采用非线性梯度共轭法的粗糙表面数字化模拟

doi:10.13229/j.cnki.jdxbgxb201401039

吉林大学学报(工学版) ›› 2014, Vol. 44 ›› Issue (01): 241-245.doi: 10.13229/j.cnki.jdxbgxb201401039

采用非线性梯度共轭法的粗糙表面数字化模拟

炊明伟¹, 冯有前², 李培林¹, 徐晓东¹, 马军林¹

1. 空军工程大学防空反导学院, 西安 710051;
2. 空军工程大学理学院, 西安 710051

收稿日期:2013-01-07 出版日期:2014-01-01 发布日期:2014-01-01
通讯作者: 冯有前（1963-），男，教授，博士生导师.研究方向：信号与信息处理.E-mail：361669021@qq.com E-mail:361669021@qq.com
作者简介:炊明伟（1985-），男，博士研究生.研究方向：信号与信息处理.E-mail：cmw1985@foxmail.com
基金资助:
国家自然科学基金项目（51075395）.

Numerical simulation of rough surfaces with non-linear conjugate gradient method

CHUI Ming-wei¹, FENG You-qian², LI Pei-lin¹, XU Xiao-dong¹, MA Jun-lin¹

1. School of Air and Missile Defense, Air Force Engineering University, Xi'an 710051, China;
2. School of Science, Air Force Engineering University, Xi'an 710051, China

Received:2013-01-07 Online:2014-01-01 Published:2014-01-01

摘要/Abstract

摘要：

为满足表面工程、结合面特性等研究领域对粗糙表面数据的大量需求，提出了一种新的三维非高斯粗糙表面数字化模拟方法。该方法根据设定的粗糙表面自相关函数，构造出求解转换矩阵的非线性方程组，并采用改进的非线性共轭梯度法进行求解；根据设定的峰度、偏斜度等粗糙表面高度参数，结合Johnson转换系统生成三维非高斯粗糙表面形貌。仿真结果表明，本文方法模拟的粗糙表面偏斜度、峰度误差小于3%，自相关函数模拟值与理论值拟合效果较好，能够根据设定的高度参数和自相关函数实现粗糙表面较准确的模拟。

关键词: 信息处理技术, 粗糙表面, 数字化模拟, 非线性梯度共轭法, 自相关函数

Abstract:

To meet the demands of large data of rough surfaces in the research of surface engineering and the characteristics of joint surfaces, a new numerical simulation method of 3D non-gaussian rough surfaces is proposed. Based on the assumed utocorrelation function (ACF), the non-linear equations are constructed for computing transformation matrix, and the improved non-linear conjugate gradient method is used to solve the equations. Then according to the assumed skewness, kurtosis and other statistical parameters of the rough surface, the 3D non-gaussian rough surfaces are generated by combining Johnson transformation system. The simulation results show that, the skewness and kurtosis relative errors of the simulated rough surfaces are less than 3%, the fitting result of ACF curves of simulated rough surfaces with the theoretical ACF is good. Using this method the rough surfaces with the given parameters of height and autocorrelation function can be accurately simulated.

Key words: information processing, rough surfaces, numerical simulation, non-linear conjugate gradient method, autocorrelation function

中图分类号:

TN911

炊明伟, 冯有前, 李培林, 徐晓东, 马军林. 采用非线性梯度共轭法的粗糙表面数字化模拟[J]. 吉林大学学报(工学版), 2014, 44(01): 241-245.

CHUI Ming-wei, FENG You-qian, LI Pei-lin, XU Xiao-dong, MA Jun-lin. Numerical simulation of rough surfaces with non-linear conjugate gradient method[J]. 吉林大学学报(工学版), 2014, 44(01): 241-245.

参考文献

[1] 李辉光, 刘恒, 虞烈. 粗糙机械结合面的接触刚度研究[J]. 西安交通大学学报, 2011, 45(6):69-74. Li Hui-guang, Liu Heng, Yu Lie. Contact stiffnessof rough mechanical joint surface[J]. Journal of Xi'an Jiaotong University, 2011, 45(6):69-74.

[2] Uchidate M, Yanagi K, Yoshida I, et al. Generation of 3D random topography datasets with periodic boundaries for surface metrology algorithms and measurement standards[J]. Wear, 2011, 271:565-570.

[3] Wu Jiunn-Jong. Simulation of non-Gaussian surfaces with FFT[J]. Tribology International, 2004, 37:339-346.

[4] Reizer R. Simulation of 3D Gaussian surface topography[J]. Wear, 2011, 271:539-543.

[5] 陈辉, 胡元中, 王慧, 等. 粗糙表面计算机模拟[J].润滑与密封, 2006, 182 (10): 52-59. Chen Hui, Hu Yuan-zhong, Wang Hui, et al. Computer simulation of rough surfaces[J]. Lubrication Engineering, 2006, 182 (10): 52-59.

[6] 田爱玲, 孙钊, 于洵, 等. 非高斯随机粗糙表面的数字模拟[J]. 系统仿真学报, 2009, 21(10):2840-2842. Tian Ai-ling, Sun Zhao, Yu Xun, et al. Numerical simulation of non-Gaussian random roughness surface[J]. Journal of System Simulation, 2009, 21(10): 2840-2842.

[7] Patir N. A numerical procedure for random generation of rough surfaces[J]. Wear, 1978, 47:263-277.

[8] Bakolas Vasilios. Numerical generation of arbitrarily oriented non-Gaussian three-dimensional rough surfaces[J]. Wear, 2003, 254:546-554.

[9] Manesh K K, Ramamoorthy B, Singaperumal M. Numerical generation of anisotropic 3D non-Gaussian engineering surfaces with specified 3D surface roughness parameters[J]. Wear, 2010, 268:1371-1379.

[10] Shewchuk J R. An introduction to the conjugate gradient method without the agonizing pain[EB/OL]. http://www.cs.cmu.edu/quake-papers/ painless-conjugate-gradient.ps.

[11] Liu Jin-kui, Wang Kai-rong, Song Xiao-qian, et al. A new nonlinear conjugate gradient method for unconstrained optimization problems[J]. Chinese Quarterly Journal of Mathematics, 2010, 25(3):444-450.

[12] Hill D, Hill R, Holder R L. Algorithm AS 99: fitting Johnson curves by moments[J]. Journal of the Royal Statistical Society:Series C (Applied Statistics), 1976, 25(2):180-189.

相关文章 15

[1]	苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2]	徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[3]	黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[4]	李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[5]	应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924.
[6]	陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[7]	刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[8]	单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944.
[9]	姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[10]	全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297.
[11]	陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[12]	陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
[13]	孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506.
[14]	林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632.
[15]	王柯, 刘富, 康冰, 霍彤彤, 周求湛. 基于沙蝎定位猎物的仿生震源定位方法[J]. 吉林大学学报(工学版), 2018, 48(2): 633-639.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

采用非线性梯度共轭法的粗糙表面数字化模拟

Numerical simulation of rough surfaces with non-linear conjugate gradient method

RICH HTML

PDF (PC)

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10