低维表示.USTB3人耳图像库上的实验结果表明,与原始ISOMAP算法相比,MRC-ISOMAP算法可以获得更高的识别率,并在处理新样本时具有更高的效率.