楊國太,劉有余
安徽工程大學先進數(shù)控和伺服驅(qū)動技術(shù)安徽省重點實驗室,安徽蕪湖 241000
基于趨勢外推法曲線智能延伸模型及實例應用
楊國太,劉有余
安徽工程大學先進數(shù)控和伺服驅(qū)動技術(shù)安徽省重點實驗室,安徽蕪湖 241000
為解決眾多CAD軟件不具備非圓曲線延伸功能,引入趨勢外推原理,研究非圓曲線智能延伸技術(shù)。建立了二次和三次多項式曲線延伸、指數(shù)曲線延伸、戈珀茲曲線延伸三類智能延伸模型,分別給出趨勢外推模型的識別與選擇方法,可據(jù)曲線特征點合理選用。提供了智能延伸實例,闡述了智能延伸的步驟及方法,分析了它們的延伸精度,指出模型使用范圍。解決了CAD軟件共性核心難題,可應用于現(xiàn)有CAD軟件的核心升級或二次開發(fā),以增加或完善非圓曲線延伸功能。
非圓曲線;趨勢外推法;智能延伸;數(shù)學模型
現(xiàn)代CAD技術(shù)蓬勃發(fā)展,出現(xiàn)了眾多界面友好、功能強大的二維及三維的優(yōu)秀設計軟件,如AutoCAD、CAXA、Pro/E、UG、CATIA等。這些軟件都具備“延伸”這一基本功能,可將直線或圓弧延伸相交于指定對象,且保持原特性(直線或圓?。┎蛔?,但這些軟件的“延伸”功能對非圓曲線的延伸無能為力。若對非圓曲線使用“延伸”指令,有些軟件(如AutoCAD)不執(zhí)行任何動作;有些軟件(如CAXA)雖進行了延伸,但是以直線方式進行,改變了曲線原有特性,誤差較大。趨勢外推法[1]是一種對科技、經(jīng)濟和社會發(fā)展進行預測的技術(shù),基本假設是未來系過去和現(xiàn)在連續(xù)發(fā)展的結(jié)果,目前主要用于情報研究,如:預報帶鋼冷軋過程輥系徑向變形[2],股指的分析與預測[3],水質(zhì)預測[4]等?;谇€延伸與情報研究趨勢外推相似性,在文獻[5]中引入趨勢外推原理,在極坐標系下建立了一些曲線延伸模型,但是,相關研究尚膚淺,實用性不強。本文基于直角坐標系,全面研究非圓曲線智能延伸技術(shù),具有更強的應用性;并且,結(jié)合實例給出智能延伸的步驟及方法,分析模型的延伸精度,指出使用范圍,以解決CAD軟件不能延伸非圓曲線這一共性關鍵難題。
除直線和圓弧外,CAD軟件中待延伸曲線一般是樣條曲線,由若干個特征點控制其線形[6]。趨勢外推根據(jù)連續(xù)性原理,依據(jù)特征點序列的變化趨勢,選擇合適的曲線模型,對后續(xù)趨勢進行外推延伸。原曲線特征不同,應使用不同的延伸模型。本文開發(fā)幾種典型延伸模型,可據(jù)原曲線特征進行選用。
2.1 多項式延伸模型
2.1.1 二次曲線延伸模型
離散型二次曲線方程為[7]:
式中,yi為第i點y坐標值;xi為第i點x坐標值;i=1,2,…,m;a、b、c為常系數(shù)。
若xi為等差數(shù)列離散點,二次曲線上特征點序列{yi}的二階差分▽2yi[8]見式(2),為常數(shù)。
因此,當離散型曲線的二階差分為常數(shù)時,可使用二次曲線延伸模型,見式(3):
式中,xi為第i延伸點x坐標值;為第i延伸點y坐標值;i=m+1,m+2,…,n。
用最小二乘法確定待定參數(shù)[9]。由式(3)得:
式中,ei為第i點的離差;Q為離差平方和。
根據(jù)特征點數(shù)據(jù)采用式(8)計算待定參數(shù),依據(jù)延伸模型式(3)進行延伸。
2.1.2 三次曲線延伸模型
離散型三次曲線方程為[7]:
式中,d為常系數(shù);其余參數(shù)含義同前述。
三次曲線上,與等差數(shù)列離散點xi相對應的特征點序列{yi}的三階差分▽3yi[10]見式(10),為常數(shù)。
因此,當離散型曲線的三階差分為常數(shù)時,可使用三次曲線延伸模型,見式(11):
式中,xi為第i延伸點x坐標值;為第i延伸點y坐標值;i=m+1,m+2,…,n。
如前所述,當?shù)炔顢?shù)列離散點xi的項數(shù)為奇數(shù)時,式(11)中待定參數(shù)采用最小二乘法確定為:
根據(jù)特征點數(shù)據(jù)采用式(12)計算待定參數(shù),依據(jù)延伸模型式(11)進行延伸。
2.2 指數(shù)曲線延伸模型
離散型指數(shù)曲線方程為[11]:
式中,a、b為常系數(shù),i=1,2,…,m。
若xi為等差數(shù)列離散點,指數(shù)曲線上特征點序列{yi}的對數(shù)一階差分▽lnyi[12]見式(14),為常數(shù)。
因此,當離散型曲線的對數(shù)一階差分為常數(shù)時,可使用指數(shù)曲線延伸模型,見式(15):
式中,xi為第i延伸點x坐標值;為第i延伸點y坐標值;i=m+1,m+2,…,n;、為模型參數(shù)。
對式(15)兩邊取對數(shù):
即:指數(shù)曲線延伸模型式(15)轉(zhuǎn)化為式(17)所示的直線延伸模型。
用最小二乘法確定待定參數(shù)。由式(17)得:
式中,ei為第i點的離差;Q為離差平方和。
2.3 戈珀茲曲線延伸模型
離散型戈珀茲曲線方程為[13]:
式(23)變形為:
式中,a、b、k為常系數(shù),i=1,2,…,3m。
若xi為等差數(shù)列離散點,戈珀茲曲線上特征點序列{yi}的對數(shù)一階差分▽lnyi的環(huán)比系數(shù)[12]見式(25),為常數(shù)。
當離散型曲線的對數(shù)一階差分環(huán)比系數(shù)為常數(shù)時,可使用戈珀茲曲線延伸模型,見式(26):
式中,xi為第i延伸點x坐標值;為第i延伸點y坐標值;i=3m+1,3m+2,…,n;為漸進線;、為模型參數(shù)。
選取M=3m組特征點,其中m是特征點分成3組后,各組特征點的個數(shù)。若起初M不等于3m,可舍棄離延伸位置較遠的若干點,使M=3m。將特征點代入式(27):
由式(27)計算戈珀茲模型所需參數(shù),見式(28)。
為評估曲線智能延伸模型的有效性,本文給出幾種方程已知的曲線,從前述幾種延伸模型中選取合適模型進行延伸,分析延伸曲線與理論曲線之間的誤差。延伸流程如圖1所示,四種延伸模型都要求原曲線特征點的xi為等差數(shù)列,如不滿足,首先擬合原特征點[14],然后在樣條曲線上選取若干新特征點,使xi為等差數(shù)列,以此選擇延伸模型。
圖1 曲線智能延伸流程圖
如表1所示,4組特征點分別規(guī)定了4個非圓曲線的特征,這些曲線不同于延伸模型方程。應用上述方法對4個曲線進行延伸,分析延伸曲線與理論曲線間的誤差,檢驗延伸的有效性。
表1 近似智能延伸曲線特征點
分別擬合上述4組特征點,在擬合曲線上選取xi為等差數(shù)列的新特征點,分別計算4組新特征點延伸模型應用條件,如表2所示。曲線A的▽2yi最大差值最小,接近于常數(shù),選用二次曲線智能延伸模型;曲線B的▽3yi最大差值最小,選用三次曲線智能延伸模型;曲線C的▽lnyi最大差值最小,選用指數(shù)曲線智能延伸模型;曲線D的(▽lnyi+1-▽lnyi)/▽lnyi最大差值最小,選用戈珀茲曲線智能延伸模型。
表2 近似智能延伸模型選擇
圖2 曲線A的延伸及誤差圖
圖3 曲線B的延伸及誤差圖
對曲線C,r=1.000,k1=0.800,k2=0.140。經(jīng)運算,待定參數(shù)為:=0.210,=2.030。將(0.281,0.351)作為起始點,利用模型式(15)對曲線進行延伸,延伸圖及與理論曲線誤差圖見圖4,可見,在距起始點較近(x<0.75)的區(qū)域內(nèi)延伸曲線與理論曲線吻合性較好;距起始點較遠,誤差較大。
對曲線D,k1=5.500,k2=2.700經(jīng)運算,待定參數(shù)為:=5.500,=0.500,=3.600。將(2.200,5.217)作為起始點,利用模型式(26)對曲線進行延伸,延伸圖及與理論曲線誤差圖見圖5,可見,在距起始點較近(x<7)的區(qū)域內(nèi)延伸曲線與理論曲線吻合性較好;距起始點較遠,誤差較大。
圖4 曲線C的延伸及誤差圖
圖5 曲線D的延伸及誤差圖
(1)采用趨勢外推原理,建立多項式延伸、指數(shù)曲線延伸、戈珀茲曲線延伸三類智能延伸模型,可根據(jù)曲線特征點合理選用,實現(xiàn)了非圓曲線的智能延伸。
(2)曲線智能延伸實例表明:用所建立的延伸模型延伸任意形狀非圓曲線,在距起始點較近的區(qū)域內(nèi)延伸曲線與理論曲線吻合性較好,但距起始點較遠,誤差較大。對精度要求不高曲線可在短距離內(nèi)進行延伸。
(3)本文解決了通用CAD軟件非圓曲線不能延伸的共性關鍵難題,可應用于現(xiàn)有CAD軟件的核心升級,也可用于對其進行二次開發(fā),增加或完善現(xiàn)有CAD軟件非圓曲線延伸功能。
[1]Smith S K,Tayman J,Swanson.The springer series on demographic methods and population analysis[M].Berlin: Springer,2002.
[2]劉濤,王益群,薛志勇.帶鋼冷軋過程輥系徑向變形的數(shù)據(jù)挖掘與預報[J].機械工程學報,2011,47(6):69-72.
[3]Laurent G.Analysis and short-time extrapolation of stock market indexes through projection onto discrete wavelet subspaces[J].Nonlinear Analysis:Real World Applications,2010,11(4):3139-3154.
[4]劉東君,鄒志紅.最優(yōu)加權(quán)組合預測法在水質(zhì)預測中的應用研究[J].環(huán)境科學學報,2012,32(13):3139-3154.
[5]Liu Y Y,Han J,Zhang G Z.Research on intelligent extension technology for curves based on trend extrapolation[J]. Advanced Materials Research,2012,482-484:2596-2599.
[6]Naskar T K,Mishra R.Introduction of control points in B-splines for synthesis of ping finite optimized cam motion program[J].Journal of Mechanical Science and Technology,2012,26(2):489-494.
[7]Vladimir D L.Grid generation methods[M].London:Scientific Computation,2010.
[8]陶菊春.趨勢外推預測模型的識別與選擇研究[J].西北師范大學學報:自然科學版,2005,41(6):14-17.
[9]劉文彬,徐微,王慶鋒.基于威布爾概率統(tǒng)計分析方法的設備可靠性預測研究[J].機械科學與技術(shù),2012,32(4):664-668.
[10]Parhi N,Panda A.Asymptotic approximation of solutions of nonlinear third order difference equations[J].Mathematica Slovaca,2011,61(1):39-54.
[11]Albert A B.On exponential growth and half-lives:a comment on bermingham,population&environment[J].Population and Environment,2003,25(1):61-69.
[12]Drakakis E M,Payne A J.A Bernoulli cell-based investigation of the non-linear dynamics in log-domain structures[J].Analog Integrated Circuits and Signal Processing,2000,22(2/3):127-146.
[13]Moura N J,Ribeiro M B.Evidence for the gompertz curve in the income distribution of Brazil 1978—2005[J]. The European Physical Journal B-Condensed Matter and Complex Systems,2009,67(1):101-120.
[14]Min C H,Park H N,Park S Y.Direct identification of non-proportional modal damping matrix for lumped mass system using modal parameters[J].Journal of Mechanical Science and Technology,2012,26(4):993-1002.
[15]劉佳,曹正文,孫德祿,等.一種改進的快速特征點信息匹配算法[J].計算機工程與應用,2013,49(10):177-179.
YANG Guotai,LIU Youyu
Anhui Key Lab of Advanced NC&Servo Technology,Anhui Polytechnic University,Wuhu,Anhui 241000,China
Lots of CAD software has no function of extension for non-circular curves.Intelligent extension-technology for non-circular curves is studied based on the principles of trend extrapolation.Four kinds of intelligent extension-models, including quadratic extension-model,cubic extension-model,exponential extension-model and Gompertz extension-model, are built.Moreover,the methods of identifying and choosing extension-models are discussed separately.Several applications of intelligent extension for non-circular curves are offered,which shows us that the extension-models can be available for approximate extension for a short distance if the shapes of non-circular curves are arbitrary.The theories in this paper,a kind of core technologies and generic key problems,can be used for upgrading or secondary development of existing CAD software. Key words:non-circular curves;trend extrapolation;intelligent extension;mathematical models
A
TP391.72
10.3778/j.issn.1002-8331.1309-0515
YANG Guotai,LIU Youyu.Intelligent extension models and their applications for non-circular curves based on trend extrapolation.Computer Engineering and Applications,2014,50(6):46-50.
國家自然科學基金(No.51175001);蕪湖市2012年度專利產(chǎn)業(yè)化項目(No.2012ZL10)。
楊國太(1963—),男,副教授,研究領域為計算機輔助設計與制造。E-mail:ygtahwh@163.com
2013-10-08
2013-11-23
1002-8331(2014)06-0046-05