UG6.0吊钩建模方法

在UG6.0吊钩建

模中，要用到曲面建

模命令，因此熟练掌

握UG6.0曲面建模命

令是基础！

下面，我将自己

对吊钩的建模方法

拿出来和大家分享：

1、创建Φ22 H30的圆柱体（上端面做倒斜角处理）；

2、启动草图模式，绘制如上图所示的2D图，接下来在刚才建立的圆柱体末端建立基准面后

再画Φ30的圆（注意圆和两条引导线的连接），同样的方法在距离90的末端，两条圆弧轮

廓线之间建立Φ37的圆；

3、再次建立基准面（成约60°角，即要经过R5的圆心）画Φ10的圆；

4、启动插入-通过曲线网格命令，选取草绘的两条轮廓线为主曲线，Φ30和Φ37的两个圆为交叉曲线（注意曲线方向的选取），

应用，OK！生成一边的曲面，同样的方法建立另外一面曲面；

5、运用同样的命令，以刚才相同的轮廓线为主曲线，以Φ37和Φ10为交叉曲线建

立剩下的曲面；

6、启动N边曲面命令，分别建立Φ30

和Φ10端面的平面（注意类型中选取三角形）；

7、再建立Φ10的中心线后，用旋转命令生成球体；

8、启用插入-组合体-缝合命令，将刚才

的片体缝合，再依次和球体、圆柱体求和，用孔命令建立Φ6的孔，最后对内外轮廓线处倒圆角去掉菱角，这样吊钩建模就完成了！效果如下图：

谢谢！2012 -02

-17 云上(Winsong) 供稿

遥感图像分类

实验四遥感图像分类一、背景知识图像分类就是基于图像像元的数据文件值，将像元归并成有限几种类型、等级或数据集的过程。常规计算机图像分类主要有两种方法：非监督分类与监督分类，本实验将依次介绍这两种分类方法。非监督分类运用ISODATA（Iterative Self-Organizing Data Analysis Technique)算法，完全按照像元的光谱特性进行统计分类，常常用于对分类区没有什么了解的情况。使用该方法时，原始图像的所有波段都参于分类运算，分类结果往往是各类像元数大体等比例。由于人为干预较少，非监督分类过程的自动化程度较高。非监督分类一般要经过以下几个步骤：初始分类、专题判别、分类合并、色彩确定、分类后处理、色彩重定义、栅格矢量转换、统计分析。监督分类比非监督分类更多地要用户来控制，常用于对研究区域比较了解的情况。在监督分类过程中，首先选择可以识别或者借助其它信息可以断定其类型的像元建立模板，然后基于该模板使计算机系统自动识别具有相同特性的像元。对分类结果进行评价后再对模板进行修改，多次反复后建立一个比较准确的模板，并在此基础上最终进行分类。监督分类一般要经过以下几个步骤：建立模板(训练样本)分类特征统计、栅格矢量转换、评价模板、确定初步分类图、检验分类结果、分类后处理。由于基本的非监督分类属于IMAGINE Essentials级产品功能，但在IMAGINE Professional级产品中有一定的功能扩展，非监督分类命令分别出现在Data Preparation菜单和Classification菜单中，而监督分类命令仅出现在Classification菜单中。二、实验目的理解并掌握图像分类的原理，学会图像分类的常用方法：人工分类（目视解译）、计算机分类（监督分类、非监督分类）。能够针对不同情况，区别使用监督分类、非监督分类。理解计算机分类的常用算法实现过程。熟练掌握遥感图像分类精度评价方法、评价指标、评价原理，并能对分类结果进行后期处理。三、实验内容（6课时） 1.非监督分类（Unsupervised Classification)； 2.监督分类（Supervised Classification)； 3.分类精度评价（evaluate classification）； 4.分类后处理（Post-Classification Process）；四、实验准备实验数据：非监督分类文件：germtm.img 监督分类文件：tm_860516.img 监督模板文件：tm_860516.sig 五、实验步骤、方法 1、非监督分类（Unsupervised Classification)

遥感图像几种分类方法的比较

摘要遥感图像分类一直是遥感研究领域的重要内容，如何解决多类别的图像的分类识别并满足一定的精度，是遥感图像研究中的一个关键问题，具有十分重要的意义。遥感图像的计算机分类是通过计算机对遥感图像像素进行数值处理，达到自动分类识别地物的目的。遥感图像分类主要有两类分类方法:一种是非监督分类方法，另一种是监督分类方法。非监督分类方法是一个聚类过程，而监督分类则是一个学习和训练的过程，需要一定的先验知识。非监督分类由十不能确定类别属性，因此直接利用的价值很小，研究应用也越来越少。而且监督分类随着新技术新方法的不断发展，分类方法也是层出不穷。从传统的基十贝叶斯的最大似然分类方法到现在普遍研究使用的决策树分类和人工神经网络分类方法，虽然这些方法很大程度改善了分类效果，提高了分类精度，增加了遥感的应用能力。但是不同的方法有其不同优缺点，分类效果也受很多因素的影响。本文在对国内外遥感图像分类方法研究的进展进行充分分析的基础上，应用最大似然分类法、决策树分类法对TM影像遥感图像进行了分类处理。在对分类实现中，首先对分类过程中必不可少的并影响分类效果的步骤也进行了详细地研究，分别是分类样本和分类特征；然后详细介绍两种方法的分类实验；最后分别分析分类结果图，采用混淆矩阵和kappa系数对两种方法的分类结果进行精度评价。关键词:TM遥感影像，图像分类，最大似然法，决策树题目：遥感图像几种分类方法的比较...................................... 错误！未定义书签。摘要.. (1) 第一章绪论 (3)

1.1遥感图像分类的实际应用及其意义 (4) 1.2我国遥感图像分类技术现状 (5) 1.3遥感图像应用于测量中的优势及存在的问题 (6) 1.3.1遥感影像在信息更新方面的优越性 (6) 1.3.2遥感影像在提取信息精度方面存在的问题 (6) 1.4研究内容及研究方法 (8) 1.4.1研究内容 (8) 1.4.2 研究方法 (8) 1.5 论文结构 (9) 第二章遥感图像的分类 (9) 2.1 监督分类 (9) 2.1.1 监督分类的步骤 (9) 2.1.2 最大似然法 (11) 2.1.3 平行多面体分类方法 (12) 2.1.4 最小距离分类方法 (13) 2.1.5监督分类的特点 (13) 2.2 非监督分类 (14) 2.2.1 K-means算法 (14) K-均值分类法也称为 (14) 2.2.2 ISODATA分类方法 (15) 2.2.3非监督分类的特点 (17) 2.4遥感图像分类新方法 (17) 2.4.1基于决策树的分类方法 (17) 2.4.2 人工神经网络方法 (19) 2.4.3 支撑向量机 (20) 2.4.4 专家系统知识 (21) 2.5 精度评估 (22) 第三章研究区典型地物类型样本的确定 (24) 3.1 样本确定的原则和方法 (24) 3.2 研究区地物类型的确定 (24) 3.3样本区提取方案 (25) 3.4 各个地物类型的样本的选取方法 (25) 3.4.1 建立目视解译标志 (25) 3.4.2 地面实地调查采集 (26) 3.4.3 利用ENVI遥感图像处理软件选取样本点 (26) 第四章遥感图像分类实验研究 (26) 4.1遥感影像适用性的判定 (26) 4.2分类前的预处理 (28) 4.2.1空间滤波的处理 (28) 4.2.2 频域滤波处理 (28) 4.3利用ENVI软件对影像按照不同的分类方法进行监督分类 (30) 4.3.1监督分类 (30) 4.3.2 决策树 (33) 4.4分类后的处理 (35)

吊钩的画法教学内容

吊钩的绘制抄画图3-1的吊钩零件，尺寸不需要标注，线型、图层、颜色等不需考虑。图3 吊钩【项目分析】因尺寸、图层等不作要求，只是按尺寸抄画图形，故只需读懂图，“依葫芦画瓢”即可。该图的读图难点是钩嘴部分R2、R14和R24的圆弧，这些圆弧只注明了形状尺寸，而定位尺寸是隐含的，要分析找出其定位尺寸才能绘制两圆弧。在读懂图的基础上，要注意作图的思路：先定基准，然后从简单的部分（具有形状尺寸和定位尺寸）开始，再把能确定的部分（一般是只有形状尺寸而没有定位尺寸的部分）确定下来，最后是复杂部分，如图3-2所示。图3-2 作图思路【知识与技能】抄画平面图形是根据工程图进行三维建模的基础，这里首先要具备《机械制图》的读图分析能力，对图纸进行分析：基准在哪里、哪些图素可以先画（既有形状尺寸又有定位尺寸），哪些图素不能先画的（没有定位尺寸，只有形状尺寸），先从哪里着手简单。通过分析本图形的图素构成可以知道，图形只有直线和圆弧构成，故绘图功能只需使用直线、圆弧，编辑功能只需使用偏移和修剪即可。当然，绘图过程中，随时可能要用到之前

学习过的放大、缩小、适度化等通用的辅助性操作。【项目实施】 1.绘制基准线通过直线命令作出两基准线。图3-3 直线命令作水平线时设Y=0，作垂直线时设X=0，使水平线、垂直线与X、Y轴重合，如图3-4所示：图3-4 基准线 ■个人观点：基准线一般应与系统的坐标轴重合，以便于作图与观看。 ■提示：基准线的长短可先不必考虑，在随后的作图过程中如果需要延长或缩短，可以使用以下命令进行相应的延长与缩短：修剪图3-6修剪延伸 ■关键：先点击要保留的部分，再在要伸长或缩短到的位置点击鼠标。 2.绘制φ24、R29圆弧

第三章产品建模技术

第三章机械CAD/CAM建模技术 ?3.1 几何建模概述 ?3.2 三维几何建模技术 ?3.3 特征建模技术 ?3.4 产品结构建模

3.1 几何建模概述一、机械CAD/CAM几何建模概述 1. 几何建模的概念 CAD的几何建模（Geometry Modehelling）：是以计算机能够理解的方式，对实体进行确切的定义，赋予一定的数学描述，再以一定的数据结构来描述几何实体，从而在计算机内部构造一个实体模型。包含：几何信息、拓补信息和其它属性数据

几何建模的方法：将对实体的描述和表达建立在几何信息和拓扑信息的基础上。建模：把人们对的三维事物的认识描述到计算机内部，让计算机理解的过程大致可以分为三个阶段，即几何建模、产品建模和产品结构建模。

2. 几何建模技术的发展线框模型（Wireframe Model) 20世纪60年代中期表面模型（Surface Model) 20世纪70年代中期实体模型（Solid Model) 20世纪70年代后期

几何建模的发展初期（线框建模时代），CAD技术主要用于计算机绘图。表面(曲面)建模和实体建模的出现，使用户基于统一的产品的数字化模型可生成工程分析的工程模型和供数控加工的工艺模型，实现CAD/CAE/CAM集成化。产品结构建模是近年来出现的一种面向装配的建模技术，它包含了产品从零件、部件到总成的完整信息。

二、机械CAD/CAM几何建模技术的基本知识1）几何信息和拓扑信息 1.几何信息：指物体在空间的形状、尺寸及位置的描述。用数学表达式来描述。但是数学表达式的几何元素是无界的，在实际应用中需要把数学表达式和边界条件相结合。几何元素：点、直线或曲线、平面或曲面组成几何模型的主要部分，可用合适的数据结构进行组织并存储在计算机内，供CAD/CAM使用。

CREO2.0零件建模5-混合

零件建模——混合一、混合特征概述一个混合特征至少由一系列的两个平面截面组成，这些平面截面在其顶点处用过渡曲面连接形成一个连续特征。共有三种混合类型： ——“平行”(Parallel) - 所有混合截面均位于平行平面上。 ——“旋转”(Rotational) - 混合截面绕旋转轴旋转。旋转的角度范围为 -120 度至 120 度。——“常规”(General) - 一般混合截面可以绕 x 轴、y 轴和 z 轴旋转，也可以沿这三个轴平移。每个截面都单独草绘，并用截面坐标系对齐。二、平行混合 1、平行混合的用户界面 1.1按钮栏 1.2选项卡选项卡设置随创建特征的过程不同略有差异，将在创建过程中详细介绍。 2、平行混合的三种方式 ——通过草绘截面创建平行混合 ——通过选择截面创建平行混合 ——通过投影截面创建平行混合 2.1通过草绘创建平行混合 2.1.1 单击“模型”(Model)?“形状”(Shapes)?“混合”(Blend)。“混合”(Blend)选项卡随即打开。 2.1.2 单击创建实体特征，或单击创建曲面特征。 2.1.3 要将内部或外部草绘用作第一个截面，可单击或选择“截面”(Sections)选项卡上的草绘截

2.1.4 通过执行下列步骤之一来创建第一个截面： 2.1.5 创建第二个截面： 2.1.6根据需要，通过重复前一步骤来草绘更多的截面。此例第三个截面为一个点。 2.1.7要沿混合移除材料以创建切口，可单击。单击可从草绘的另一侧移除材料。 2.1.8要向截面添加厚度，可单击，然后键入一个厚度值。单击将加厚方向切换到草绘的一侧、另一侧或两侧。 2.1.9单击完成。 2.2通过选择截面创建平行混合 2.2.1单击“模型”(Model)?“形状”(Shapes)?“混合”(Blend)。“混合”(Blend)选项卡随

试述遥感图像分类的方法,并简单分析各种分类方法的优缺点。

遥感原理与应用 1.试述遥感图像分类的方法，并简单分析各种分类方法的优缺点。答：监督分类：1、最大似然法；2、平行多面体分类法:这种方法比较简单，计算速度比较快。主要问题是按照各个波段的均值为标准差划分的平行多面体与实际地物类别数据点分布的点群形态不一致，也就造成俩类的互相重叠，混淆不清的情况；3、最小距离分类法:原理简单，分类精度不高，但计算速度快，它可以在快速浏览分类概况中使用。通常使用马氏距离、欧氏距离、计程距离这三种判别函数。主要优点：可充分利用分类地区的先验知识，预先确定分类的类别；可控制训练样本的选择，并可通过反复检验训练样本，以提高分类精度（避免分类中的严重错误）；可避免非监督分类中对光谱集群组的重新归类。主要缺点：人为主观因素较强；训练样本的选取和评估需花费较多的人力、时间；只能识别训练样本中所定义的类别，对于因训练者不知或因数量太少未被定义的类别，监督分类不能识别，从而影响分结果（对土地覆盖类型复杂的地区需特别注意）。非监督分类：1、ISODATA； 2、K-Mean：这种方法的结果受到所选聚类中心的数目和其初始位置以及模式分布的几何性质和读入次序等因素的影响，并且在迭代的过程中又没有调整类别数的措施，因此不同的初始分类可能会得到不同的分类结果，这种分类方法的缺点。可以通过其它的简单的聚类中心试探方法来找出初始中心，提高分类结果；主要优点：无需对分类区域有广泛地了解，仅需一定的知识来解释分类出的集群组；人为误差的机会减少，需输入的初始参数较少（往往仅需给出所要分出的集群数量、计算迭代次数、分类误差的阈值等）；可以形成范围很小但具有独特光谱特征的集群，所分的类别比监督分类的类别更均质；独特的、覆盖量小的类别均能够被识别。主要缺点：对其结果需进行大量分析及后处理，才能得到可靠分类结果；分类出的集群与地类间，或对应、或不对应，加上普遍存在的“同物异谱”及“异物同谱”现象，使集群组与类别的匹配难度大；因各类别光谱特征随时间、地形等变化，则不同图像间的光谱集群组无法保持其连续性，难以对比。

遥感图像分类后处理

遥感图像分类后处理一、实验目的与要求监督分类和决策树分类等分类方法得到的一般是初步结果，难于达到最终的应用目的。因此，需要对初步的分类结果进行一些处理，才能得到满足需求的分类结果，这些处理过程就通常称为分类后处理。常用分类后处理通常包括：更改分类颜色、分类统计分析、小斑点处理（类后处理）、栅矢转换等操作。本课程将以几种常见的分类后处理操作为例，学习分类后处理工具。二、实验内容与方法 1.实验内容 1.小斑块去除 ●Majority和Minority分析 ●聚类处理（Clump） ●过滤处理（Sieve） 2.分类统计 3.分类叠加 4.分类结果转矢量 5.ENVI Classic分类后处理 ●浏览结果 ●局部修改 ●更改类别颜色 6.精度评价 1.实验方法在ENVI 5.x中，分类后处理的工具主要位于Toolbox/Classification/Post Classification/；

三、实验设备与材料 1.实验设备装有ENVI 5.1的计算机 2.实验材料以ENVI自带数据"can_tmr.img"的分类结果"can_tmr_class.dat"为例。数据位于"...\13数据\"。其他数据描述： ?can_tmr.img ——原始数据 ?can_tmr_验证.roi ——精度评价时用到的验证ROI 四、实验步骤 1.小斑块去除应用监督分类或者非监督分类以及决策树分类，分类结果中不可避免地会产生一些面积很小的图斑。无论从专题制图的角度，还是从实际应用的角度，都有必要对这些小图斑进行剔除或重新分类，目前常用的方法有Majority/Minority分析、聚类处理（clump）和过滤处理（Sieve）。 1)Majority和Minority分析 Majority/Minority分析采用类似于卷积滤波的方法将较大类别中的虚假像元归到该类中，定义一个变换核尺寸，主要分析（Majority Analysis）用变换核中占主要地位（像元数最多）的像元类别代替中心像元的类别。如果使用次要分析（Minority Analysis），将用变换核中占次要地位的像元的类别代替中心像元的类别。下面介绍详细操作流程：（1）打开分类结果——"\12.分类后处理\数据\can_tmr_class.dat"；（2）打开Majority/Minority分析工具，路径为Toolbox /Classification/Post Classification/Majority/Minority Analysis，在弹出对话框中选择"can_tmr_class.dat"，点击OK；（3）在Majority/Minority Parameters面板中，点击Select All Items选中所有的类别，其他参数按照默认即可，如下图所示。然后点击Choose按钮设置输出路径，点击OK执行操作。

平面图形绘制方法

第5章绘制平面图形平面图形是由若干线段（直线或圆弧）封闭连接组合而成。各组成线段之间可能彼此相交、相切或等距。要用AutoCAD正确、快速地绘制一个平面图形，特别是较复杂的平面图形，必须首先对平面图形作尺寸分析和线段分析，然后按适当的方法、步骤画出。与手工绘制平面图形相比，用AutoCAD绘制平面图形需要较高的作图技巧，要用到一些特殊的命令和一些特别的作图方法。本章首先以图5-1所示的挂轮架为例，讲述平面图形的尺寸分析和线段分析的方法，以及平面图形的作图步骤，然后再通过“典型题目实训指导”一节，分析并绘制两个平面图形，帮助读者掌握用AutoCAD绘制平面图形的方法和技巧。图5-1 挂轮架平面图形 5．1 平面图形的尺寸分析按照尺寸在平面图形中所起的作用，可以将平面图形的尺寸分为定形尺寸和定位尺寸两类。而要想确定平面图形中各组成线段的上下、左右的相对位置，则必须引入机械制图中被称为尺寸基准的概念。 1. 定形尺寸确定平面图形中各几何元素形状大小的尺寸称为定形尺寸。如图5-2(a)所示。

2. 定位尺寸用于确定圆心、线段等几何元素在平面图形中所处位置的尺寸称为定位尺寸。如图5-2(b)所示。 3. 尺寸基准确定平面图形中尺寸位置的点、线等几何元素称为尺寸基准，尺寸基准简称为基准。一般以平面图形中的对称中心线、圆心、轮廓直线等作为尺寸基准，定位尺寸应以尺寸基准作为标注尺寸的起点。一个平面图形应有水平和垂直两个方向的尺寸基准，对于较复杂的平面图形，在同一方向上往往有几个基准，其中一个为主要基准，其余为辅助基准。如图5-1中Φ112的圆心和垂直中心线就是108和30°等尺寸的基准。 (a) 定形尺寸 (b) 定位尺寸图5-2 挂轮架平面图形的尺寸分析 5．2 平面图形的线段分析平面图形中的线段通常指直线、圆弧和圆。平面图形线段分析的实质是通过分析线段的尺寸情况来区分不同类型的线段，并由此确定各线段的作图顺序。通常可按所标注的定位尺寸数量，将平面图形中的线段分为三类，即已知线段、中间线段和连接线段。 1.已知线段定形尺寸和定位尺寸均齐全，可以直接画出的线段称为已知线段。如图5-3(a)所示。 2.中间线段只有定形尺寸，定位尺寸不全，但只要一端的相邻线段先画出后，就可由已知的尺寸和几何条件画出的线段称为中间线段。如图5-3(b)所示。

常用快速成型基本方法简介

常用快速成型基本方法简介 1前言快速成型(Rapid Prototyping)是上世纪80年代末及90 年代初发展起来的高新制造技术，是由三维CAD模型直接驱动的快速制造任意复杂形状三维实体的总称。它集成了CAD技术、数控技术、激光技术和材料技术等现代科技成果，是先进制造技术的重要组成部分。由于它把复杂的三维制造转化为一系列二维制造的叠加，因而可以在不用模具和工具的条件下生成几乎任意复杂的零部件，极大地提高了生产效率和制造柔性。与传统制造方法不同，快速成型从零件的CAD几何模型出发，通过软件分层离散和数控成型系统，用激光束或其他方法将材料堆积而形成实体零件。通过与数控加工、铸造、金属冷喷涂、硅胶模等制造手段相结合，已成为现代模型、模具和零件制造的强有力手段，在航空航天、汽车摩托车、家电等领域得到了广泛应用。 2 快速成型的基本原理快速成型技术采用离散/堆积成型原理，根据三维CAD模型，对于不同的工艺要求，按一定厚度进行分层，将三维数字模型变成厚度很薄的二维平面模型。再将数据进行一定的处理，加入加工参数，产生数控代码，在数控系统控制下以平面加工方式连续加工出每个薄层，并使之粘结而成形。实际上就是基于“生长”或“添加”材料原理一层一层地离散叠加，从底至顶完成零件的制作过程。快速成型有很多种工艺方法，但所有的快速成型工艺方法都是一层一层地制造零件，所不同的是每种方法所用的材料不同，制造每一层添加材料的方法不同。快速成型的基本原理图快速成型的工艺过程原理如下:

(1)三维模型的构造:在三维CAD设计软件中获得描述该零件的CAD文件。一般快速成型支持的文件输出格式为STL模型，即对实体曲面做近似的所谓面型化(Tessellation)处理，是用平面三角形面片近似模型表面。以简化CAD模型的数据格式。便于后续的分层处理。由于它在数据处理上较简单，而且与CAD系统无关，所以很快发展为快速成型制造领域中CAD系统与快速成型机之间数据交换的标准，每个三角面片用四个数据项表示。即三个顶点坐标和一个法向矢量，整个CAD模型就是这样一个矢量的集合。在一般的软件系统中可以通过调整输出精度控制参数，减小曲面近似处理误差。如Pre/1E软件是通过选定弦高值(ch-chordheight)作为逼近的精度参数。

遥感图像分类方法的国内外研究现状与发展趋势

遥感图像分类方法的研究现状与发展趋势摘要：遥感在中国已经取得了世界级的成果和发展，被广泛应用于国民经济发展的各个方面，如土地资源调查和管理、农作物估产、地质勘查、海洋环境监测、灾害监测、全球变化研究等，形成了适合中国国情的技术发展和应用推广模式。随着遥感数据获取手段的加强，需要处理的遥感信息量急剧增加。在这种情况下，如何满足应用人员对于大区域遥感资料进行快速处理与分析的要求，正成为遥感信息处理面临的一大难题。这里涉及二个方面，一是遥感图像处理本身技术的开发，二是遥感与地理信息系统的结合，归结起来，最迫切需要解决的问题是如何提高遥感图像分类精度，这是解决大区域资源环境遥感快速调查与制图的关键。关键词：遥感图像、发展、分类、计算机一、遥感技术的发展现状遥感技术正在进入一个能够快速准确地提供多种对地观测海量数据及应用研究的新阶段，它在近一二十年内得到了飞速发展，目前又将达到一个新的高潮。这种发展主要表现在以下4个方面： 1. 多分辨率多遥感平台并存。空间分辨率、时间分辨率及光谱分辨率普遍提高目前，国际上已拥有十几种不同用途的地球观测卫星系统，并拥有全色0．8～5m、多光谱3．3～30m的多种空间分辨率。遥感平台和传感器已从过去的单一型向多样化发展，并能在不同平台

上获得不同空间分辨率、时间分辨率和光谱分辨率的遥感影像。民用遥感影像的空间分辨率达到米级，光谱分辨率达到纳米级，波段数已增加到数十甚至数百个，重复周期达到几天甚至十几个小时。例如，美国的商业卫星ORBVIEW可获取lm空间分辨率的图像，通过任意方向旋转可获得同轨和异轨的高分辨率立体图像；美国EOS卫星上的MOiDIS-N传感器具有35个波段；美国NOAA的一颗卫星每天可对地面同一地区进行两次观测。随着遥感应用领域对高分辨率遥感数据需求的增加及高新技术自身不断的发展，各类遥感分辨率的提高成为普遍发展趋势。 2. 微波遥感、高光谱遥感迅速发展微波遥感技术是近十几年发展起来的具有良好应用前景的主动式探测方法。微波具有穿透性强、不受天气影响的特性，可全天时、全天候工作。微波遥感采用多极化、多波段及多工作模式，形成多级分辨率影像序列，以提供从粗到细的对地观测数据源。成像雷达、激光雷达等的发展，越来越引起人们的关注。例如，美国实施的航天飞机雷达地形测绘计划即采用雷达干涉测量技术，在一架航天飞机上安装了两个雷达天线，对同一地区一次获取两幅图像，然后通过影像精匹配、相位差解算、高程计算等步骤得到被观测地区的高程数据。高光谱遥感的出现和发展是遥感技术的一场革命。它使本来在宽波段遥感中不可探测的物质，在高光谱遥感中能被探测。高光谱遥感的发展，从研制第一代航空成像光谱仪算起已有二十多年的历史，并受到世界各国遥感科学家的普遍关注。但长期以来，高光谱遥感一直处在以航空为基础的研究发展阶段，且主要

数学建模零件参数的优化设计

数学建模零件参数的优化设计 Company number【1089WT-1898YT-1W8CB-9UUT-92108】

零件参数的优化设计摘要本文建立了一个非线性多变量优化模型。已知粒子分离器的参数y由零件参数)7 2,1 ( = i x i 决定，参数 i x的容差等级决定了产品的成本。总费用就包括y 偏离y 造成的损失和零件成本。问题是要寻找零件的标定值和容差等级的最佳搭配，使得批量生产中总费用最小。我们将问题的解决分成了两个步骤：1.预先给定容差等级组合，在确定容差等级的情况下，寻找最佳标定值。2.采用穷举法遍历所有容差等级组合，寻找最佳组合，使得在某个标定值下，总费用最小。在第二步中，由于容差等级组合固定为108种，所以只要在第一步的基础上，遍历所有容差等级组合即可。但是，这就要求，在第一步的求解中，需要一个最佳的模型使得求解效率尽可能的要高，只有这样才能尽量节省计算时间。经过对模型以及matlab代码的综合优化，最终程序运行时间仅为秒。最终计算出的各个零件的标定值为： i x={,,,,,,}, 等级为：B B C C B B B d, , , , , , = 一台粒子分离器的总费用为：元与原结果相比较，总费用由（元/个）降低到（元/个），降幅为%，结果是令人满意的。为了检验结果的正确性，我们用计算机产生随机数的方式对模型的最优解进行模拟检验，模拟结果与模型求解的结果基本吻合。最后，我们还对模型进行了误差分析，给出了改进方向，使得模型更容易推广。

关键字：零件参数非线性规划期望方差一、问题重述一件产品由若干零件组装而成，标志产品性能的某个参数取决于这些零件的参数。零件参数包括标定值和容差两部分。进行成批生产时，标定值表示一批零件该参数的平均值，容差则给出了参数偏离其标定值的容许范围。若将零件参数视为随机变量，则标定值代表期望值，在生产部门无特殊要求时，容差通常规定为均方差的３倍。进行零件参数设计，就是要确定其标定值和容差。这时要考虑两方面因素：一是当各零件组装成产品时，如果产品参数偏离预先设定的目标值，就会造成质量损失，偏离越大，损失越大；二是零件容差的大小决定了其制造成本，容差设计得越小，成本越高。试通过如下的具体问题给出一般的零件参数设计方法。粒子分离器某参数（记作y ）由7个零件的参数（记作x 1,x 2,...,x 7）决定，经验公式为： y 的目标值（记作y 0）为。当y 偏离y 0+时，产品为次品，质量损失为1,000元；当y 偏离y 0+时，产品为废品，损失为9,000元。零件参数的标定值有一定的容许范围；容差分为Ａ、Ｂ、Ｃ三个等级，用与标定值的相对值表示，Ａ等为+1%，Ｂ等为+5%，Ｃ等为+10%。7个零件参数标定值的容许范围，及不同容差等级零件的成本（元）如下表（符号／表示无此等级零件）：

零件三维建模实验

目录实验一零件的三维建模实验 (2) 实验二从零件的CAD数据模型自动生成数控加工代码和加工仿真实验 (7) 实验三集成化CAD/CAPP系统实验 (16)

实验一零件三维建模实验一、实验目的 1、了解特征设计在CAD/CAM集成中的意义； 2、熟悉特征的种类的划分及特征拼合的基本方法，了解参数化设计方法。 3、了解各种计算机绘图软件的同时，掌握计算机绘图的系统知识，培养独立上机绘制二维、三维图形的能力，二、实验原理图形是人类传递信息的一种方法，从二维平面图到三维立体图，人类经常要绘制各式各样的图纸。零件特征是零件们某一部分形状和属性的信息集合，如孔、槽台和基准等，一方面它能方便地描述零件的几何形状；另一方面，它能为加工、分析及其它工程应用提供必要和充分的信息。基于特征的设计是CAD技术的发展，它克服了传统CAD的缺陷。传统CAD只能表达底层的零件几何定义信息，如线架、边界表示（B-rep）和实体结构几何（CSG）的信息，点、线、面、体等，无法表达高层语义和功能信息，也不能对整个产品的外形进行抽象描述，更无法表达产品非几何信息，如工艺信息（公差装配等）、精度信息、材料信息、功能信息等。特征是完整描述产品信息的方法，也是系统的灵活性和产品间数据交换的实现途径，特征已成为设计、制造、分析等各种应用之间传递信息的媒体。特征设计是在设计阶段捕捉除几何信息以外的设计与加工信息，从而避免了特征提取与识别。基于特征的设计系统使用参数化特征，并通过各类属性来描述零件的几何形状以及它们之间的功能关系，系统通常提供特征库，通过布尔运算等操作来生成零件的特征表示，但特征是孤立的信息，只有约束才能把它串联起来，形成产品。因而把约束定义为产品生命周期内各环节对产品模型的类型、属性、语义和行为的限制，它是维持产品模型有效性的手段，它决定着产品的有效性和可实现性，具有一定的定义、识别、分类。特征的分类方法很多，其严格依赖于特征定义，兼顾抽象、语义和形状因素。形状特征的分类具有严格的教学形式，并符合已有实践和认识，对于特征库的建立，具有指导意义。从应用观点出发，特征分类有： 1、按对待特征技术的研究划分：特征识别、特征造型、特征映射。 2、按产品设计—制造过程划分：设计特征、分析特征、公差特征、制造特征、检验特征、机器特征等。 3、按特征性质：形状特征、精度特征、材料特征、工艺特征及装配特征。

遥感图像分类方法综述

遥感图像分类方法综述刘佳馨摘要：伴随着科学技术在我们的生活中不断发展，遥感技术便应运而生，而遥感图像因成为遥感技术分析中的不可缺少的依据，变得备受关注。在本文中，以遥感图像分类方法为研究中心，从传统分类方法、近代分类方法两个方面对分类方法进行了介绍，并以此为基础对分类思想及后续处理进行说明，进而展望了遥感图像分类的研究趋势和发展前景。关键词：遥感图像；图像分类；分类方法 1 引言遥感，作为采集地球数据及其变化信息的重要技术手段，在世界范围内的各个国家以及我国的许多部门、科研单位和公司等，例如地质、水体、植被、土壤等多个方面，得到广泛的应用，尤其在监视观测天气状况、探测自然灾害、环境污染甚至军事目标等方面有着广泛的应用前景。伴随研究的深入，获取遥感数据的方式逐渐具有可利用方法多、探测范围广、获取速度快、周期短、使用时受限条件少、获取信息量大等特点。遥感图像的分类就是对遥感图像上关于地球表面及其环境的信息进行识别后分类，来识别图像信息中所对应的实际地物，从而进一步达到提取所需地物信息的目的。 2 遥感图像分类基本原理遥感是一种应用探测仪器，在不与探测目标接触的情况下，从远处把目标的电磁波特性记录下来，并且通过各种方法的分析，揭示出物体的特征性质及其变化的综合性探测技术。图像分类的目的在于将图像中每个像元根据其不同波段的光谱亮度、空间结构特征或其他信息，按照某种规则或算法划分为不同的类别。而遥感图像分类则是利用计算机技术来模拟人类的识别功能，对地球表面及其环境在遥感图像上的信息进行属性的自动判别和分类，以达到提取所需地物信息的目的。 3 遥感图像传统分类方法遥感图像传统分类方法是目前应用较多，并且发展较为成熟的分类方法。从分类前是否需要获得训练样区类别这一角度进行划分，可将遥感图像传统分类方法分为两大类，即监督分类（supervised classification）和非监督分类(Unsupervised

遥感图像分类方法研究综述_李石华

第2期,总第64期国土资源遥感N o.2,2005 2005年6月15日RE MOTE SENSI N G FOR LAND&RESOURCES Jun.,2005 遥感图像分类方法研究综述李石华1,王金亮1,毕艳1,2,陈姚1,朱妙园1,杨帅3,朱佳1 (1.云南师范大学旅游与地理科学学院,昆明650092;2.云南省寄生虫病防治所,思茅665000; 3.云南开远市第一中学,开远661600) 摘要:综述了遥感图像监督分类和非监督分类中的各种方法,介绍了各种方法的优缺点、适用领域和应用情况,并作了简单评述,最后,展望了遥感图像分类方法研究发展方向和研究热点。关键词:遥感;图像分类;分类方法中图分类号:TP751文献标识码:A文章编号:1001-070X(2005)02-0001-06 0引言随着卫星遥感和航空遥感图像分辨率的不断提高,人们可以从遥感图像中获得更多有用的数据和信息。由于不同领域遥感图像的应用对遥感图像处理提出了不同的要求,所以图像处理中重要的环节)))图像分类也就显得尤为重要,经过多年的努力,形成了许多分类方法和算法。本文较全面地综述了这些分类方法和算法,为遥感图像分类提供理论指导。 1遥感图像分类研究现状在目前遥感分类应用中,用得较多的是传统的模式识别分类方法,诸如最小距离法、平行六面体法、最大似然法、等混合距离法(I SO M I X)、循环集群法(ISODATA)等监督与非监督分类法。其分类结果由于遥感图像本身的空间分辨率以及/同物异谱0、 /异物同谱0现象的存在,往往出现较多的错分、漏分现象,导致分类精度不高[1]。随着遥感应用技术的发展,傅肃性等对P.V.Ba lstad(1986)利用神经网络进行遥感影像分类的研究情况以及章杨清等在利用分维向量改进神经网络在遥感模式识别中的分类精度问题作了阐述[2],孙家对M.A.Fried l(1992)和 C.E.Brodley(1996)研究的大量适用于遥感图像分类的决策树结构作了阐述[3],尤其是近年来针对高光谱数据的广泛应用,各种新理论新方法相继涌现,对传统计算机分类方法提出了新的要求[4,5]。 2基于统计分析的遥感图像分类方法 2.1监督分类监督分类是一种常用的精度较高的统计判决分类,在已知类别的训练场地上提取各类训练样本,通过选择特征变量、确定判别函数或判别规则,从而把图像中的各个像元点划归到各个给定类的分类方法[2,3,6,7]。常用的监督分类方法有:K邻近法(K-N earest Ne i g hbor)、决策树法(Decisi o n Tree C lassif-i er)和贝叶斯分类法(Bayesian C lassifier)。主要步骤包括:1选择特征波段;o选择训练区;?选择或构造训练分类器;?对分类精度进行评价。最大似然分类法(MLC)是遥感分类的主要手段之一。其分类器被认为是一种稳定性、鲁棒性好的分类器[8]。但是,如果图像数据在特征空间中分布比较复杂、离散,或采集的训练样本不够充分、不具代表性,通过直接手段来估计最大似然函数的参数,就有可能造成与实际分布的较大偏差,导致分类结果精度下降。为此,不少学者提出了最大似然分类器和神经网络分类器。改进的最大似然分类器多采用Gauss光谱模型作为条件概率密度函数模型,其中最简单的是各类先验概率相等的分类器(即通常所说的最大似然分类器),复杂的有Ediri w ickre m a等提出的启发式像素分类估计先验概率法。M clachlang J 收稿日期:2004-11-23;修订日期:2005-03-15 基金项目:国家重点基础研究发展计划(973计划)项目(2003CB41505-11)、国家自然科学基金项目(40361007)和云南省自然科学基金项目(2002D0036M和2003C0030Q)资助。

Tekla基本建模流程

Tekla基本建模流程一、作业流程 1、设置轴线； 2、设置或建立工作视图； 3、3a产生初步布置图；建立主构件、次构件； 4、建立节点或细部； 5、执行编号； 6、修改布置图，产生构件图及零件图； 7、产生报表； 8、输出CAD图档或PDF档。二、注意事项 1、设置轴线： a、依据设计图详细正确判读每一相邻轴线距离并遵照XSTEEL软件轴线设置，键入正确数据建立之。 b、检查动作：输出一初步之轴线平面布置图并标注轴线距离或高程，打印图面并检查数据及轴线名是否正确。 c、事前准备：详细阅读设计图，对于较不明确处要仔细推敲演算。 2、设置或建立工作视图：

a、选用适当之视图属性设置，运用XSTEEL格子线视图功能产生所有相关之主要工作视图，或自行设置条件，产生无法自动生成之工作视图。 b、检查动作： ①检查视图属性设置是否合适。（含过滤条件是否设置合理） ②查看工作视图命名是否正确。 ③查看视深是否正确。 ④查看平面与立体设置是否恰当等。 c、事前准备： ①详细阅读设计图各平立面之最大纵深以利选用适合之视深数据。 ②判断平立面欲表达之构件内容以利布置图之调用。 3、建立主构件： a、详细阅读设计图所有构件规格、材质、位置、高程、工作点表面处理等重要信息，按规格大小、类别等因素排序，再设定素材代号以利模型之输入；输入时一般要须遵守构件与零件编号原则且接由左而右、由下而上之方向要求绘制。 b、检查动作： — c、事前准备：详细判读设计图中各相关数据差异性，并针对差异性思考合适对策，利于日后变更修改等操作。

3a产生初步布置图： a、依据项目特性设置相应条件之图纸属性及图纸视图属性，产生布置图；布置图产生须考虑视深之控制、图面比例、图面布局、字体大小、线条颜色、图签、注解、规格表、图标签、方位符号等细节之设置是否搭配合理适当。 b、检查动作：须确实与设计图相应数据仔细核对，并依据正确校核方法将正确、不正确及须修正数据标示于图面中，如有不明确之部位须要求再产生更多的剖视图，利于视图。 c、事前准备：详阅设计图并以各别颜色予以区分，方便日后视图，对于较细微处应自行将其放大打印作为自己的工作数据保证工作能较有效率的完成。 4、建立节点或细部： a、使用XSTEEL各节点程序将已归类之节点数据设置成节点应用参数并储存，方便点选应用；如不能一次性由程序直接完成之节点或细部，则选用较接近之节点式样处理再进一步修改或设定成自定义节点再行点选应用。操作时须保证相同的接头能运用同一节点参数，提高正确性，并利于变更修改。 b、检查动作：

遥感影像分类方法实验报告

实验报告

目录 1 实验目的................................................... 错误!未定义书签。 2 实验数据................................................... 错误!未定义书签。 3 实验内容................................................... 错误!未定义书签。 4 实验步骤................................................... 错误!未定义书签。对人口矢量数据（shapefile）进行投影转换.................. 错误!未定义书签。文件投影坐标的检查................................... 错误!未定义书签。将投影坐标转换为WGS_1984_UTM_Zone_16N ............... 错误!未定义书签。对遥感影像进行几何精校正（以经过投影变换的人口矢量数据为基准）错误!未定义书签。在ENVI软件的加载.................................... 错误!未定义书签。对遥感影像进行几何精校正（以矢量数据为基准）................... 错误!未定义书签。用矢量图层对遥感影像进行裁剪................................................... 错误!未定义书签。将Pan波段和多光谱波段进行融合，并对融合效果进行定性和定量评价错误!未定义书签。两种融合方法的原理....................................................................... 错误!未定义书签。进行 Gram-Schmidt Spectral Sharpening融合........................ 错误!未定义书签。融合效果进行定性评价................................................................... 错误!未定义书签。融合效果进行定量评价(软件提供的计算方法)........................... 错误!未定义书签。融合效果进行定量评价(Matlab编程计算).................................. 错误!未定义书签。遥感影像融合定量分析代码........................................................... 错误!未定义书签。生成住房密度栅格影像........................................................................... 错误!未定义书签。两表的连接....................................................................................... 错误!未定义书签。计算房屋密度................................................................................... 错误!未定义书签。直接栅格化....................................................................................... 错误!未定义书签。 IDW插值............................................................................................ 错误!未定义书签。对房屋密度图进行重分类............................................................... 错误!未定义书签。将住房密度栅格影像作为额外的通道与ETM+多光谱波段进行叠加 .. 错误!未定义书签。监督分类（融合方法为HSV，波段为5，4，3）................................. 错误!未定义书签。打开Google Earth影像作为监督分类的参照............................. 错误!未定义书签。建立兴趣区....................................................................................... 错误!未定义书签。训练样区的选择............................................................................... 错误!未定义书签。训练样区的评价............................................................................... 错误!未定义书签。执行监督分类................................................................................... 错误!未定义书签。分类后处理....................................................................................... 错误!未定义书签。评价结果分析................................................................................... 错误!未定义书签。