排序方式: 共有31条查询结果,搜索用时 171 毫秒
1.
2.
轮廓铣削侧面粗糙度是评价轮廓铣削加工质量的重要指标,为获得能反映轮廓铣削侧面粗糙度的理论模型,提出一种考虑轮廓曲率半径的三轴铣削侧面粗糙度理论模型。针对轮廓包含的基础图形分类,分析刀具运动轨迹与加工表面形貌的几何关系,分别建立考虑轮廓曲率半径的直线铣削、凸弧铣削和凹弧铣削的侧面粗糙度理论模型。以四刃平底立铣刀为铣削刀具,在不同曲率半径和刀具半径下进行轮廓铣削试验,验证构建的粗糙度理论模型。结果表明,构建的直线、凸弧和凹弧的侧面粗糙度理论模型的预测效果与实际测量值具有相同的趋势,且预测精度较高,证明了所建立的铣削侧面粗糙度理论模型的有效性,该研究充实了粗糙度建模的理论研究。 相似文献
3.
本文介绍了一种适合于中小型企业的数控CAD/CAM系统,阐述了系统的开发思路和总体构建过程,并对系统从设计思想和实现功能上进行了详细的分析。 相似文献
4.
5.
6.
PDM系统图文档入库技术研究 总被引:1,自引:0,他引:1
PDM系统中“图档入库”功能可以将在使用PDM之前,工作过程中已经生成的大量的图文档录入到数据库中,是PDM图文档管理中的重要的功能之一。本文提出了图文档入库时的存储方式,并通过对DXF图形交换文件的结构分析,着重探讨了如何读取CAD图档中的标题栏信息的方法,从而解决CAD图档信息自动提取入库的问题。 相似文献
8.
9.
加工过程产生的粗糙度数据序列会包含多种特征,而单一的预测模型不能同时捕捉多种数据特征,难以提高预测精度。因此,从加工过程中粗糙度数据特征的复杂性出发,提出了一种基于支持向量机(SVM)和BP神经网络算法(BP)的组合预测模型,来同时捕捉数据的线性特征和非线性特征;在组合预测过程中为充分发挥两种预测算法的最佳性能,采用粒子群优化算法(PSO)对支持向量机的参数和BP神经网络中的权值进行优化。通过蠕墨铸铁的铣削实验,实现不同切削用量下的表面粗糙度精准预测,并与PSO-SVM、PSO-BP算法以及切削加工表面粗糙度理论模型进行对比,验证了该组合模型的优越性。 相似文献
10.
加工过程中产生的表面质量(如粗糙度)的数据序列包含多种特征,为能捕捉更多的数据特征,提高表面粗糙度的预测精度,提出采用组合协方差的高斯过程回归(CGPR)模型预测表面粗糙度,来捕捉数据特征中的线性特征和非线性特征;为获得CGPR模型的最佳超参数组合,采用人工蜂群(ABC)优化算法对超参数寻优,形成人工蜂群—组合协方差的高斯过程回归(ABC-CGPR)模型。通过45钢的车削试验,基于不同切削用量和刀具结构,建立了各类不同组合协方差的ABC-CGPR预测模型和单一协方差的ABC-GPR预测模型,并对比其预测性能,结果展示CGPR预测模型相比单一的GPR预测模型具有更高的预测精度,其中线性协方差函数与Matern协方差函数组合的预测精度最高,为实际加工中选取满意的预测模型提供了有效的指导。 相似文献