近似方法(共12篇)
近似方法 篇1
1 引言
行人检测技术属于人工智能领域研究的一部分, 然而信息技术的发展将行人检测技术推广到了现实应用之中。传统的特征提取方法遍历多尺度图像并提取每一个尺度下图像的特征。Dalal和Triggs[1]提出使用HOG特征用于行人目标检测, 单特征提取速度较快但是检测效果不佳。Gavrila[2]采用全局模板, 利用层级模板匹配实现行人检测, 在分层遍历检测时消耗大量时间。Lin等人[3]利用人体局部特征构造模板匹配, 此方法检测速度较快但是利用局部特征难以表征全局, 实际检测效果欠佳。Borgefors[4]提出参数化边缘模板, 针对同一张图片不同的分辨率情况下, 使用HCMA完成模板匹配, 此方法与Gavrila检测方法一致需要耗费大量时间。Walk等人[5]提出的CSS特征与Gao等人[6]提出的ACF特征本质都是单特征提取, 区别在于表征目标信息不同。孙锐等人[7]提出融合的显著性信息与HOG-NMF特征与Wang等人[8]提出的HOG-LBP特征都是利用多特征融合方式最大程度表征行人目标, 改善了检测的效果但是特征提取速度较慢。
考虑到单特征计算速度快但是检测效果不好且多特征融合提取计算复杂度较高的问题, 本文提出了快速特征计算方法, 在不影响检测效果的情况下提高检测的速度。快速特征计算改善了目标特征提取的速度, 有助于实现实时检测目标。
2 快速特征计算
区别于传统的多尺度特征计算, 快速特征计算无需对图像金子塔每一层图像提取特征, 而是在当前尺度下取得的特征近似计算相邻尺度下图像的特征。因此可以在不遍历图像金字塔的情况下实现多尺度图像特征的提取, 一定程度上加速了特征计算。
2.1 图像金子塔
图像金字塔是以多分辨率来解释图像的一种结构。图像金字塔最初用于机器视觉和图像压缩, 一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低的图像集合。金字塔的底部是待处理图像的高分辨率表示, 而顶部是低分辨率的近似。对于行人检测来说, 行人在图像中的深度信息不一样, 因此需要提取不同分辨率下行人目标特征。
2.2 多尺度特征近似估计
图像金子塔的构成本质对源图像进行采样, 采样的方法有双线性插值、最近邻法等方法。图像采样之后会得到一系列不同分辨率的图像组合。不同尺度图像特征存在着关联性。本文以梯度直方图为例说明多尺度特征之间关联性。
对于源图像Im (x, y) , 上采样系数τ, 得到图像Im' (x, y) , 采样公式如下:
根据图像梯度信息定义可知采样前与采样后图像梯度之间的关系:
因此全局梯度幅值之间的关系如下:
本文从INRIA数据集选取了1000张正样本和1500张负样本, 采样系数为2, 结果如图2:
图2所示为测试的样本上采样梯度幅值比例直方图, 从图中可以看出大部分样本都是在比例为2附近, 与预期的结果一致。对于下采样的结果如图3所示:
针对正负样本的下采样的结果如图3所示, 显示的结果表明大部分的样本的比值分布在0.3左右, 与预期的0.5相差较多。因此, 对于下采样的特征近似估计可以使用测试样本的均值来表示在采样系数为τ的情况下特征近似估计的系数。图中正负样本下采样的均值分别为0.3335和0.2944, 则可以使用这两个均值代替影响因子近似计算不同尺度特征。
Ruderman和Bialek[9,10]提出对于图像不同尺度下的基于像素点的信息数据统计规律。假设Г (Im) 表示图像Im任意尺度下的数据信息, E (Г (Im) ) 表示当前尺度下图像数据的期望, 因此对于不同尺度下的数据可用E (Г (Imk) ) 表示, 对于任意给定的尺度κ1和κ2下, 二者图像数据信息之间的关系为:
对于给定的图像Im构造多尺度下的图像集合Im={Im1, Im2, …, Imn}, 对应尺度下获得的特征数据为F={F1, F2, …, Fn}, 代入上述公式可得:
上式中ζ表示对于给定图像特征数据的方差。之前举例说明的特征计算近似估计可得, 对于最终特征数据近似参数τ的估计如下:
通过提取样本不同的特征可以根据τ的值近似得到λF值的大小。通过对INRIA训练样本中1218个负样本进行测试得到不同特征不同尺度下τ和λF的拟合曲线。基于梯度直方图的拟合曲线如下:
3 实验流程与数据分析
本文采样INRIA样本集上的614张正样本和1218张负样本作为训练的样本, 在样本上分别提取LUV颜色、梯度直方图和梯度幅值特征, 然后交由Adaboost训练得到相应的分类器在测试样本上检测目标。在本文中对于测试样本的选取是采用了300张正样本图片和500张负样本图片, 实验结果DET曲线如下:
从图5可以看出在INRIA样本集上目标检测误检率达到10-2时, 使用本文提出的方法与Pls方法[11]相比漏检率低30%, 相比于Dalal提出的HOG特征方法漏检率低近40%。部分实验效果图如下:
图 (a) 中虽然检测出所有的行人目标, 但是最右边的行人身体部分被检测出来。由于行人目标姿态、衣着等经常变化, 因此检测存在着难度。图 (e) 中多姿态行人被准确检测出来。图 (b) 中检测出离摄像头近的行人目标, 由于在实验中设置了最小滑动窗口的阈值, 对于很小的行人目标检测存在着困难。图 (c) (d) (f) (g) (h) 均有很好的检测效果。
本文针对给出图6中8幅图片使用HOG、Hog Lbp和本文方法计算消耗时间的比较, 验证检测方法的快速性。
4 结论
从上述的实验结果可以看出FFC方法提高了行人检测的速度, 结合多特征融合的方式又可以保证行人检测的准确率。但是提取的特征描述行人目标仍然存在着不足, 在以后的研究中可以寻找更适合的特征作为行人目标的描述。在实际现实中图像的复杂程度会更大, 也增加了检测的难度, 所以需要全方位角度去加强姓人检测的效果。
参考文献
[1]Dalal N, Triggs B.Histograms of oriented gradients for human detection[C]//Computer Vision and Pattern Recognition, 2005.CVPR 2005.IEEE Computer Society Conference on.IEEE, 2005, 1:886-893.
[2]Gavrila D M.A bayesian, exemplar-based approach to hierarchical shape matching[J].Pattern Analysis and Machine Intelligence, IEEE Transactions on, 2007, 29 (8) :1408-1421.
[3]Lin Z, Hua G, Davis L S.Multiple instance feature for robust partbased object detection[C]//Computer Vision and Pattern Recognition, 2009.CVPR 2009.IEEE Conference on.IEEE, 2009:405-412.
[4]Borgefors G.Hierarchical chamfer matching:A parametric edge matching algorithm[J].Pattern Analysis and Machine Intelligence, IEEE Transactions on, 1988, 10 (6) :849-865.
[5]Walk S, Majer N, Schindler K, et al.New features and insights for pedestrian detection[C]//Computer vision and pattern recognition (CVPR) , 2010 IEEE conference on.IEEE, 2010:1030-1037.
[6]Gao W, Ai H, Lao S.Adaptive contour features in oriented granular space for human detection and segmentation[C]//Computer Vision and Pattern Recognition, 2009.CVPR 2009.IEEE Conference on.IEEE, 2009:1786-1793.
[7]孙锐, 陈军, 高隽.基于显著性检测与HOG-NMF特征的快速行人检测方法[J].电子与信息学报, 2013, 35 (8) :1921-1926.
[8]Wang X, Han T X, Yan S.An HOG-LBP human detector with partial occlusion handling[C]//Computer Vision, 2009 IEEE 12th International Conference on.IEEE, 2009:32-39.
[9]Ruderman D L, Bialek W.Statistics of natural images:Scaling in the woods[J].Physical review letters, 1994, 73 (6) :814.
[10]Ruderman D L.The statistics of natural images[J].Network:computation in neural systems, 1994, 5 (4) :517-548.
[11]Schwartz W R, Kembhavi A, Harwood D, et al.Human detection using partial least squares analysis[C]//Computer vision, 2009 IEEE 12th internationalconferenceon.IEEE, 2009:24-31.
近似方法 篇2
基于Kriging近似函数的变复杂度近似模型
为解决飞行器多学科不确定性设计与优化过程中多次调用计算复杂的高精度学科分析模型带来的计算复杂性问题,结合变复杂度建模思想和Kriging近似函数,建立了基于Kriging近似函数的变复杂度近似模型.该近似模型的构造基于较少的.高精度模型取样点和较多的低精度模型取样点,在满足近似精度的要求下可大大减小高精度模型近似模型构造的计算成本.数学算例和某飞行器气动力变复杂度近似模型算例证明了该方法的有效性.
作 者:李晓斌 张为华 陈小前 LI Xiao-bin ZHANG Wei-hua CHEN Xiao-qian 作者单位:国防科技大学,航天与材料工程学院,长沙,410073刊 名:宇航学报 ISTIC PKU英文刊名:JOURNAL OF ASTRONAUTICS年,卷(期):27(z1)分类号:V421.1关键词:Kriging近似函数 变复杂度建模 近似模型
近似方法 篇3
奇瑞汽车与腾讯科技关于QQ商标的纠纷由来已久。今年3月份,奇瑞汽车在第12类汽车等商品上申请注册的一系列QQ商标得以初审公告,其中包括QQ2、QQ3、QQ5、QQ6等。而腾讯公司在与之类似的第12类汽车商品上早已拥有在先的QQ商标。从商标标志本身来看,QQ5等系列商标与QQ商标无疑是近似的,商标局、商标评审委员会在申请注册阶段、驳回复审阶段也确实认定为近似商标,但北京知产法院和北京高院却在一审和二审中均对近似判断予以否定,并最终让QQ5等系列商标得以初审公告。为何法院会与商标审查机构出现不同观点,这其实涉及到商标标志近似与商标近似的区别问题。在商标实务工作中,商标近似的判断是一个最常见也是最具争议的话题,经常听到有客户、同事、同行吐槽说在这个领域工作得越久,就越觉得商标近似判断很困难。商标申请人、商标代理机构也经常苦恼于与审查、审判人员的近似判断标准不一致。商标近似的判断到底遵循什么思路,在不同的商标案件中是否有不同的考虑因素,本文试图通过几则案例进行简单分析。
案例1:“夯”与“大力”近似吗?
甲公司申请的“夯”商标 商标局引证的“大力及图”商标
申请人甲在玩具等商品上申请注册“夯”商标,商标局审查时认为“夯”与在先的“大力”商标构成近似,遂予以驳回。商标局的驳回理由让申请人哭笑不得,无奈只能通过驳回复审程序进行争取。按常理判断,“夯”与“大力”含义完全不同,以普通消费者的一般识别力不可能混淆。但商标局予以驳回自然有其合理的考虑因素——“夯”正是由“大力”二字上下结构组合而成,判定为近似商标无可厚非。
从本案例我们可以看到,在申请注册的审查阶段,商标局一般考虑商标标志本身是否近似,审查员很难进一步审查是否还有其他因素会影响混淆可能性。当然,我们并非认为审查员完全不考虑其他因素,如果所审查商标标志虽然近似程度不高,但按相关公众的一般注意力确实容易误认的,仍会予以主动驳回。本文想讨论和强调的是,在商标申请注册阶段,商标标志本身的近似程度是影响审查员判定近似与否的主要因素。笔者认为在商标申请注册阶段,审查员的这种判断是客观合理的,毕竟商标的申请注册只递交商标图样和商品项目,审查员在审查近似时一般会通过系统检索在先商标,针对检索罗列的在先商标,亦只能采取直接对比商标标样的方法来判断是否近似,同时这种审查还受到时间等因素的限制,如果考虑因素过多、时间过长,反而有影响审查效率之嫌。在这种情况下,对审查员在近似判断中苛以考虑其他因素来综合判定就会显得强人所难。照此,我们就更容易理解,商标局在审查阶段为什么会以“夯”与“大力”近似为由,将“夯”予以驳回的原因了(QQ5与QQ的近似判断同理)。因此,在理解到审查人员的处境后,我们在实务中也应当注意——在商标申请注册阶段判断商标近似时,主要考虑商标标志本身是否近似即可,商标申请注册阶段的近似审查,实际上主要是对商标标志是否近似的审查。这对我们分析判断商标申请注册的驳回率是有积极意义的。
笔者注意到另一个与商标申请注册较为类似的程序中,同样也存在近似判断的问题,即商标转让程序。《商标法》第42条规定:“转让注册商标的,商标注册人对其在同一种商品上注册的近似的商标,或者在类似商品上注册的相同或者近似的商标,应当一并转让。对容易导致混淆或者有其他不良影响的转让,商标局不予核准,书面通知申请人并说明理由。”从上述规定看出,商标转让申请中同样存在着商标近似的审查,而且这种近似的审查应当考虑混淆的因素。与商标申请注册不同的是,针对商标转让中近似审查的判断结果,《商标法》没有规定救济途径。商标申请注册还有后续的驳回复审途径对商标近似的判定进行救济,但对于转让程序中的近似判断,当事人则很难通过救济途径来解决。当然,实务中也有灵活的处理方式,笔者曾经代理过两家公司之间的商标转让,A公司拟将其名义下一部分商标转让给B公司,在提交转让申请后遭遇了商标局的补正通知,补正通知中要求A公司将其类似商品上的其他近似商标一并转让。按常理来说,若A公司不一并转让,此次转让申请将被不予核准。但在笔者的建议下,A公司与B公司共同提交了一份声明书,声明书表明两公司均同意只转让部分商标,而对于其余的部分近似商标不一并转让。商标局最终亦采纳了声明书,核准了A公司的部分商标转让申请。由此可见,转让补正程序中,依然可以参考驳回复审程序中的共存声明形式,来影响审查员对商标近似与否的判断。
我们可以从案例1及上述分析中得到一个初步结论:商标申请注册阶段的近似审查,实际上主要是对商标标志是否近似的审查。
案例2:奇瑞“QQ5”商标驳回复审案
奇瑞公司申请的QQ5商标 腾讯公司在先的QQ商标
我们再回到QQ5的案例中来,具体案情开篇阶段已经介绍。在QQ5系列商标被驳回后,奇瑞公司提出了复审申请。尽管商评委在驳回复审决定中仍认定QQ5与QQ构成近似。但北京高院基于以下三点认为QQ5与QQ不应判定为近似商标——“首先,奇瑞公司使用的‘QQ商标在2005年5月之前,已经在汽车商品上具有一定知名度,在相关公众中产生了一定影响,‘QQ商标在汽车商品上已经与奇瑞公司形成了固定对应关系;其次,汽车类商品由于价值较高,相关公众在购买时一般会施以较高的注意力,会谨慎区分不同标志的商品;再次,奇瑞公司在汽车类商品上已经核准注册或申请注册‘奇瑞QQ、‘CHERYQQ、‘QQ-ME等以‘QQ为主要识别部分的商标,这些商标的注册日或申请日均早于腾讯公司引证商标的申请日,因此奇瑞公司并无模仿引证商标的故意。”同时,北京高院在二审判决中还进一步明确了商标标志近似与商标近似的区别:“商标法意义上的商标近似不是指商标标志的近似,而是指容易导致相关公众混淆商品来源的混淆性近似。”【北京市高级人民法院(2015)高行(知)终字第3468号】
通过案例2我们发现,驳回复审阶段的商标近似判断与申请注册阶段出现了不同的考虑因素。为什么会这样,我们有必要先来探究一下驳回复审程序的设置本意。商标确权程序中设置驳回复审程序的本意在于:针对商标局驳回的商标,给商标申请人一个权利救济的途径。商标局在商标申请注册阶段既然只能以商标标志是否近似为主来审查混淆的可能性,那么商标申请人就可以通过驳回复审来争取商评委审查员考虑其他因素来审查混淆的可能性,其实这是对商标近似与否的一种再判断。在这个过程中,商评委的审查与商标局的审查不同,审查员面对的不只是单纯的商标标志本身,同时也包括了商标申请人的复审理由书以及证据材料。而且,相较于商标申请注册来说,驳回复审是商标申请行政阶段的最后程序,一旦申请商标在复审阶段再次遭遇驳回,若不采取司法救济途径,申请商标将归于无效。从这个角度说,商评委审查员在近似判断时会相对更为谨慎。
因此,我们可以认为,在商标驳回复审案件中,商标标志本身是否近似,虽是判断商标是否近似的重要的参考因素,但已经不再是唯一的参考因素。除此之外,商评委还会结合申请商标的实际使用情况、相关公众的注意力、申请人申请商标的主观因素等多方面综合判断商标是否构成近似。一旦其他因素汇集后的影响力已经大于商标标志本身近似度的影响力时,标志本身近似的商标就不再构成“混淆性近似”了。因此,我们看到了在QQ5商标驳回复审案件中,北京高院一方面肯定了QQ5与QQ商标标志本身的近似性,另一方面结合QQ5商标的实际使用情况、汽车这一特殊商品性质以及奇瑞公司的主观系善意等因素,最终认定了QQ5商标与QQ不构成近似商标。
但是,我们应该注意到,驳回复审案件是单方当事人启动的,审查员在判断近似时更容易受到单方因素的影响。同时笔者认为,在驳回复审中对混淆的判断更多只是对可能性的判断,而不是确定性的证明,在这个程序中不宜给商标申请人对证明商标不混淆施以过高的证明责任。因此驳回复审中只要能够证明因为各种因素的影响,不会混淆的可能性大于混淆的可能性即达到了证明目的。况且,在驳回复审程序中,对于是否近似的审查只是为了避免明显的混淆,而不是为了保护在先权利,毕竟《商标法》还设置有异议申请、无效宣告等程序让利益相对方来证明权利冲突以及混淆可能性的存在。
上述观点可以通过另一制度来说明,尽管这一制度没有得到《商标法》的正式认可,但在实践中却对商标近似的判断有着极强的影响力,那就是共存声明。“凡权利皆可放弃”,驳回复审中在先商标拥有者主动通过声明放弃相关权利,“容忍”申请商标与其在先商标共存于市场,在这种情况下不宜再对商标近似判断继续采用过高标准,而应充分尊重在先权利人的意思,在商标之间不会“导致明显的混淆”或“并存将损害公共利益”的基础上,准予申请商标通过。商评委目前在审理实践中有条件地接受共存声明,其原理即在于驳回复审案件中商标近似审查的核心在于“避免明显的混淆”(因为这种情形下往往会损害公共利益),而非“保护在先权利”。以此为出发点,我们在驳回复审程序中的关注点应为“为何共存不致混淆”而非“如何证明未侵犯在先权利”,一般来说,前一个条件一旦满足,申请商标即具备了予以初审公告的基础。
近似方法 篇4
Bootstrap方法就是通过一定数量的仿真得到感兴趣的统计量(例如均值和标准差)在特定零假设下的仿真分布,从而建立该统计量的置信区间,并由此判断来自实际过程的该统计量的显著性。该方法在现代的统计推断中有着越来越重要的运用。Bootstrap方法的基本思想是:样本的信息通过计算机仿真的方式可以反复加以利用,从而减少统计推断偏差,并依靠数据本身产生的临界值,为检验提供更为精确、可靠的检验。
本文基于统计估计和近似匹配技术在关系数据库的应用分析,研究了关系数据库系统的非数值关系数据的近似匹配方法。近似匹配查询的关键字条件并不一定能跟数据表中存储的相关属性精确匹配,但可在一定的相似度下匹配,返回一系列合乎条件的近似结果。
1 Bootstrap方法分析
Bootstrap方法最明显的优势就是它是一个极其简单和机械的算法,任何估算f不管它有多复杂,都能通过它得到一个置信区间,且不需要任何基础数据分布的假定信息。运用Bootstrap方法可以很容易确定比较“稳定”的统计函数下数据集合的各种属性,但如果函数不是稳定的,Bootstrap方法几乎就没有什么可用性了。可以这样来定义这个“稳定”,假设重新采样构造一个新的数据集x*,计算f(x*)。然后删除x*中的一个数据,随机抽取x集合中的一个数据代替它,再计算出f(x*),如果此时f(x*)只有很轻微的变化,那么就可以说f是稳定的且适用于Bootstrap方法分析的。然而不管某些不稳定的函数,如求最小值的函数,当把x*中的最小值替换后,再求出的最小值将可能有很大的变化。
对Bootstrap方法的应用来说,采样的次数一定要足够多,因为样本的f(x*)往往是整个仿真数据集f(x*)的一个很好的近似值。例如,对于大多数应用,200个仿真数据是足够的,但对有一些应用来说却需要更多数据。被采样数据在数据分布中应该是独立且同一分布的。使用Bootstrap方法时必须考虑到缺省的数据是不可能跟存储在数据库中的数据一样分布的。例如,在进行完整性约束的数据整合时会丢掉一些记录,而这样将可能造成数据库的不完整,这样的记录往往比较老,因而它们可能跟数据库中的其它记录有不同的分配方式。这样的情况Bootstrap方法是不适合使用的。几乎任何统计推断的参数技术都有类似的需要。
Bootstrap方法比较依赖于待求问题标准差中的偏差和加速度,加速度指的是待估计的参数在涉及到实际值时的变化率。Bootstrap方法的一个长处是能自动纠正这类含有偏差和加速度的问题,尽管本文描述的Bootstrap方法并没有体现这个特点。为了提高访问置信区间更大的准确性,这就需要对Bootstrap方法的复杂度进行分析。
因此,Bootstrap方法是数据库系统统计估计时的重要工具。
2 非数值的近似匹配方法
对非数值的查询是数据库应用中举足轻重的一部分,由于拼写错误、截断、缺少或插入的标记、空字段、意外的缩略语和其他不规则问题,实际的数据是有问题的。通过某种手段对数据库进行基于某种方式的近似查询,使用户能得到某种精确程度的查询结果,并能在结果中挑选符合自己要求的结果也成了现行数据库技术领域急需解决的问题。本文在SQL Server 2005的环境下进行实验,并提出了解决问题的新方案。
本文所讨论的非数值的近似匹配是基于关键字的,用户可以通过关键字的近似匹配得到关键字所在或相关联记录包含的相关信息,其结果即为精确结果的近似值。
基于非数值的近似匹配与数值的近似匹配有很大的不同。精确匹配表明查询的结果跟用户需要查找的信息是绝对匹配的。近似匹配表明查询的关键字条件并不一定能跟数据表中存储的相关属性精确匹配,但可在一定的相似度下匹配,并返回一系列合乎条件的近似结果。
下面就通过一个简单的例子来说明精确匹配和近似匹配的区别:
例如,有关系表Student(s_id,s_name)和Score(S_id,English,C_prog),要求查找学号为‘08137’的学生的相关信息(显示结果应包括该学生的学号、姓名、各门课程的分数)。两个表中的部分信息如表1所示:
很显然,若对这个表进行精确匹配,对这两个表进行等值连接后进行如下SQL查询:
将找不到与‘08137’相匹配的记录,查询结果返回为空。
如上面对近似匹配进行的定义中,相似度是这种匹配方法的一个重要的系数,因此在对上面两个表进行近似查询之前,应预先约定一个相似度,这里可将相似度定义为字符串中相似字符的个数,在这个例子中假设已约定相似度等于3,即跟‘08137’有3个以上连续字符(如在这个字符串中,有3个这样的组合:‘081’、‘813’、‘137’)相同的关键字所在行及其相关记录就是这个查询的合乎条件的包括含有5个相同连续字符在内的精确结果的近似查询结果。
下面的SQL存储过程就可以实现这一近似查询:
运行这一存储过程得到的符合条件的近似查询结果如图1所示:
3 结束语
统计估计和近似匹配技术在关系数据库的应用领域越来越流行,本文研究了关系数据库系统的非数值关系数据的近似匹配方法。近似匹配查询的关键字条件并不一定能跟数据表中存储的相关属性精确匹配,但可在一定的相似度下匹配,返回一系列合乎条件的近似结果。下一步的工作需要进行关键字的近似匹配简化。
参考文献
[1]HAAS P J, NAUGHTON J F, SESHADRI S, et al.Selectivity andcost estimation for joins based on random sampling[J].JournalCompute System Science, 1996 (3) .
[2]ACHARTA S, GIBBONS P B, POOSALA V, et al.The Aqua Ap-proximate Query Answering System[C].Proceedings of the ACMInternational Conference on Management of Data, 2009.
[3]朱永松, 国澄明.基于相关系数的相关匹配算法的研究[J].信号处理, 2003 (6) .
近似数教案 篇5
教学内容:小学数学苏教版四年级上册 教学目标:
1、让学生知道近似数的含义,并会根据要求用“四舍五入”的方法省略一个数的尾数,写出它的近似数。
2、在认识近似数、理解近似数的过程中培养学生的估算意识,发展学生的数感。
3、通过选择社会、自然和科学知识中的数量信息,拓展学生的知识视野,培养学生数学学习的积极情感,体现数学的文化价值。
教学重难点:用“四舍五入”的方法求一个数的近似数 教学过程:
一、谈话导入,揭示课题。
谈话:同学们,马老师今年大约30岁了,那你能猜一猜马老师可能是多少岁吗?你为什么猜28岁或32岁,怎么不猜21岁、39岁呢?
谈话:同学们真聪明!那马老师这儿有一些数,你能说说它们各接近多少吗?(课件出示)
208
605
199
298 谈话:咱们6班的同学可真棒,说的真好。那像这样与实际比较接近的数我们把它们叫什么数呢?(生答:近似数)板书:近似数
【设计意图】通过猜年龄,吸引学生的注意力,调动学生学习的积极性和主动性,活跃课堂气氛,同时也自然地衔接到本节课的教学内容中来,引出课题。让学生感到比较亲切。
二、认识近似数
1、欣赏图片,读中感悟(老师这儿有几幅图片,同学们仔细看哦)
出示例题信息(读中感悟近似数)
提问:图中画线的4个数中哪些是近似数?你是怎么看出来的? 组织讨论,引入准确数、近似数的概念
板书:与实际完全符合的数叫准确数,与实际比较接近的数叫近似数。
【设计意图】用学生熟悉的生活场景介绍近似数和准确数,让学生感受到数学就在我们身边,唤起学习的欲望。
2、生活中再认识
谈话:生活中的许多数量是用近似数表示的,你在哪见过?能向大家介绍一下你收集来的近似数吗?
适时评价:原来咱们生活中的近似数还挺多的嘛!那老师这儿也给大家准备了一些数,想请同学们帮我分一分谁是准确数,谁是近似数,愿意帮忙吗?
3、读数,判断近似数 出示 “想想做做”第1题(1)实验小学共有学生1439人。
(2)到2004年末,全国共有医院、卫生院约62000个。(3)沪宁高速公路全长约274千米,投资近62亿元。谈话:同学们一下就能区分出准确数和近似数了,那我们回头看一下,刚才我们是怎么找一个数的近似数的?(接近法)你能用这种方法来找找下面题中的近似数吗?
【设计意图】在学生初步感知近似数的基础上,再次出示大家所熟悉的场景,让学生进行判断,加深对近似数的认识。
三、探索求一个近似数的方法
1、求近似数
出示例题:男性和女性各接近四十几万?怎样改写成近似数的?(学生讨论,说说怎么求的,近似数是多少,教师在黑板上板书)
2、小结改写方法,提出“四舍五入法”
谈话:今天马老师将给同学们介绍一种新的求近似数的方法,那就是“四舍五入”法(课件出示)到底什么是“四舍五入”法呢?请同学们看课本96页,把你看到的和同桌说一说。(学生自学课本,小组讨论,集体交流时课件出示定义。)【设计意图】让学生分组讨论交流,强调了学生的自主学习,注重了学生内化知识的过程,让每个学生都体会到学习的乐趣。
谈话:那你能用“四舍五入”法重新完成这道题吗?应该怎么做?那你觉得哪种方法好?在用“四舍五入”法时要提醒大家注意什么?马老师也有一个小小的友情提醒。(课件出示)
3、练习巩固
“想想做做”第2题
指名读题,说说什么叫“省略最高位后面的尾数”。
谈话:刚才的题目比较简单,老师这里还有一道更难得,敢不敢接受挑战?
4、以“万”或“亿”作单位 出示试一试,学生尝试自己完成。
谈话:还有其他表达方式吗?哪种表示法好呢?
【设计意图】通过引导学生观察比较,找出表示方式的异同。
四、知识深化
谈话:下面我们就来比比谁最棒。(课件出示练习)
1、“想想做做”第3题和第4题
谈话:这些题目都没难住你们,不行,马老师不服气,一定要考倒你们。请看大屏幕(出示“想想做做”第5题)
2、“想想做做”第5题
学生独立思考
教师适时点评 总结语:刚才我们是用什么方法求近似数的?你学会了什么?用“四舍五入”法求近似数时要注意什么?
3、思考题:据英国一家名为《自然》的杂志报道,全球昆虫大约还剩500万种了。同学们,你能猜一猜,全球昆虫可能是多少万种吗?
(首尾呼应)
【设计意图】通过由浅入深的练习,让学生加深对近似数的认识,进一步体会、理解近似数的意义。同时让学生感受到数学在解决实际问题时的价值和作用,练习的设置密切联系学生的生活,培养学生生活中的数学意识。
五、课堂总结 谈话:同学们,看到你们今天的表现,老师非常开心。那谁愿意来说一说,通过这节课的学习,你有什么收获呢?咱们的生活中还有哪些地方会用到近似数呢?
【设计意图】让学生用自己的语言对所学的知识进行总结,既让学生巩固了所学的知识,又培养了学生的归纳概括能力。让学生找找生活中的分数,给学生的自主学习提供了空间和舞台。
六、教学反思
本节课以学生的发展为本精心设计,学生不但学到了知识,而且合作能力也得到了发展。
首先,我创设猜年龄情境,符合学生的心理特点,并充分利用现代化教学手段,变静为动地创设了学生所熟悉的生活情境,有效地激发学生的探究欲望。同时,在“试一试”之后紧接着安排2道练习,以加深学生对近似数的理解。
其次,我注意让学生将独立思考与合作交流相结合,给学生创造充足的思维空间。在提出探究问题之后,先让学生互相讨论,再进行全班交流。学生在交流中学会用语言表达自己的想法,进一步理解近似数的意义及求近似数的方法。
几组近似词辨析 篇6
这一对词的意思并不一样。anyway和anyhow同义,但前者多用于美国英语,后者多用于英国英语。anyway在句中用作副词和连接词,意为“无论如何;不管怎样”,相当于in any case和at any rate。例如:
Anyway,we can try.不管怎样,我们可以试试看。
I will not change my mind anyway.无论如何我都不愿意改变我的想法。
“I can give you a lift if you wait.”—“No,I’ll walk. Thanks,anyway.”“如果你等一下,我可以开车送你去。”——“不用了,我步行好了。谢谢你(尽管我不坐你的车)!”
Any way的意思是“任何方法;任何方式”,way是名词,any是修饰它的定语。例如:
He could not find the way to the village in any way.他怎么也找不到那条通向村庄的路。
I cannot manage it any way.我无法做到此事。
2. as well as与as well
作为习语用作介词时,as well as的涵义是“还有;不但……而且……”。值得注意的是,在A as well as B的结构里,语意的重点在A,不在B。因此,“He can speak Spanish as well as English.”的译文应该是:“他不但会说英语,而且会讲西班牙语”,决不能译作:“他不但会说西班牙语,而且会讲英语”。如果这样翻译,就本末倒置了。as well as和 not only... but also...同义,但前者的语意重点和后者的语意重点恰好颠倒。
如果 as well as用作连词引出比较从句,则意为“和……一样好”。因此,“He speaks Spanish as well as English.”应译作:“他说西班牙语和说英语一样好”。语意的重点依旧在前部,不在后半部。
请注意as well as的以下用法:
She called on you as well as I.不但我来看你,她也拜访了你。
She called on you as well as me.她不但拜访了我,也拜访了你。
在下列句中,as well as表示“像……一样”:
She as well as you is an English teacher.她像你一样也是英文教师。
这里的谓语动词用is,不用are,因为句中的主语是she,不是she和you。
As well则是副词短语,其义为“也”,相当于too,它一般放在句末,有时和连词and或but搭配使用。例如:
He is a worker,and a poet as well.他是工人,也是詩人。
China possesses enormous quantities of coal and is rich in other minerals as well.中国拥有大量煤炭,其他的矿藏也很丰富。
3. asleep与sleeping
这两个词都表示“入睡;睡着”,但用法各异,主要区别有以下几点:
asleep是表语形容词,在句中放在动词之后;它不能放在名词之前,例如我们不可以说:Look at the asleep baby,应把asleep改为sleeping。例如:
She was fast asleep;I couldn’t wake her up.她睡得很熟,我喊不醒她。
The old man has fallen asleep.那个老人睡着了。
sleeping 是定语形容词,它放在它所修饰的名词之前,如the sleeping baby。例如:
Who is that sleeping man?那个在睡觉的人是谁?
Let sleeping dogs lie.莫惹事生非。
sleeping一词有构词能力,它能和另一些词构成复合名词。如:sleeping-bag(睡袋);sleeping-car(卧铺车);sleeping-pill(安眠药);sleeping-sickness(昏睡症);sleeping-partner(不参与经营的匿名合伙人)。
sleeping有一近义词,即sleepy。sleepy既可作表语,又可作定语。作表语时意为“困倦;想睡觉”,用作定语时意为“贪睡;寂静的”。例如:
The children fell sleepy;put them to bed.孩子们困了,把他们放到床上睡吧。
Here are the outskirts/suburbs of Kowloon.Do you like this sleepy valley?这里是九龙的郊区。你喜欢这寂静的山谷吗?
4. at ease与with ease
这两个介词短语的词义范围和使用场合并不相同。at ease的意思是“安逸地;安心地;自在地”(feeling confident or relaxed),其反义短语为ill at ease;with ease的意思是“轻松地;容易地”(easily or without difficulty)。
就使用场合而言,at ease既可作表语,又可作状语;with ease只能用作状语。例如:
The old couple are now quite at ease as their son is out of danger.这一对老夫妻现在可以安心了,因为他们的儿子已经脱离危险。
With good social security,the aged can live at ease.有好的社会保障,老年人都过得很安逸。
I don’t know why he is ill at ease.我不知道为什么他心神不宁。
They fulfilled the task with ease.他们轻松地完成了任务。
Everyday we marched twenty miles with ease.每天我们毫不费力地行进二十英里。
注:stand at ease是军事术语,意为“稍息”;take one’s ease意为“休息”或“无拘无束”。例如:
The soldiers are standing at ease now.士兵们现在在立正稍息。
We are now taking our ease.我们现在是优哉游哉。
Please sit and take your ease while enjoying a cup of coffee.请坐下来舒舒服服地喝杯咖啡。
5. at heart与by heart
这一组短语的涵义也各不相同。
At heart 的意思是“在心里;心底里”或“本质上”(from the heart,from the bottom of one’s heart or essentially)。by heart 的意思是“背诵;熟记”(by rote;to learn so well that one can remember it perfectly)。例如:
That socialite is a rascal at heart.那個知名人士实质上是个坏蛋。
A councillor should have the collective interest of society at heart.议员应当关心大众的利益。
Mr Wang looks stem,but he is kind at heart.王先生看来严肃,但实质上他很仁慈。
I know this poem by heart.我能背诵这首诗。
I don’t see the point of learning by heart all the dates in the history book!我真不明白为什么要把历史书里所有的日期都记下来!
请注意下列短语的意思:
in one’s heart of hearts 在内心深处
take something to heart 认真考虑/关注某事
set one’s heart on something 决心做/得到某事/物
cut(or touch)sb to the heart 触及某人痛处
one’s heart is in something 把整个心放在某事上
与此类似区别的词语有:
in demand 非常需要的,受欢迎的
on demand 一经要求
at fault 有过失的;有错
近似方法 篇7
关键词:非经典阻尼,强迫解耦,瑞利阻尼,对比分析
0前言
对于运动方程的求解往往阻尼矩阵处理比较困难,可以采用强迫解耦法、瑞利阻尼、迭代法等近似方法求解,强迫解耦法是通过忽略阻尼矩阵的非对角元素来达到解耦的目的。瑞利阻尼是将阻尼矩阵看作质量矩阵和刚度矩阵的组合来对运动方程进行处理[1]。也可以采用精确的复模态法进行求解,但复模态法是扩阶算法,求解运算量往往比较大,故往往采用近似算法来对运动方程进行求解,通过近似处理将多自由度运动方程化为多个单自由度运动方程来进行求解,因为求解N个独立的方程比求解一个N阶联立的方程组要简便的多[2]。
1结构模型和运动方程的建立
1.1运动模型
根据运动模型建立运动方程,结构参数为,结构底层质量为m1,刚度为k1,阻尼为c1,结构顶层质量为m2,刚度为k2,阻尼为c2,由动力平衡列运动方程。
1.2运动方程
写成矩阵形式为:
2强迫解耦法求解运动方程
振型和自振频率满足方程Ki=ωi2Mi,ωi2和i(i=1,2)分别为体系频率方程的特征值和相应的特征向量[3]。
通过坐标变换式{x}={}q式子可改写为:
令D=Λ+B,矩阵A为D的对角线元素所构成的对角矩阵Λ=diag(2ξ1ω1,2ξ2ω2),矩阵B为将矩阵D对角线元素看作零后所得到的矩阵。忽略式子中含B的部分,即忽略了式子中的速度耦联项[4],而把阻尼矩阵近似看作是对角阵。设上式的解为qn。
从而将两个耦合的运动方程解耦为两个单自由度的运动方程,从而可以利用duhamel积分来求解为:
3采用瑞利阻尼来求解运动方程
由于阻尼矩阵是非对称的非经典阻尼,故采用瑞利阻尼使运动方程得以解耦,将两个偶联的运动方程化为两个单自由度的运动方程[5]。
在(3)式中将阻尼矩阵表示为C=α1M+α2K,式中,α1和α2为与结构体系有关的常系数。则(3)式可化为:
将x(t)=Xq(t)代入(7)式,同时(7)式左侧乘以振型矢量XjT得
上式可化为:
上式可化为:rj=
令(9)式中α1+α2ωj2=2ξjωj则(9)式可化为:
上式中,ξj称为对应于第j振型的阻尼比,系数和课通过体系第一振型和第二振型的频率及阻尼比确定:
式中,γj称为结构体系第j阵型参与系数,它满足关系式[6]
4算例
某两层的钢筋混凝土结构,结构的各层特性参数为:
第一层到第三层质量m分别为m1=3.0×105kg,m2=2.8×105kg,第一层到第二层质量k分别为k1=7.98×107N/m,k2=6.8×107N/m,地震波采用200gal EI Centro波,采样周期为0.02 s。
5结论
通过对算例分别运用强迫解耦法和瑞利阻尼法进行比较分析,且与精确的复模态法进行比较可以得出,用强迫解耦法得到的底层位移最大值的相对误差为7.12%,用瑞利阻尼法得到的底层位移最大值的相对误差为12.05%,用强迫解耦法得到的顶层位移最大值的相对误差为1.07%,用瑞利阻尼法得到的顶层位移最大值的相对误差为2.50%,从而可以看出,强迫解耦法是一种计算比较简便且精度满足要求的计算方法,故在多层结构的动力反应分析中建议使用此种方法。
参考文献
[1]周锡元,阎淮明,杨润林.建筑结构的隔震、减震和振动控制[J].建筑结构学报,2002,23(2):2-12.
[2]欧进萍,吴斌,龙旭.消能减震结构的设计[M].北京:中国建筑出版社,2005.
[3]周云.粘滞阻尼减震结构设计[M].武汉:武汉理工大学出版社,2006.
[4]李宏男,李忠献,祁皑,等.结构振动与控制[M].北京:中国建筑工业出版社,2005.
[5]方同.工程随机振动[M].北京:国防工业出版社,1995.
近似方法 篇8
掘进巷道是一个独头巷,通风回路不完整,稀释和排除有害气体和粉尘依靠局部风机和风筒组成的局部通风系统[1]。随着掘进巷道长度、巷道断面积等因素发生变化,掘进巷道局部需风量也发生变化,为满足工作面需风量,须在局部通风系统中选取合理通风方式及局部风机,而局部风机性能高低决定风机选择是否合理,若想了解局部风机性能,则须掌握局部风机实际特性曲线。
目前对风机特性曲线的处理方法主要有最小二乘拟合法与插值函数逼近法。文献[2,3,4,5,6]采用正交函数、正反相切抛物线法等方法对风压曲线、功率曲线及效率曲线进行整体拟合。文献[7,8,9,10,11,12,13]基于最小二乘原理对风机特性曲线进行拟合,从相关系数等角度对拟合曲线进行检验,说明拟合次数并非越高越好。目前研究大多集中在对局部风机数据的精确性检验上或在局部风机整体曲线的处理方式上,对如何处理风机稳定运行状态下实际特性曲线的研究较少,对选取局部风机型号及预测局部通风达到工作面风量的研究更少,说明本文具有一定创新性。
鉴于此,本文针对仅了解局部风机风量及风压范围这一现状,提出使用拉格朗日一次线性函数代替局部风机稳定运行区域内实际特性曲线的方法,再结合风阻曲线得到风机工况,并论述了这种方法在局部通风方式中的应用。
1 局部风机特性曲线的近似解法
1.1 特性曲线近似解法处理原则
在实际应用中,局部风机稳定工作需满足两个条件:①工作效率需在60%以上,如图1中效率曲线IV与风机特性曲线I交点n'所示以上部分;②风机工作风压应低于额定风压的90%,如图1中风机特性曲线I上的m'点。
在此区域(风机稳定工作区)内,风机特性曲线能够近似看成一条直线,因此可采用一次函数替代。由于图1中m'和n'点处的坐标值不方便准确给出,因此使用厂家提供的技术参数m和n来代替,同时采用曲线III与直线II交点(hf,Qf)代替曲线III与I的交点(hf',Qf'),接下来在已知风压的条件下求解风量并判断风量是否满足要求。
I-理论风机特性曲线;II-插值函数;III-风阻曲线;IV-效率曲线;m,n-理论参数;m'-0.9倍风压极大值;n'-效率η≥60%;(h',Q')-理论工况点;(hf,Qf)-近似工况点
设风机风压范围为(hmin,hmax),风量范围为(Qmin,Qmax),风机工况点为(hf',Qf'),根据图1,直线斜率近似等于工况点(hf',Qf')与(hmax,Qmin)连线的斜率,即
1.2 近似解法精度检验
与处理整段风机曲线不同,本文仅处理风机稳定运行区域内曲线。文献[4]提出风机特性曲线最佳拟合次数为五次,根据表1中三台风机原始数据,拟合得到风机1的五次函数(限于篇幅,风机2、3拟合函数不再列举,且在不影响结果的前提下适当处理方程有效数字)为:
式中:q为风机风量,m3/s;h为风机风压,Pa。
上述风机均稳定运行,风压满足在额定风压最大值的90%内。根据风机1风量及风压起始点,计算得到一次插值方程为(风机2、3插值函数不再例举):
已知风量可根据式(2)与式(3)分别算得两组风压值,为衡量两方程算得数据的吻合程度,求出各自结果的判定系数R2,结果如表2。
由表2可知,一次插值函数与五次拟合函数的判定系数较为接近,且都很接近1(说明拟合效果好)。文献[4]针对完整风机曲线进行拟合,结果虽更精确,但避免不了高次曲线容易发生振荡的现象。这里使用一次函数来代替风机特征曲线,仅针对风机稳定工作区域进行拟合,既简单快速又较为准确,实用性较高,且避免了高次拟合曲线出现振荡的缺陷。
1.3 局部通风机工况确定及选型原则
基于式(1)所述近似原理,对一独头掘进巷道中局部风机做实际研究,确定风机工况及给出判断风机型号是否满足条件原则。设独头掘进巷道长度为L,满足工作面需风量下的风机风压为hr,对应工况点为(hr,Qr)则
式中:α为风筒摩擦阻力系数,N·s/m4;L为风筒全长,m;d为风筒直径,mm;ρ为空气密度,kg/m3;S为风筒断面积,m2;ξin(ξbei、ξon)为风筒入口(拐弯、出口)局部阻力系数;pi为风筒漏风备用系数。
将Qf代入到式(1)中,算得风机工作风压hf,若hf>h需,则风机能力能够满足需要,反之则需更换更大能力的风机。综上,建立风机选型约束条件为:
式中:Qf为风机工作风量,m3/s;h为工作所需风压,Pa。根据式(5)进行风机选型可满足需风要求。
2 既定型号局部风机风量预测方法
2.1 风筒出口风量预测
由图1可知当风机稳定工作时,采用一次拉格朗日插值函数代替局部风机特性曲线,同样与阻力曲线存在交点,hf趋于hr,该点即为风机工况点,再分别对hf和hr联立求解,得到阻力-压能平衡方程如式(6):
式中:hf为风机工作风压,Pa;Qf为风机工作风量,m3/s;Qmax、Qmin分别为风机最大、最小工作风量,m3/s;hmax、hmin分别为风机最大、最小工作风压,Pa;R为风筒风阻,N·s2/m8;Q为工作面有效风量,m3/s。联立方程组(4),得到关于风机工作风量的特征根解,如式(7):
按照该法可以对既定风机的供风能力进行评估,在现有风机满足工作面用风需要的条件下,选择经济有效的风机,从而节约设备资源。
2.2 局部风机风量预测效果检验
现有某矿局部通风系统,风筒全长为490 m,风筒直径为800 mm,每节10 m,共48个接头,风筒有两处90°拐弯,FBDNo6/2×15 k W型局部通风机主要技术参数如表3。
据实测得,L=490 m,d=800 mm,S=5.03 m2,ρ=1.2 kg/m3,α=0.003 2 N·s/m4,ξbei=1.2,ξon=1,ξin=0.5,η接=0.005,计算得到pi=1.316,将上述数据带入到式(1),算得R=47.78 N·s2/m8。根据式(7)得Qf=394 m3/min,实测风筒出口风量为Q测=354 m3/min,两者较为接近。因此,该风量预测方法较为可靠,可用来估测风机送达工作面的有效风量,且能够根据式(6)近似确定风机工况。
3 一次插值在长距离掘进通风中的应用
在目前的长距离掘进通风中,避免不了粉尘、污风循环等问题(煤矿井下存在瓦斯等危害性气体),单纯增加矿用主通风机能力并不能解决这些问题。因此,钻孔通风、风库中转通风等方式开始用于长距离掘进通风中,如图2所示,其中两种通风方式均涉及到局部风机的存在[15]。
1-钻孔风机;2-密封混凝土;3-通风钻孔;4-柔性风筒;5-中转风库;6-中转风机;7-掘进工作面;8-运输斜坡道;9-地表;10-斜坡道入口;11-风库;12-局部扇风机;df-风机直径;dz-钻孔直径
而采用一次线性插值代替风机稳定运行区曲线,对于钻孔通风与风库中转通风中技术参数的确定均具有启发性作用。
3.1 钻孔位置对通风有效性的影响
为实现通风有效,即保证底部中转风机到达工作面的有效风量Q1能够满足工作面的风量需求Q2,在对钻孔位置进行调整时,应对各级风量进行估计,至少应保证Q1=λQ2,(λ一般为1.2~1.5,这里取1.2)。在钻孔通风方式中,钻孔的长度、直径均为影响送达用风地点有效风量的重要因素,在式(7)的基础上,可推论出钻孔通风上级风机有效风量随钻孔长度、直径的变化关系式(8)(上、下级相似,不再赘述):
式中:hmax-1、hmin-1为上级风机最大、最小风压值,Pa;Qmax-1、Qmin-1为上级风机最大、最小风量值,m3/s;Rz(dz,Lz)为风阻,N·s2/m8;dz为钻孔直径,m;Lz为钻孔长度,m;pi为底部中转柔性风筒漏风备用系数;Qf1为底部中转风机工作风量,m3/s。
分析式(8)可知,相对于提高风机能力和缩短通风距离,调整钻孔直径、长度更能有效的改变钻孔通风效果,更容易满足风量需求。
3.2 风库中转位置确定方法
对于风库中转合理位置的确定,前人提出在总掘进长度的2/5处构筑风库,将风库中的中转风通过局部风机送到工作面,该说法并没有给出风库位置选定的严格证明过程。为保证利用风库进行有效通风中转,上、下级风机工作风量应满足Qf1=λQf2(Qf1,Qf2为上、下级风机工作风量,λ取1.2)。在式(7)的基础上,得出风库上、下级风机风量与风筒长度关系如式(9)所示(上、下级相似,不再赘述):
式中:hmax-1、hmin-1为上级风机最大、最小风压值,Pa;Qmax-1、Qmin-1为上级风机最大、最小风量值,m3/s;R100-1为百米风阻,N·s2/m8;L1为风筒长度,m;p01为底部中转柔性风筒漏风备用系数;Qf1,上级风机工作风量,m3/s;Q1,上级风机工作达到工作面的有效风量,m3/s。
分析式(9)可知,若已知长距离掘进巷道总长度,为满足上、下级风机风量通过风库合理中转,根据上、下级风量比,能够得出上、下级风筒的长度,即得出风库(风机)的合理布置位置。
4 结论
1)对于局部风机的选型,利用一次线性插值函数代替局部风机稳定工作区域的特性曲线,在满足根据需风量计算得到的理论风压须大于该需风量对应风筒阻力值的基础上,对插值结果进行检验,结果较为精确。
2)对于既定局部风机的风量预测,经实际验证,计算得到的理论风量与实测风量相差较小,表明本文的预测方法比较可靠,可以用于已有局部风机的送风效果预测。
3)本文提出的掘进面局部风机选型及风量预测方法对于矿井局部风机通风动力的选择具有实际参考价值,特别是长距离掘进通风中的钻孔通风(直径、长度)以及风库中转通风(上、下级风筒长度),通过调整钻孔直径、长度及上、下级风筒长度等参数以达到满足通风条件下的经济最优化。
摘要:针对目前局部风机特性曲线很难得到或应用而导致局部通风研究受限问题,提出一种根据局部风机风量及风压范围近似求解风机特性曲线的方法。该方法采用一次线性插值函数代替风机特性曲线函数,结合风阻特性曲线得到风机工况。基于该方法可进行局部风机选型或预测既定型号风机工况点及风筒出口风量,同时可确定长距离掘进通风中钻孔通风有效风量与钻孔长度、直径的关系,也可确定风库中转位置与风筒长度的关系。应用分析结果表明:用一次函数代替稳定区域风机特性曲线函数不仅简单方便,结果较精确,且方法可靠、实用性高。
近似方法 篇9
1 数学原理
令S=S[δ (φ) ], 表示平面六连杆机构的直线运动函数, δ=δ (φ) 表示前四杆机构的位移函数, S=S (δ) 表示后四杆机构的位移函数。让输入 (主动) 构件做匀速运动, 角位移为φ。对平面六连杆机构的直线运动函数取角位移φ的一至三阶导数得到
使公式1符合特殊点的速度比要求, 让公式2和公式3在相应的点等于零, 因此得到该结构的设计方程式。
下面就是一个根据该原理所设计的一个平面六杆机构, 但由于篇幅有限只简述。
2 平面六杆近似等速比机构的设计
在图1中, 曲柄摇杆机构的位移方程为
从公式4和5中消去λ, 引入系数k A、k B和k C分别为
分别得到摇杆3角位移方程和角位移δ为
从公式4和5中得到角位移λ为:
从前面的6个公式中得到正切机构的线性位移为:
对公式4和5进行一阶微分, 得到dδ/dφ和dλ/dφ为
对公式4和5进行二阶微分, 得到d2δ/dφ2和d2λ/dφ2为
对公式4和5进行三阶微分, 得到d3δ/dφ3和d3λ/dφ3为
对公式9进行一、二、三阶微分, d S/dδ, d2S/dδ2和d3S/dδ3的结果如下:
继而在φ=π/2位置时, 公式1到3可分别化为如下:
当φ=π/2位置时, 假设d3S/dφ3=0, 那么a和c之间的关系为a2=c2/3.
这种关系不仅简单, 而且近似等速比只与h有关, 因此等速比公式可以简化为
近似速度V可表示为
由公式20可知, 当确定V后, 按照要求选择h, 输入角速度ω1就被确定了。
3 平面六杆近似等速比机构的传动特性
在图1中, 若h=0.65m, V=8m/s, 则ω1=1.732V/h=1.732×8/0.65=21.317 m/s。若c=0.3m, b=0.4 m, 则a=c/1.732=0.3/1.732=0.1732 m, φ0=arctan[ (c–a) /b]=arctan[ (0.30.1732) /0.45]=15.736°, d=b/cosφ0=0.45/cos15.736°=0.4675 m, 则输出行程H=0.956 m。
当V=d S/dt, a=d2S/dt2, q=d3S/dt3时, 该平面六杆机构的传动函数曲线见图2, 输出构件6在φ=π/2的两侧以大约相等的速度比传动。从φ=60°到φ=130°V的相对误差为2.5%。
4 结语
以上数学分析表明, 近似等速比传动机构可通过复合函数进行设计, 该复合函数由两个基础函数组成, 并设置加速度和加加速度都为零的特殊点。该数学原理实现了一种解析设计方法问题, 此设计方法具有普遍性的问题。设计实例表明, 这种设计方法比迭代法简单而且无理论误差。同时传动函数曲线图2表明输出结果是在更大实现近似等速比传动范围。
摘要:该文介绍了一种近似等速比传动机构的设计分析方法。其数学原理是通过两个基本函数所产生的复合函数, 使它的一阶微分等于在特殊点的一个指定常数, 然后复合函数的两到三阶导数均为零, 从而得到一个代数方程, 并用此方法确定机构尺寸。该原理不仅建立了一个近似等速比传动机构的新设计方法, 而且得出近似等速比的公式。并列举一个设计实例表明该计算方法更简单, 传动特性比优化方法更好。
关键词:设计分析方法,近似等速比,传动特性,应用
参考文献
[1]刘德庸, 黄真.综合连杆机构再现一阶和零阶传动函数[J].东北重型机械学院学报, 1994 (3) :209-213.
[2]周双林, 邹慧君.混合输入五杆机构运动性能的分析[J].机械设计与研究, 2001 (1) :31-33, 7.
[3]钱志良, 苏桂生.曲柄摆杆型六杆全程函数机构的综合[J].机械设计, 2001, 18 (11) :24-26.
[4]徐梅.串联式外槽轮机构[J].高教研究:西南科技大学, 2000 (1) :34-37.
[5]曹清林.对称连杆曲线驱动槽轮机构[J].机械设计, 1998 (7) :32-35.
[6]顾淑华, 耿谦.椭圆齿轮在槽轮机构中的设计应用[J].机械设计, 2009 (8) :53-56.
[7]王洪欣.基于转动导杆的齿轮机构与正弦机构组合的近似等速比机构设计[J].机械设计, 2007, 24 (6) :37-38.
[8]王洪欣, 杨修德, 刘玉宝.一种近似等速比传动的平面六杆机构的设计原理[J][J].机械传动, 1999 (3) :21-22.
近似方法 篇10
滚动轴承是旋转机械常用的部件,其故障信号往往呈现为非线性和非平稳信号。故障诊断过程的两个重要环节是特征提取和故障识别。
常用的特征 提取方法 有短时傅 里叶变换 (STFT)、Wigner-Vill分布、小波变换和经验模式分解(EMD)等[1]。STFT适用于平稳信号 的分析,且无法同时获得较高的时间分辨率和频率分辨率[2]。Wigner-Vill分布法有着较强的时频聚焦能力,但容易受到固有交叉 干扰项的 影响[3]。 小波变换在诸多领域取得了成功应用,但预先确定小波基函数后,整个过程的数据分析就必须经由它来实现,其本质是非自适应的[4]。EMD可以把信号分解 成若干本 征模函数 (intrinsic mode function,IMF),得到非线性非平稳信号的时频谱图,但当信号发生间断或跳跃性变化时,分解后将存在严重的模态混叠问题[5]。掩蔽经验模式分解 (masking empirical mode decomposition, MEMD)法在原始信号中加入一个频率已知的掩蔽信号(masking signal)再进行经验模式分解,可以有效抑制模态混叠现象[6]。
互近似熵 (cross approximate entropy, cApEn)是近似熵的改进,能定量描述时间序列的不规则性和复杂度,更能体现信号的动力学特征, 且具有计算所需数据短、适用范围 广等优势[7]。 通过分析不同运行期间熵值的相对变化,能够更直观体现设备的运行状况。
模糊C均值聚类(fuzzy C-means clustering, FCM)依据隶属度将数据集的元素分别赋予不同类别记号进行聚类,因此计算相对简单,聚类效果良好,在图像处理、模式识别和机械故障诊断等领域得到广泛而有效的应用[8]
1信号的MEMD分解
EMD把复杂信号分解成若干IMF分量,每个IMF分量只含一个主频率成分。实际采集到的信号中,相邻的频率成分比较接近时,就容易受到噪声干扰,分解结果往往存在模态混叠现象[9]。
MEMD与EMD的分解过程 均是逐次 提取信号中频率相对较高的成分。MEMD采用向原始信号中添加一个掩蔽信号的方法,实现对模态混叠的抑制,提高分解精度[10,11]。由掩蔽信号的特性及其求解过程可知,掩蔽信号的频率大小是可以确定的,且高于原始信号的最高频率。通过引入掩蔽信号,MEMD能够有效解决模态混叠问题。再通过加减两次分解的分量取均值可以消除掩蔽信号对IMF分量的影响,进而获得良好的分离效果。
为了便于分析,设信号为
式中,a1、a2为信号幅值;f1、f2为信号频率。
采样频率fs远远大于信号频率f1和f2。
掩蔽信号为
式中,az为掩蔽信号幅值;fz为掩蔽信号频率。
确定参数az、fz即可获得掩蔽信号z(t)。
基于EMD算法,MEMD算法的步骤如下:
(1)计算掩蔽信号的幅值az和频率fz,求取掩蔽信号。首先对原始信号x(t)进行一次经验模式分 解,对得到的 第一阶IMF分量进行Hilbert变换,得到各采 样点对应 的瞬时幅 值aIMF1(i)和瞬时频率fIMF1(i)(i=1,2,…,n;n为采样点数),则掩蔽信号的幅值和频率分别为
(2)将求得的掩蔽信号z(t)添加到原始信号中,得到两个新的时间序列:
再次利用EMD分别对这时间序列x+(t)和x-(t)进行分解,得到IMF分量y+(t)和y-(t)。
(3)定义最后所取的IMF分量为
为了验证算法的有效性,现取a1=a2=1,采样频率fs=1024Hz,f1=177.6Hz,f2=100Hz, 显然f2/f1>0.5,按照上述理论,EMD的结果会存在模态混叠现象;经计算,掩蔽信号的幅值az= 1.60,频率fz=261Hz。向原始信号中添加掩蔽信号,对新的信号再次经验模式分解,即对信号x(t)进行掩蔽经验模式分解,图1所示为信号经MEMD后得到的各个IMF分量。
由图2可见,EMD得到的IMF1分量不仅包含了177.6Hz的频率成分,还包含了部分100Hz的低频成分,明显存在 模态混叠;MEMD后的IMF分量很好 地解决了 模态混叠 问题,说明MEMD法具有抑制模态混叠的优越性。
2互近似熵算法
互近似熵是近似熵的改进方法,表征时间序列间的互相关程度,更能体现信号的内在特性。 互近似熵用于度量信号产生新模式的概率,是一种衡量信号特 征的非负、量纲一的 指标,cApEn越大,时间序列的非周期性越明显,复杂度也越大。cApEn基于相空间重构,通过计算两个m维向量间的距离,并统计满足容限阈值的距离的个数求取,其中,m为嵌入维数[12?13]。对于一个n点时序{x(k)},k=1,2,…,n,互近似熵算法的基本步骤如下:
(1)对时间序列进行相空间重构,得到一组m维矢量[y(i)],i=1,2,…,n-m+1,取如下两个矢量:
(2)计算上述Yi与Yj间相应元素的差值,其中的最大差值记作两矢量的距离:
(3)依据设定的阈值r(r>0),对全部i、j统计D(y(i),y(j))<r的个数Nm,r,并计算Nm,r与矢量总数n-m+1的比值:
(4)矢量Yi与Yj之间的互相关程度记作
(5)同理,当这两个矢量的嵌入维数变为m+ 1时,可计算它们之间的互关联程度Ωm+1,r(y(i), y(j))。于是,得到时间序列的互近似熵值:
互近似熵值与嵌入维m、数据点n和阈值r等参数有关,一般m取2或3,n取500~5000内的整数值,阈值r可取0.15~0.25之间的值。本文已预先对 全部 [y(i)]进行了标 准化处理,即y′(i)=(y(i)- Mean(y))/Std(y),其中,Mean(y)、 Std(y)分别为时间序列的均值和标准差。
互近似熵所需数据较短,算法容易实现,且对突变产生的瞬态干扰有着较强的承受能力。将互近似熵和MEMD方法相结合,提取的机械故障特征向量能够有效地反映出故障信号的不规则性和复杂度等非线性特征。
3FCM算法
Jq(W,P)越小,样本点与聚类中心的聚集越紧凑。FCM算法通过寻求这样一组聚类中心,使各样本点到其聚类中心的加权距离平方和达到最小。式(14)的极小值可以通过拉格朗日乘子法求得,预先给定收敛阈值ε >0,简单迭代满足阈值要求即可停止,最终求得隶属度矩阵W和聚类中心P。
为评价聚类效果的有效性,利用平均模糊熵和分类系数两个指标进行评价[16]:
其中,wij为隶属度矩阵W的元素。平均模糊熵E越接近0,分类系数C越接近于1,聚类效果越好。
4实验验证
以SKF6205型深沟轴承数据作为研究对象, 分别选取滚动轴承内圈的无故障、轻微故障(故障直径0.07mm)、中等损伤(故障直径0.14mm)和严重磨损(故障直径0.21mm)四种状态下的振动数据。设定电机转速为1797r/min,负载为1.47 kW,采样频率为12kHz,每种数据样本点为1200个。
首先对上述4种故障信号进行掩蔽经验模式分解,内圈中等损伤故障信号的分解结果见图3, 信号被分解成8个IMF分量和1个残余分量,频率依次从高到低分布。
为了进一步说明MEMD方法在抑制模态混叠问题上的优越性,求取轴承内圈中等损伤故障信号分别经经验模式分解和掩蔽经验模式分解后的IMF频谱图。从原始轴承内圈中等损伤故障信号的频谱图(图4)可以看出,信号含有的主要频率成分由高到低依次为180Hz、90Hz等。
首先,该信号经经验模式分解后得到一系列的IMF分量。由图5可知,IMF1分量不仅含有180Hz的频率成分,还含有90Hz的频率分量, 发生了模态混叠;IMF2分量的频谱以90Hz频率为主,但明显夹杂了大量的低频成分,分解结果失真。这说明了信号的EMD分解存在严重的模态混叠问题。
该信号经MEMD分解后得到一系列IMF分量,IMF1、IMF2的频谱图(图6)。由图6可知, IMF1分量主要含有180Hz的频率成分,IMF2分量主要含有90Hz的频率成分,很好地抑制了模态混叠现象。进一步验证了MEMD方法能够准确地将原始信号分解成一系列的IMF分量,有效解决了EMD方法的模态混叠问题。
在信号分解的过程中,由于存在噪声干扰、包络线的拟合方法的限制和IMF分量筛分准则的约束等客观因素,故结果中出现虚假模式分量。 这些多余的IMF分量并不体现信号的特征,因此需要选出可以反映原始信号的真实分量。
通过求取各分量的能量得知,前3个IMF分量的能量占总能量的比重达90%,而滚动轴承内圈故障信息在高频段,故前3个IMF分量能够选作原始信 号的主要 组分,所以本文 选取前3个IMF分量进行互近似熵值的求解。选取m=2, r=0.25,对3个IMF分量分别重构求取互近似熵值,依次为 α1=0.8696,α2=0.6775,α3= 0.6257,以此完成故障特征向量的提取。通过同样的方法可以计算出滚动轴承内圈其他3种故障信号的互近似熵值,如表1所示。
这些互近似熵值构成了一个故障特征矩阵:
选取4种状态信号各30组(共120组)作为样本空间,分别计算互近似熵得到特征矩阵X120×3, 输入到FCM进行聚类分析。 设置FCM的参数为:聚类中心数目e=4,停止迭代阈值ε=10-4,经分析处理 得到隶属 度矩阵W120×3和聚类中 心P4×3。P4×3的表达式为
经FCM处理后的聚类结果如图7所示。从图7可以定性地看到,同一种故障类型的30组不同样本数据因为有着相似性而围绕某一标准中心紧致地聚为一类,各自的聚类中心为pj,从而4种类型信号的120组样本被准确地分为4类,实现了故障信号的诊断和识别。
为了进一步说明本文方法用于滚动轴承故障诊断的优越性,分别计算信号经EMD和MEMD后聚类结果的平均模糊熵E和分类系数C,如表2所示,由上述理论可知,平均模糊熵E越接近于0,分类系数C越接近于1,诊断结果越准确。从表2的数据可以定量地分析得到MEMD方法用于轴承故障诊断的有效性和精确性。
5结语
MEMD有效解决了EMD的模态混叠问题, 分解得到的各个IMF分量细化了信号的局部特征,更真实地表征原系统的状态。不同时间尺度对应的IMF分量的互近似熵可以充分体现信号的不规则性和复杂度等故障特征,以此作为特征向量能够直观体现设备的运行状况。结合FCM聚类分析法,从已有故障样本中求得诊断标准,利用同类型故障信号特征的相似性,对多种故障信号进行了分类处理。对工程故障信号的实验分 析,证明该方法能够准确地诊断出滚动轴承的多种故障状态。
摘要:提出了一种基于掩蔽经验模式分解(MEMD)互近似熵及模糊C均值聚类(FCM)的滚动轴承故障诊断新方法。MEMD可以有效抑制经验模式分解存在的模态混叠问题;互近似熵是近似熵的改进,能更好体现信号的不规则度和复杂度。信号经掩蔽经验模式分解后得到一组平稳的本征模函数(IMF),通过能量分析筛选出与原始信号最为相关的几个IMF分量,计算其互近似熵值以作为故障特征向量,能够直观体现设备的运行状况。故障模式识别采用的FCM算法,计算相对简单,聚类效果好。实验分析证明了该方法的优越性。
近似方法 篇11
作为当事者,德国巴斯夫欧洲公司(以下简称“巴斯夫公司”)是世界领先的化工企业,1987年在中国申请注册了“狮马牌”商标;湖北祥云(集团)化工股份有限公司(以下简称“祥云公司”)是国家重点高新技术企业,1999年创立“红狮犸及图”商标,2005年注册,2010年3月被认定为“湖北省著名商标”。
2008年7月,巴斯夫公司以祥云公司注册的“红狮犸及图”商标是对其在先申请注册并享有商标专用权的“狮马牌”商标故意模仿、误导公众为由,向国家工商总局商标评审委员会(以下简称“商评委”)提出了注册商标争议申请。
2010年4月6日,商评委以两商标文字部分相近,构成类似商品上的近似为由,裁定撤销祥云公司“红狮犸及图”在化肥、复合肥料、磷肥(肥料)及化学肥料商品上的商标专用权。5月底,祥云公司委托上海某商标代理有限责任公司向北京市第一中级人民珐院(以下简称“一中院”)提起行政诉讼。10月22日,该案开庭。11月22日,一中院下达判决书,撤销了商评委对“红狮犸及图”的裁定,要求其对“红狮犸及图”和“狮马牌”的争议重新作出裁定。
原告方认为,“狮马牌”商标的显著部分为“狮马”,被申请商标的后两个字“狮犸”与“狮马”读音完全相同,虽然“犸”与“马”的字形不完全相同,在外观上却是近似的。被申请商标“红狮犸”并没有在含义上与申请人的“狮马牌”商标形成区别,而“红狮犸”与“狮马牌”在读音及文字构成上的相似足以使二者构成近似商标。另外,两商标指定使用的商品属于同一种商品,具有相同的功能、用途、消费渠道和消费者。因此,被申请商标“红狮犸”不能与申请人在先商标“狮马牌”形成区分,同时使用容易引起混淆或误认。
此外,申请人还提出,根据最高人民法院《关于审理商标民事纠纷案件适用法律若干问题的解释》第十条之规定:判断商标是否近似,应当考虑请求保护注册商标的显著性和知名度。巴斯夫公司生产的“狮马牌”肥料早在20世纪初已经进入中国市场,“狮马牌”商标已经具有较高的知名度。巴斯夫公司还称,购买化肥、使用化肥的都是从事农业生产活动的农民,而人所共知的事实是,中国农民的受教育程度平均水平较低,“狮马”与“狮犸”之间的区别对于他们来说或许根本就不存在。基于上述理由,依据《商标法》第二十八条、第四十一条第三款之规定,申请人请求商评委裁定撤销对“红狮犸及图”商标的注册。
被告方则表示,“红狮犸及图”并非固定词汇,而是祥云公司根据企业自身与指定使用商品的特点所独创的臆造词汇,使用在其商标上具有很强的独创性与显著性。而且,“红狮犸及图”商标中的文字为红色繁体字,并为图形和文字组合商标,而“狮马牌”商标中的文字是普通黑色简体字,并为纯文字商标。两商标从字义、字音、字形和整体外观上均不具有可比性,属于完全不同的商标,因此,两商标不构成近似商标,更不构成在类似商品上的近似商标。
判决
北京一中院经审理后认为,对于使用时间较长、已建立较高市场声誉和形成相关公众群体的争议商标,应当准确把握商标法有关保护在先商业标志权益与维护市场秩序相协调的立法精神,充分尊重相关公众已在客观上将相关商业标志区别开来的市场实际,注重维护已经形成和稳定的市场秩序。“狮犸”与“狮马”虽然读音相同,字形近似,但争议商标图形部分显著性较强,其与引证商标整体视觉效果存在较大差异。商评委未就祥云公司提交的产品宣传手册、销售发票等使用、宣传争议商标的证据予以评述,就此判断相关公众是否能够识别商品来源,属于漏审。
据此,北京一中院于2010年11月22日以(2010)一中知行初字第2047号作出《行政判决书》,判决撤销商评委作出的被诉裁定,并要求商评委在判决生效后针对第3783811号“红狮犸及图”商标重新作出争议裁定。
评析
近年来,随着中国企业每年注册商标量的持续高速增长,商标纠纷案件的数量也大幅提高,商标价值越来越被认可,而注册商标间是否构成“近似”,也成了一个较难认定的问题。
正如北京方亚清源知识产权代理事务所总经理邝宪平分析的那样,商标的“近似”是一个非常复杂的问题,行政和司法针对商标近似的裁定、判决各有标准。商标近似的标准主要是参考国家工商行政管理总局商标局和国家工商行政管理总局商标评审委员会制定的《商标审查及审理标准》。但是该标准为了体现审查的灵活性和主动性,在商标近似方面给商标审查员留下了很大的自由裁量空间,审查员的主观判断反而成了判断商标是否近似的关键因素。商标近似缺乏明确标准、商标缺乏准确定义和概念,是近年来商标纠纷频繁发生的主要原因。“狮马牌”与“红狮犸及图”的对决,其核心与焦点问题就是争议商标与引证商标是否构成使用在相同或类似商品上的近似商标。
然而,商标不仅是一个符号设计,还是一个市场的完整机制,是一个涉及和产品结合,再和市场、消费结合的整体。“商标所起的作用主要是联系消费者和它所指代的产品与服务,提供一个稳定、鲜明、显著、独特的符号,这个符号和特定的商品及服务相联系,而且这种联系要有两个稳定性,一是符号本身的稳定性,另一个是它所指代的商品和服务的联系的稳定性。比如,可口可乐是有包装的,几乎是眼睛一闪就会买这个东西,因为它是稳定的。”邝宪平分析说,“商标的稳定性、显著性,实际是一个市场体系。作为一个商标联系的产品、服务和消费者这样一个网络,通过一个标记,使企业的产品和市场建立一个稳定的销售渠道,所以,商标本身也是商品成本的一部分。因此,商标的混淆和近似,不是一个简单的符号本身,而是一个整体,抽出整体当中的任何个别要素来认定它是近似或者是混淆,这是不客观的。”
我国对商标的“近似”判定有三个因素,即音、形、义。行政机关在具体案件当中往往是比较僵化地适用法条,也就是根据字面意思去套个案,而不是考虑立法的本意。商评委对个案的比较就是非常简单的讲音、形、义,有一点相同近似就判断为近似,这是非常机械的做法。“红狮犸及图”商标由三部分构成:红、狮、犸三个字,一个狮子和一个犸的图形以及整体标志的颜色红色。“犸”字比“马”字多了一个“犬”字旁,虽然读音相同,但意义完全不一样,两个商标汉字部分不构成近似;犸是一种非洲的象,这在图形中也已有体现,但“狮马牌”商标并没有图形;从整体色彩看,“红狮犸及图”是红色,而“狮马牌”是黑色。由此可见,两个商标并不构成近似。
浅析商标的近似性 篇12
2002年10月16日实施的《最高人民法院关于审理商标民事纠纷案件适用法律问题的解释》 (法释[2002]32号) 第十条规定, 商标近似是指被控侵权的商标与原告的注册商标相比较, 其文字的字形、读音、含义或者图形的构图及颜色, 或者其各要素组合后的整体结构相似, 或者其立体形状、颜色组合近似, 易使相关公众对商品的来源产生错误或者认为其来源与原告注册商标的商品有特定的联系。2005年12月国家工商行政管理总局商标局颁布的《商标审查标准》将商标近似解释为:商标近似是指商标文字的字形、读音、含义近似, 商标图形的构图、着色、外观近似, 或者文字和图形组合的整体排列组合方式和外观近似, 立体商标的三维标志的形状和外观近似, 商标的颜色或者颜色组合近似, 使用在同一种或者类似商品或者服务上易使相关公众对商品或者服务的来源产生误认。判断商标是否近似是国家商标确权机关在商标注册申请审查、商标案件审理及商标行政执法机关进行商标侵权查处过程中经常考虑的问题。
各国在相关司法中都积累了一定的判断商标相似性的概念要素。比如美国, 其第二巡回法院在Polaroida案中总结了判断商标可能混淆的8大要素:商标的强度;商标的近似程度;商品的类似程度;在先商标所有人扩大生产的可能性;实际混淆;被告采用其商标是否为善意;被告产品的质量;消费者的老脸程度。欧盟法院也在一系列判例中确立了相应的标准:综合考虑所有与双方当事人商标标识和商品或服务相关的各种因素;相关因素中包括了原告或商标申请异议人注册商标的使用性质和程度、商标的固有显著性和获得的显著性;商品或服务的相似性;必须考虑商标在音、形、义上的相似性;特别需要考虑商标的主要部分和显著因素。[1]当然, 对商标近似性的判断主要是对商标之间音、形、义的区别, 但这些区别都是立足于商标相似性本身对混淆结果的影响。一般来说, 造成混淆结果的可能性是与商标标识的外在表现形式和被请求保护商标的知名度和显著性成正比的。
二、商标近似的原则
(一) 判断商标是否近似, 以相关公众的一般注意力为标准
我国对此有相关的规定, 其中《最高人民法院关于审理商标民事纠纷案件适用法律若干问题的解释》第十条规定, 人民法院依据商标法第五十二条第 (一) 项的规定, 在判断商标近似上应以相关公众的一般注意力为标准。即判断商标是否相似时, 是以相关公众的一般注意力, 一般注意力不是相关公众的特别注意力, 即不能以相关公众特别的施加注意力或不施加注意力来判断。比较商标是否相近时, 应该考虑到消费者在实施消费或者购买商品、服务时, 消费者施加的是一般注意力, 即其精神不是高度集中的, 而是利用大部分的消费者都具有的平常注意力而不是特别用精力去注意、区别的。所以, 在判定相关的商标之间是否存在近似的可能性, 首先要考虑在购买商品或服务时, 消费者由于注意力的不集中, 即可能并不能注意到商标的某些细节, 而仅仅注意到商标整体就购买商品, 这样可能造成消费者不能够明确的区分商品, 从而可能导致商标的混淆。
(二) 判断商标是否近似, 应当采用对比主要部分和观察整体相结合的方法
对比主要部分, 是指对商标的主要部分, 即起决定性的部分进行区分, 比如对商标的图形、外语标识、汉字等主要部分进行对比。观察整体的方法, 是指对把商标看成是一个整体, 即商标的外在表现形式、外观样式等进行对商标近似的考量, 判断商标给人的整体视觉印象是否近似。对比主要部分和观察整体的方法两者要做到相互结合、不能偏废, 这样才能够比较准确的商标是否近似做出区分。《最高人民法院关于审理商标民事纠纷案件适用法律若干问题的解释》第十条规定, 人民法院依据商标法第五十二条第 (一) 项的规定, 对比商标近似时, 既要对商标的整体进行对比, 又要对于商标的主要部分进行对比。例如:当相关的商标所有人对商标是否相似存在争议时, 在异议复审裁定中, 一般来说, 汉字是应该重点进行区分的, 这是考虑到我国消费者的注意习惯, 对汉字进行重点区分时, 应该结合争议商标的整体构成和外在表现形式等, 来裁定争议商标之间是否构成近似商标。
(三) 判断商标是否近似, 应当考虑争议商标指定使用的商品是否类似
申请商标注册采用的是分类申请的原则。如果近似或者相同的商标使用在非类似的商品上, 那么一般来说不易引起相关消费者的误认混淆。因此, 对商标之间是否存在近似, 一般判断争议的商标是否使用在类似的商品上。在现实生活中, 不同商品上存在相近或相同的商标, 是个相当常见的现象, 例如公众比较熟悉的“长城”商标, 其在第4类润滑油商品、第9类计算机商品、第33类葡萄酒商品上都已经获得国家的注册, 并且都被认定为中国驰名商标。这些用在不相类似商品的相同商标之间是不存在争议的。
(四) 判断商标是否近似, 还应采取不溯及既往的原则
随着社会和经济的发展, 商标的审查标准和商品类似, 可能造成过去认为是相近似的商标, 现在却不认为是相近似的, 或者过去不认为是相似的商标, 现在就可能被认定为相近似的, 这样对商标审查来说, 其审查准则应该做出相应的调整。但是, 商标审查准则的相应调整不能过于随意和频繁, 幅度不能太大, 时间不能过短, 应当在保持商标审查准则稳定性的同时, 在其小范围内做出相应的调整, 否则就有可能造成注册商标上的有失公平。并且值得注意的是, 调整商标的审查准则不能作为商标审查中过于随意的借口。过去不能注册的商标, 现在就有可能可以注册, 而对于已经注册的商标, 原则上来说其应该不受商标审查准则调整的影响和制约。
三、商标近似的标准
判断相关商标是否近似一般应从形、音、图、义四个方面去考量, 其分别指的是商标的形状、发音、图形、含义。商标的形状近似, 是指相关商标组成文字之间的形状相近似或者是组成商标的词组中的部分字母或者文字近似或相同。例如:“老糟坊”和“老槽房”中“糟”和“槽”形状相似, 容易被消费者误认, 所以构成商标的近似。商标的发音近似:是指相关商标之间, 虽然文字的形状有所不同, 但是商标的文字发音却相近似。这是由于我国文字的特性。相对于世界上的其他文字, 比如字母组成的文字, 我国的文字属于象形文字, 近似的发音或者相同的发音对应许多完全不同的文字。如“和”和“合”字, 尽管在形状上有所不同, 但是发音相似, 在商标的认定上, 很大程度上可能被认定为近似商标。商标的图形近似, 是指作为组成商标的图形近似。详细来说是指, 判断图形商标的近似, 主要是考查图形的主体结构及整体两个方面, 即构成图形的主体结构及整体是否近似或相同, 如果近似或相同, 则相关商标之间就可能构成近似。如果商标的局部不相似, 但是作为整体却构成相似, 则争议商标仍然有可能被认定为近似商标。商标的含义相似, 是指商标文字之间所表达的意义近似, 主要是用于不同文字之间的近似比较。在认定含义近似时, 虽然相关商标之间的发音、形状等不相同, 但是所表达的意义却近似, 那么相关商标通常也被认定为近似商标。例如:“蓝”与“BLUE”应当认定为近似, 但是应该注意的是, 由于一种文字的含义对其本身来说只有一种意义, 但是对应令一种文字来说往往有多种含义。“BLUE”对应的英文有“蓝色”、“天蓝色”、“布鲁斯”等多重含义。如果一个商标在一种语言文字中有多重含义, 就武断的排斥其它含义, 而从这一个单一的含义上认定为与另一种语言文字所表达的商标含义近似, 那么这样范围容易扩大, 有失公平性。所以, 一种文字商标对另一种文字商标的含义排斥, 应当严格的限制在相关文字之间的主要含义上, 而不是过度的引申。
四、区别商标近似性的意义
对相关商标近似性的认定是有显著意义的。在市场经济中, 消费者区分商品、认定商品的好坏等主要是用商标来实现区分的。商标在某种意义上来说, 是商品或服务的名片, 是经营者表达身份信誉的良好载体。商标标识与经营者的商品或者服务有着密切的联系, 特定的商标是和特定的商品和服务相联系的, 商标在一定程度上代表着经营者的商品质量和信誉。良好的商标能够给经营者带来巨大的利益, 也能够能消费者带来一定的安慰感, 是区别与其他同种商品或服务的最显著的外在表现。如果相关商品或服务的商标之间发生近似, 那么经营者不仅其利益会得到损失, 消费者也会在某种程度上被欺骗, 从而扰乱市场经济的秩序, 不利益经济和社会的发展。商标最显著的功能就是商品与商品之间的识别性, 法律对区分近似商标, 对商标进行保护, 并不是赋予商标权人对商标上的文字或符号等进行垄断的权利, 而是国家保护商标标识所具有的识别性功能的义务。
参考文献
[1]邓宏光.商标法的理论基础——以商标显著性为中心[M].北京:法律出版社, 2008.
【近似方法】推荐阅读:
近似模型06-19
近似数06-15
互近似熵08-16
近似数教案小学10-23
小数的近似数教案10-23
求近似数、四舍五入06-17
数学《近似数》教学设计09-03
实验定积分的近似计算09-11
四年级近似数教学反思09-22
求商的近似数教学反思05-08