本文關(guān)鍵詞：幾何約束求解的關(guān)鍵技術(shù)研究

  更多相關(guān)文章： 幾何約束求解 基本約束域 規(guī)劃圖 全增量分解 群智能計(jì)算 粒子群 人工蜂群 原型 軌跡求交

【摘要】：幾何約束求解(Geometric Constraint Solving,GCS)作為現(xiàn)代參數(shù)化、變量化設(shè)計(jì)體系的核心,被廣泛應(yīng)用于幾何造型設(shè)計(jì)領(lǐng)域,是現(xiàn)代計(jì)算機(jī)輔助設(shè)計(jì)(Computer Aided Design,CAD)和計(jì)算機(jī)輔助制造(Computer Aided Manufacture,CAM)的重要標(biāo)志之一。本文針對(duì)幾何約束求解的關(guān)鍵技術(shù)進(jìn)行研究,提出行之有效的幾何約束求解方法。(1)提出幾何約束系統(tǒng)全增量分解技術(shù),基于最小粒度操作證明并搜索系統(tǒng)最小影響域。從而,通過(guò)增量Latham-Middleditch算法(ILMA)、全局搜索廣義約束閉環(huán)法、增廣搜索法和局部有界鄰域遍歷法實(shí)現(xiàn)基于規(guī)劃圖全增量構(gòu)造的包括欠約束系統(tǒng)在內(nèi)的幾何約束系統(tǒng)最大化分解,滿足造型設(shè)計(jì)的實(shí)時(shí)響應(yīng)需求,避免傳統(tǒng)幾何約束系統(tǒng)的構(gòu)造,因操作粒度過(guò)大和全局化分解導(dǎo)致的延遲響應(yīng),增強(qiáng)智能化幾何造型設(shè)計(jì)的引導(dǎo)特性。(2)提出分級(jí)自適應(yīng)規(guī)模粒子群優(yōu)化(HASPSO)算法的幾何約束求解技術(shù)。算法遵循:(1)分級(jí),將群體實(shí)施等級(jí)劃分,基于傳遞原則,使高等級(jí)個(gè)體能夠獲取質(zhì)量更高的解,加速收斂;(2)自適應(yīng)規(guī)模,基于斐波那契數(shù)列的和諧性及穩(wěn)定性原理,模擬生物生長(zhǎng)和繁殖,使算法以自適應(yīng)形式逐步擴(kuò)大群體規(guī)模,穩(wěn)步保持群體多樣性特征,避免局部極值,增加全局搜索特性。理論分析和實(shí)驗(yàn)表明:HASPSO可大幅度提高求解效率和求解穩(wěn)定性,是幾何約束求解的一種行之有效的方法。(3)提出融合免疫和圖知識(shí)遷移機(jī)制的人工蜂群(IAGKT-ABC)算法的幾何約束求解技術(shù)�；诿庖邫C(jī)制(IA)生成食物源抗體可形成人工蜂群(ABC)算法中穩(wěn)定的群體多樣性特征保持策略,避免因種群多樣性特征降低導(dǎo)致的后期收斂速度慢等問(wèn)題。同時(shí),由圖知識(shí)遷移(GKT)機(jī)制優(yōu)化算法參數(shù)組,獲取待解幾何約束系統(tǒng)最優(yōu)運(yùn)行參數(shù),能夠避免盲目選擇參數(shù)組導(dǎo)致的局部極值和收斂過(guò)慢等問(wèn)題。理論分析和實(shí)驗(yàn)表明:針對(duì)復(fù)雜幾何約束系統(tǒng),IAGKT-ABC算法仍可可快速收斂,且滿足需求。(4)提出基于原型的動(dòng)態(tài)軌跡求交法(PLIMd)�；谝�(guī)劃圖,定義全增量幾何約束系統(tǒng)原型,實(shí)現(xiàn)基本約束域求解。算法依據(jù):(1)拆解約束閉環(huán),消除完全耦合性,保證驅(qū)動(dòng)幾何基元組的動(dòng)態(tài)可調(diào)節(jié)性;(2)重構(gòu)規(guī)劃圖,析出共享單約束鏈路,對(duì)現(xiàn)行鏈路能否滿足全耦合約束集做出有效判斷;(3)基于遞歸,等位調(diào)整基本欠約束域頂點(diǎn)集,保證單約束鏈路的可解性;(4)由步長(zhǎng)動(dòng)態(tài)調(diào)整共享單約束鏈路,獲取與原型相匹配的最優(yōu)解。相比于傳統(tǒng)的數(shù)值計(jì)算,PLIMd方法保留了約束系統(tǒng)的幾何屬性。同時(shí),求解兼顧良欠兩類約束系統(tǒng),可擴(kuò)大幾何約束系統(tǒng)的求解范圍。
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.7

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 ;Improved artificial bee colony algorithm with mutual learning[J];Journal of Systems Engineering and Electronics;2012年02期

2 畢曉君;王艷嬌;;用于多峰函數(shù)優(yōu)化的小生境人工蜂群算法[J];系統(tǒng)工程與電子技術(shù);2011年11期

3 黃學(xué)良;王波興;陳立平;黃正東;;三維幾何約束系統(tǒng)的等價(jià)性分析[J];軟件學(xué)報(bào);2011年05期

4 曹春紅;王利民;趙大哲;;基于離散元胞螞蟻算法的幾何約束求解技術(shù)研究[J];電子學(xué)報(bào);2011年05期

5 羅鈞;李研;;具有混沌搜索策略的蜂群優(yōu)化算法[J];控制與決策;2010年12期

6 袁華;李文輝;李娜;;禁忌粒子群算法在幾何約束求解中的應(yīng)用[J];微電子學(xué)與計(jì)算機(jī);2010年12期

7 林強(qiáng);高小山;劉媛媛;陳穎;戴國(guó)忠;;基于幾何約束求解的完備方法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2007年07期

8 熊盛武,王瓊,劉麟;一種解決函數(shù)優(yōu)化問(wèn)題的免疫算法[J];武漢理工大學(xué)學(xué)報(bào);2005年03期

9 曹春紅,張永堅(jiān),李文輝;雜交粒子群算法在工程幾何約束求解中的應(yīng)用[J];儀器儀表學(xué)報(bào);2004年S2期

10 李蔚,劉長(zhǎng)東,盛德仁,陳堅(jiān)紅,袁鎮(zhèn)福,岑可法;免疫算法在火電機(jī)組優(yōu)化組合中的應(yīng)用[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2004年08期

，

本文編號(hào)：1283640