基于AutoLISP语言的AutoCAD粗糙度代号快速标注

介绍了一种利用AutoLISP语言编程对AutoCAD进行二次开发为其增加表面粗糙度标注命令的方法.通过运行此命令,能够在所选实体的指定位置实现零件表面粗糙度代号的快速标注.     

利用AutoLISP实现AutoCAD中表面粗糙度的准确标注

阐述了各种情况下准确标注表面粗糙度代号所需的关键角度ＡＮＧ的确定方法,介绍了利用ＡｕｔｏＬＩＳＰ语言为ＡｕｔｏＣＡＤ增加表面粗糙度标注命令的程序实现过程和信念加载方法。通过运行此命令,能够在所选实体的指定位置自动生成符合国家标准规定的表面粗糙度代号。     

便捷的表面粗糙度代号标注系统的开发

一般零件图中的表面粗糙度代号的数量和标注形式都比较多，为了提高绘制机械图样的工作效率，人们研究出了各种不同的标注方法。利用Auto LISP语言开发的可视化表面粗糙度代号标注系统，能够按照国家标准的规定，在图样中注出各种常用形式的表面粗糙度代号。系统所提供的可视化操作界面可以使用户快速地完成粗糙度的标注形式和评定符号的选择并输入标注所需的各种参数。此外，系统运行后，其内部设置的循环标注模式，可以一次性地将零件图中的所有表面粗糙度代号标注完毕。     

AutoCAD中表面粗糙度的标注

AUTOCAD是一种应用广泛的交互式绘图软件,本文针对该软件在表面粗糙度标注方面的不足,通过制作带属性的块,提出了快速标注表面粗糙度的方法;同时提出了在不同位置情况下,准确标注表面粗糙度代号所需要的关键角度的确定方法.经实际应用,这种方法快捷方便.     

机械图中表面粗糙度的自动标注

按照国家标准《机械制图》的规定,零件图上应标注表面粗糙度代(符)号,它是零件的技术要求之一。本文设计了标注表面粗糙度的二个子程序,每个子程序均能标注图样上常用的三种粗糙度符号,其中一个子程序用术标注表面为0°、90°、180°和270°的粗糙度代号;另一个子程序用来标注倾斜表面的粗糙度代号。在绘制零件图时,根据需要调用子程序来实现计算机自动标注表面粗糙度代号。     

AutoCAD中表面粗糙度快速标注命令的实现

利用AutoLISP语言二次开发了表面粗糙度标注的命令，弥补了AutoCAD的不足，可方便地进行符合国家标准的表面粗糙度的标注，也说明了运用AutoLISP语言进行二次开发的方法和技巧。     

实现表面粗糙度的快速标注

通过建立属性块 ,方便快速地标注表面粗糙度 ,解决了AutoCAD中不能直接用命令方式标注表面粗糙度的问题 ,从而提高了绘图效率     

浅淡AutoCAD中表面粗糙度的标注

针对AutoCAD软件在标注表面粗糙度方面的不足,提出了利用"复制、移动、旋转"编辑命令、制作属性块、利用宏命令定制菜单三种方法来实现标注,用户在使用时可结合实际情况灵活选用.     

基于ObjectARX 2004的表面粗糙度自动标注

介绍了在AutoCAD环境下基于ObjectARX 2004和微软基础类库(Microsoft Foundation Class,MFC)用户界面的表面粗糙度自动标注技术,它可像AutoCAD内部命令一样很方便地被使用,也可用于参数化设计.对Visual C++.NET开发环境的设置、自动标注的编程要求及编程中的若干问题进行了讨论和解决,最后给出了表面粗糙度自动标注的实例.     

对机械制图标准的几点意见

在产品设计制图中,常遇到一些问题,希望指正。 1.表面粗糙度代号及其标注 GB 131—83《表面粗糙度代号及其注法》与原GB 131—74标准相比较,新增加了“用去除材料的方法获得”和“用不去除材料的方法获得”这一规定。在实践中,对于某些零件尚存在着一些问题。 (1)板件类     

Auto CAD中用命令定制菜单标注表面粗糙度

在机械工程图中，表面粗糙度符号是一种常见符号，应用范围广，但AutoCAD没有提供表面粗糙度的标注功能。笔者详细介绍用宏命令定制菜单标注表面粗糙度的方法和步骤。     

Avoiding neural network fine tuning by using ensemble learning: application to ball-end milling operations

Surface roughness plays a key role in the performance of machined components??specially dies and moulds??manufactured for the aerospace and automotive industries, among others. However, roughness can only be measured off-line after the part has been machined, when cutting conditions may no longer be adjusted to surface roughness requirements. A reliable surface roughness prediction application is presented in this paper. It is based on ensemble learning for vertical high-speed milling operations with ball-end mills for finishing operations on quenched steel 1.2344 (AISI H13) that are widely used in the manufacture of moulds and dies. The new approach was validated with an experimental dataset that includes geometrical tool factors, cutting conditions, dynamic factors and lubricant type. An intensive comparison with an artificial neural network approach for the same dataset is included, to reveal the improvements of the new technique over other well-established ones for this industrial problem. This comparison shows that ensemble learning can by-pass the time-consuming task of tuning neural network parameters and can also improve prediction model accuracy, both of which are features that could lead to greater use of these kinds of prediction models in real workshops. Finally, a methodology, based on this new approach, is presented, in order to illustrate how the prediction model can be used in workshops to optimize cutting conditions in terms of their surface quality and productivity.     

表面粗糙度提取的小波频谱法

提出了表面粗糙度的提取新方法。用小波分析方法确定２维轮廓粗糙度评定基准线和３维表面粗糙度评定基准面,能精确地把表面粗糙度与表面其他成分分离,从而提取表面粗糙度。与传统表面粗糙度提取方法比较,此方法评定精度高,实现方便。     

Determination of optimum parameters for multi-performance characteristics in drilling by using grey relational analysis

The theory of grey systems is a new technique for performing prediction, relational analysis and decision making in many areas. In this paper, the use of grey relational analysis for optimising the drilling process parameters for the work piece surface roughness and the burr height is introduced. Various drilling parameters, such as feed rate, cutting speed, drill and point angles of drill were considered. An orthogonal array was used for the experimental design. Optimal machining parameters were determined by the grey relational grade obtained from the grey relational analysis for multi-performance characteristics (the surface roughness and the burr height). Experimental results have shown that the surface roughness and the burr height in the drilling process can be improved effectively through the new approach .     

新型反应烧结碳化硅陶瓷的超精密磨削

介绍了一种可用作光学反射镜材料的新型反应烧结碳化硅。采用超精密磨床结合在线电解修整的磨削方法对新型反应烧结碳化硅进行磨削，研究了不同磨粒尺寸、不同结合剂以及不同形状砂轮对磨削面性状的影响，分析了磨削面微段差的形成机理。获得了表面粗糙度Ra=0．57nm的超平滑镜面。     

表面粗糙度测量和精度计算方法的探讨

零件表面粗糙度测量和精度评定中,通常是用Rz参数反映表面粗糙度,虽然它是个最或然值,但作为精度分析来讲,它不能很充分地反映表面粗糙度的偶然误差特性。为此提出一种以观测值改正数求零件表面粗糙度的观测值中误差方法,它能更明确地区分表面粗糙度同一系列中的差异。