衣服皱褶表现与形成的个人经验 来源:Zbtime,作者:suijian1983

本文分享了衣物皱褶制作的实践经验,介绍了皱褶形成的三种主要外力:挤压、堆积和牵引,并总结了皱褶的基本形态如Y型、口字型等。文章还探讨了不同布料上皱褶的特点及如何通过理解布料特性和外力作用来更好地表现皱褶。

看完chenxun885的二战人物作品中存在的服装皱褶问题,简单的讲解一下个人制作累积的经验。本人资历较浅希望大家补充和提错。制作衣服皱褶前多找些符合制作需求的参考图,仔细观察皱褶形成的始和末,和表现形成。

 

皱褶本人认为因外力和自身重力大概有3种:挤压;堆积;牵引。

 

 

 

而皱褶表现形式大概可以概括为。Y型;口字型,工字型,川字型等。这些类型在皱褶形成和表现上都是互相关联和穿插的,有始有末。

 

 

皱褶还有由于人为长期挤压,堆积或牵引形成的固定皱褶。比如穿旧的衬衫。

 

 

 

皱褶表现与形成在不同的布料上褶皱是有区别的。观察皱褶中牛仔布的褶皱转折峰大部分偏硬,而毛衣就偏软。

 

 

 

皮质服装和丝绸的皱褶特点就是在口字型与Y型等褶皱的转折区域转折峰比较硬,有由软到硬的感觉。

 

 

 

 

 

这些褶皱的形成基本都是由外力和自身重力形成的。形成的转折峰和转折谷会有不同的形式表现。做好这些皱褶就必须了解布料的特性;外力和自身重力的施加方向与方式,把握好软硬。

 

希望大家的布料做的越来越好。

 

 

 

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制方法。通过结合数据驱动技术Koopman算子理论,将非线性系统动态近似为高维线性系统,进而利用递归神经网络(RNN)建模并实现系统行为的精确预测。文中详细阐述了模型构建流程、线性化策略及在预测控制中的集成应用,并提供了完整的Matlab代码实现,便于科研人员复现实验、优化算法并拓展至其他精密控制系统。该方法有效提升了纳米级定位系统的控制精度动态响应性能。; 适合人群:具备自动控制、机器学习或信号处理背景,熟悉Matlab编程,从事精密仪器控制、智能制造或先进控制算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①实现非线性动态系统的数据驱动线性化建模;②提升纳米定位平台的轨迹跟踪预测控制性能;③为高精度控制系统提供可复现的Koopman-RNN融合解决方案; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注Koopman观测矩阵构造、RNN训练流程模型预测控制器(MPC)的集成方式,鼓励在实际硬件平台上验证并调整参数以适应具体应用场景。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值