工序尺寸公差的计算机辅助设计

介绍一种适合于回转体类零件工序尺寸及公差确定的计算机辅助设计方法.此方法模拟手工计算中的图表综合法,建立工序尺寸链的数学模型,提出一种工序公差确定及调整的新方法.算例表明,所确定的工序尺寸及公差正确可靠、经济合理.     

初探“尺寸标注”的教学方法

本文讲述在AUTOCAD的教学中，如何摸索对建筑图进行尺寸标注这一难点的教学思路厦方法,并结合实际教学经验加以阐述，把化难为易放在首位，使学生能快捷、正确地标注尺寸。     

机械零件图样的粗糙度标注在AutoCAD中的自动生成

本文介绍了利用AutoCAD的二次开发工具块和AutoLisp语言来解决在用AutoCAD绘制机械零件图样时遇到的粗糙度的标注问题     

回转体机械零件尺寸标注智能化的研究

本文应用人工智能技术对回转体机械零件的尺寸标注进行了研究。设计者在专家系统的指导下,可得出尺寸标注的最佳方案。文中结合这个问题的研究,对机械设计专家系统的一些关键技术进行了讨论。     

激光散斑相位差的条件统计分布与表面粗糙度的关系

在粗糙表面高度起伏服从高斯统计和表面服从圆型相关的情况下，分析了由弱散射体产生的远场高斯激光散斑相位差的条件统计分布与表面粗糙度的关系．     

热压工艺对竹材表面粗糙度的影响

竹材表面粗糙度对竹材制品的表面质量有十分重要的影响.用“冷进冷出“工艺和“热进热出“工艺对竹材进行处理,并用高精度的表现粗糙度测量仪对竹材表面粗糙度进行测量,发现竹材表面的粗糙度因处理工艺不同,而具有较大的差异.用“冷进冷出“工艺处理的竹材的表面粗糙度平均值,比用“热进热出“工艺处理的竹材的表面粗糙度的平均值小得多,表面竹材经“冷进冷出“工艺处理后,具有更好的表面质量.     

基于进化神经网络的304不锈钢车削加工表面粗糙度预测

表面粗糙度是衡量加工零件质量的重要指标之一,对表面粗糙度进行提前预测有利于提高加工质量。课题组采用正交试验方法进行了YG8硬质合金刀具干式车削304不锈钢棒料的实验,得到不同切削条件下的表面粗糙度。由于BP神经网络的算法预测精度不高而且容易陷入局部极小值,利用遗传算法的全局搜索能力优化BP神经网络的结构和初值,建立基于进化神经网络的表面粗糙度预测模型。结果表明：进化的BP神经网络模型有效地克服了BP神经网络容易陷入局部极小值的缺陷,实现了表面粗糙度的精确预测。