语义特征建模系统中概念设计方案表示研究

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (13): 27-30.

语义特征建模系统中概念设计方案表示研究

金瑛浩1，2，孙立镌2

1.通化师范学院学生工作处，吉林通化 134002
2.哈尔滨理工大学计算机科学与技术学院，哈尔滨 150080

出版日期:2012-05-01 发布日期:2012-05-09

Research on representation of conceptual design in semantic feature modeling system

JIN Yinghao1，2, SUN Lijuan2

1.Students’Affairs Division, Tonghua Normal University, Tonghua, Jilin 134002, China
2.College of Computer Science and Technology, Harbin University of Science and Technology, Harbin 150080, China

Online:2012-05-01 Published:2012-05-09

摘要/Abstract

摘要： 为了提高概念设计的工作效率和设计水平，提出了一种基于语义表示法的概念设计方案的表示方法。这种方法通过语义表示法来表示模型中的特征，通过细胞元模型来管理模型数据，通过语义面将特征和设计方案表示成为具有n个语义输入和m个语义输出的黑盒，通过语义依赖图建立产品模型与特征之间的组织关系，通过力传递的方法来简化概念设计方案的推理过程。该方法不仅可以大大提高概念设计问题的求解速度，还可以为设计者提供更丰富的概念设计方案。实验证明该算法具有广泛的应用前景和实用价值。

关键词: 计算机辅助设计（CAD）, 概念设计, 特征, 语义表示法, 特征建模

Abstract: To improve the efficiency and level of conceptual design, a semantic representation based method is proposed. It represents features of model by semantic representation, manages data of model by cellular model, transforms conceptual design scheme to black boxes which have n input and m output semantics by semantic faces of features, creates relations between production model and features with semantic dependent graph, and simplifies reasoning process of conceptual design scheme by force transmission method. This method can not only improve the solving speed of conceptual design, but also provide more abundant schemes. Experiments show that this new algorithm is more adaptable and practical.

Key words: Computer Aided Design（CAD）, conceptual design, feature, semantic representation, feature modeling

金瑛浩1，2，孙立镌2. 语义特征建模系统中概念设计方案表示研究[J]. 计算机工程与应用, 2012, 48(13): 27-30.

JIN Yinghao1，2, SUN Lijuan2. Research on representation of conceptual design in semantic feature modeling system[J]. Computer Engineering and Applications, 2012, 48(13): 27-30.

[1]	邓利芳，党建武，王阳萍，王松. 结合混合核特征映射的空域图像隐写分析[J]. 计算机工程与应用, 2021, 57(9): 118-125.
[2]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[3]	陆莉霞，邹俊忠，郭玉成，张见，王蓓. 多模态融合的膝关节损伤预测[J]. 计算机工程与应用, 2021, 57(9): 225-232.
[4]	吴文龙，周喜，王轶，王保全. WKAG：一种针对不平衡医保数据的欺诈检测方法[J]. 计算机工程与应用, 2021, 57(9): 247-254.
[5]	李明山，韩清鹏，张天宇，王道累. 改进SSD的安全帽检测方法[J]. 计算机工程与应用, 2021, 57(8): 192-197.
[6]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[7]	许德刚，王露，李凡. 深度学习的典型目标检测算法研究综述[J]. 计算机工程与应用, 2021, 57(8): 10-25.
[8]	牛通，卿粼波，许盛宇，苏婕. 基于深度学习的分层关联多行人跟踪[J]. 计算机工程与应用, 2021, 57(8): 96-102.
[9]	赵圆丽，梁志剑. 基于异核卷积双注意机制的立场检测研究[J]. 计算机工程与应用, 2021, 57(8): 119-125.
[10]	张越，黄友锐，刘鹏坤. 引入注意力机制的多分辨率人体姿态估计研究[J]. 计算机工程与应用, 2021, 57(8): 126-132.
[11]	董旭彬，赵清华. 改进Mask R-CNN在航空影像目标检测的研究应用[J]. 计算机工程与应用, 2021, 57(8): 133-144.
[12]	周博文，皋军，邵星. 环状扫描的强深度森林[J]. 计算机工程与应用, 2021, 57(8): 160-168.
[13]	王玲，王家沛，王鹏，孙爽滋. 融合注意力机制的孪生网络目标跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 169-174.
[14]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[15]	李现国，冯欣欣，李建雄. 多尺度残差网络的单幅图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(7): 215-221.