Determining the similarity of deformable shapes

Deform入门教程

CONTENTS

•引言

•Deform软件简介

•Deform基本操作

•材料模型与参数设置

•网格划分与边界条件

•模拟过程与结果分析

•常见问题及解决方案

•总结与展望

引言01帮助初学者快速掌握Deform软件的基本操作和技能，提高数值模拟的效率和准确性。

Deform是一款广泛应用于金属成形、热处理、焊接等领域的数值模拟软件，具有强大的前后处理功能和精确的数值

模拟能力。目的和背景

背景目的

软件界面和基础操

作

介绍

Deform

软件的基本界面布局、常用工具栏和菜单功能，以及文件管理和数据导入导出等基础操作。讲解Deform软件中的材料模型、材料数据库和自定义材料参数等知识点，以及如何进行材料参数的设置和调整。介绍Deform软件中的网格划分和重划分技术，包

括网格类型、网格密度、网格质量评估和调整等方法。详细讲解如何在

Deform软件中设置边界条件、施加各种载荷和约束，以及如何处理接触和摩擦等问题。介绍Deform软件中的模拟结果分析方法，包括变形、应力、应变、温度等物理量的计算和可视化展示，以及如何进行数据导出和报告生成等操作。材料模型和数据库边界条件和载荷设置模拟结果分析和后处理网格划分和重划分技术教程内容概述

Deform软件简介02

DEFORM提供了全面的有限元分析功能，可以对金属成形过程中的应力、应变、温度等

物理量进行准确计算。强大的有限元分析功能

软件内置了丰富的材料数据库，包括各种金属和非金属材料，用户可以根据需要选择合适的材料模型。丰富的材料数据库

DEFORM采用了直观的图形界面设计，使得用户可以更加方便地进行模型建立、结果查

看等操作。直观的图形界面

软件提供了多种求解器供用户选择，可以根据具体问题的复杂程度和计算精度要求来选

择合适的求解器。

多种求解器选择软件功能与特点

金属成形领域DEFORM广泛应用于金属成形领域，如锻造、挤压、轧制、拉拔等工艺过程的模拟分析。

材料研究领域DEFORM也常用于材料研究领域，通过对不同材料的成形过程进行模拟分析，可以研究材料的变形行为、组织演变等问题。模具设计领域在模具设计过程中，利用DEFORM可以对模具结构进行优化设计，提高模具的使用寿命和成形质量。

基于可变形图卷积的点云表征学习

李宗民;张玉鹏;刘玉杰;李华

【期刊名称】《计算机科学》

【年(卷),期】2022(49)8

【摘 要】虽然深层神经网络较为成功地解决了点云数据稀疏和不规则等问题,但是点云局部特征的学习仍然是一个非常具有挑战性的问题。现有的用于点云表征学习的网络存在点与点之间相互独立提取特征的问题,为此提出了一种全新的空域图卷积。首先,在构造图结构时提出了自适应空洞K近邻算法,以最大程度地捕获局部拓扑结构信息;其次,在卷积中加入了卷积核每条边与感受野图之间的角度特征,保证了更具鉴别力的特征提取;最后,为了充分利用局部特征,提出了一种全新的图金字塔池化,以更好地融合多尺度特征。在标准公开数据集ModelNet40和ShapeNet上测试该算法,分别取得了93.2%与86.5%的准确度。实验结果表明,该算法在点云表征学习中处于领先水平。

【总页数】6页(P273-278)

【作 者】李宗民;张玉鹏;刘玉杰;李华

【作者单位】中国石油大学(华东)计算机科学与技术学院;中国科学院计算技术研究所

【正文语种】中 文

【中图分类】TP391.41

【相关文献】 1.基于顶点变形梯度的点云曲面变形传输2.基于对抗图卷积的网络表征学习框架3.基于卷积神经网络的CT图自动检测深度学习4.基于动态图卷积和空间金字塔池化的点云深度学习网络5.基于深度Q学习和可变形卷积U-Net的肝脏肿瘤分割方法

因版权原因，仅展示原文概要，查看原文内容请购买

基于形状上下文的形状匹配和目标识别

摘要：我们提出了一种测量图形间相似性的新方法，并开发它来做目标识别。 在我们的架构下，相似性的度量之前：1）解决两种形式下点与点的对应性2）利用这种对应性来估计一个对齐变换。为了解决对应问题，我们为每一个点附上一个形状上下文的描述。一个参考点的形状上下文能捕捉剩下与之相关的点的分布情况，从而提供全面的可识别的描述。两个相似图形上的对应点会有相似的形状语境，使我们将解决对应问题看做最优分配问题。给出点与点的对应，我们估计最佳匹配两种形状的变换，为这个用途，正则化薄板样条函数提供了灵活的图类转换。两个形状间的不同通过对应点间的匹配误差总和与测量对齐变换的大小项一起来计算。我们把最近邻分类架构下的识别当作在图像上查找最大限度相似的存储原型问题，结果是轮廓线、商标、手写数字和线圈数据集。

关键词:形状，目标识别，数字识别，对应性问题，MPEG7标准，图像配准，变形模板

1 绪论

考虑图1中的两个手写体数字。视为像素亮度值的向量使用二级规范相比，他们有很大的不同。但是，视为形状，它们显得和人类的观察员类似。我们在本文的目的是实施形状相似这一概念，其最终目的是用它作为概念层次识别的基础。我们通过一个三阶段的过程来实现：

1、解决这两个图形间的对应问题

2、使用对应关系来估算对齐变换

3、用对应点之间的匹配误差的总和，加上测量对齐变换的大小，来计算两个形状之间的距离

我们的做法的关键是传统的形状匹配变形，可至少追溯到达西汤普森。在他的经典作品中，对增长和形式[55]，汤普森指出，相关但不相同的形状，往往可以使用简单的坐标变换对齐，如图2所示的变形。在计算机视觉文献，费什勒和Elschlager[15]实施了在质量弹簧模型中使用mini-mization能源这一想法。Grenander等[21]在概率设置中发展了这个想法，Yuille[61]通过使用梯度下降的

图像域下的手工制作的拟合参数化模型，如眼睛，来发展变形模板概念的另一变体。另一个众所周知的这一脉的计算方法是由Lades[31]等人通过lastic图匹配发展而来。

Damage：损伤

Stress-Effective: 等效应力

Stress-Mean: 平均应力

Strain-Effective: 等效应变

Displacement-Total： 总位移

Strain rate-Effective: 等小应变率

Stress-Max Principal: 最大主应力

Velocity：速度

Mesh：网格

Shear Friction：剪切摩擦

Load-Stroke： 压力--位移

Point tracing： 点追踪

Slicing：剖切

Pre-processor:前处理

Post-processor:后处理

General：概况

Geometry：几何图形

Movement：运动

Materials：材料

Object：物体

With die displacement：

物理步长：每步走多少 通常选（1/3~1/10）最小单元格 Step increment to save: 每多少步保存一次

Number of simulation steps: 总步数

总步数*物理步长=模具行程

Inter-Object Relationships：物体间定义关系

Rigid：刚体

Plastic：塑性体