基于专业认证的过程设备设计课程教学实践与探讨

有效地实现各门课程的教学目标，是毕业生达到本专业毕业要求的基本保障。本文以过程设备设计课程为例，结合工程教育专业认证的实践，对该课程的教学目标设置、考核方式改革、“以学生为中心”和“持续改进”教学理念的贯彻等方面进行了简要介绍，以期为新形势下的课程建设提供一些参考和帮助。     

基于SolidWorks的CAPP系统的研究与设计

针对传统CAPP系统只能完成定性的工艺设计工作、无法共享设计阶段的设计结果、对企业已有产品资源重用和对具体的工序设计支持较弱的现状，从信息集成、产品资源重用和系统应具备的功能出发，对PDM平台数据模型进行了分析；以SolidWorks为设计环境，对系统的体系结构、主要功能和工艺设计的思路、流程进行了分析和讨论；最后对系统实现的关键技术进行了论述。     

基于SolidWorks的变型工艺设计系统的研究

针对传统CAPP系统对企业已有产品资源重用和具体的工序设计支持较弱的现状,从信息集成、产品资源重用和系统应用具备的功能出发,对PDM平台数据模型进行了分析;以Solid-Works为设计环境,对系统的体系结构、主要功能和工艺设计的思路、流程进行了分析和讨论;最后对系统实现的关键技术进行了论述。     

运用ADO和SQL Server实现PDM系统的数据安全性

介绍了运用ADO接口技术和SOLServre数据库系统实现产品数据管理(PDM)系统中数据的安全性管理。文中首先论述了运用ADO接口技术和SOLServr本身的安全机理，然后讲述了ADO接口技术和SOLServr的安全机理实现数据安全性管理的具体方法，同时实现了对系统中各功能模块的权限管理，并建立了某PDM的系统的安全管理模型。     

椭圆柱绕流尾迹的PIV测量及DMD分析

为了研究椭圆柱绕流尾迹的流动特性,利用粒子图像测速技术(PIV)对长短轴之比AR=0.42的椭圆柱在雷诺数Re=3 493,4 657,5 822三种流动工况进行了实验研究,得到了相应的尾流区瞬态速度矢量场和涡量场,并通过频谱分析得到旋涡脱落频率。结果显示:随着雷诺数的增大,椭圆柱尾流区域在竖直方向上的影响范围减小,近尾流区内旋涡形成区域缩短,旋涡脱落频率增加。同时采用动力学模态分解(DMD)方法对实验获得的速度场进行模态分解,提取了椭圆柱尾迹流场的相干结构及各个模态的频率和增长率信息。结果表明:低阶模态包含了原始流场的主要流场结构,以及与旋涡周期性脱落运动相关的主要模态。随着模态阶数的增加,衰减速度逐渐增大,涡尺度逐渐变小,并向竖直方向进行扩散。     

基于统一装配模型的模架设计技术研究

 对通用注塑模具的典型模架结构进行深入分析,提出标准模架的统一建模方法,即利用冗余控制参数控制标准模架中模板的抑制与显示以及相关组件的尺寸变型实现模架统一建模,并研究了基于统一装配模型的模架设计技术．通过控制表达式、模板特征构造、自顶向下的模架装配构造、虚拟的装配定位关系、基于属性的部件识别等技术,开发出利用冗余控制参数实现模架变型设计的模架装配系统,从而实现基于统一装配模型的模架自由变型设计．     

PDM环境下基于SolidWorks的变型设计及自动装配系统

在大批量定制环境下，基于PDM平台开发支持产品快速组合设计的变型设计系统，可明显地提高企业设计资源的重用，从而缩短订单产品的设计时间；在综述了系统平台的体系结构和运行流程后，概述了运行平台各子系统的主要功能；在此基础上详细阐述了SolidWorks系统与运行平台的集成、设计与工艺信息的集成、零部件的变型设计和产品模型图的自动装配技术。实践证明，在PDM框架下，通过三维CAD系统的API所开发的设计系统可明显地提高企业设计资源的重用，并缩短订单产品的设计时间。     

基于神经网络的不规则件排样技术

提出一种利用人工神经网络求解不规则件排样问题的方法。对于二维不规则零件在排样区域上的优化排列,采用自组织特征映射模型(SOM)和Hopfield人工神经网络相结合的方法,寻找排样件在排样时的最优位置及各自的旋转角度,实现了二维不规则件自动排样,得到满意的优化排样结果,实例证明了该算法的有效性和实用性。     

基于SolidWorks的工艺卡片定制系统的研究

目前在工艺卡片模板定制时没有考虑到数据源及集成问题,无法保证工艺卡片中相关数据的同步更新和一致性。对PDM环境下基于SolidW orks平台的工艺卡片模板的定制技术进行研究,分析系统的设计思路,提出利用属性来建立工艺数据在数据库与工艺卡片、模型文件之间的关联。给出系统的总体结构,最后对系统实现的关键技术进行论述。     

不规则零件优化排样的神经网络混合优化算法

 提出一种利用人工神经网络求解不规则件排样问题的混合优化方法.该方法首先把排样和制造工艺联系起来,将多边形各边向外扩充,为零件预留加工余量；然后采用自组织特征映射模型（SOM）和Hopfield人工神经网络相结合的方法,运用SOM神经网络对初始在板材内随机排布的不规则零件进行平移,逐步减小不规则零件之间的重叠面积,求得各零件的最优位置,再运用Hopfield神经网络对平移后的零件旋转,进行迭代运算,当能量函数达到稳定状态时,得到各排样零件的最优旋转角度组合,实现自动排样.算法可以解决不规则件和矩形件在规则板材以及不规则板材上的排样问题,实例证明了该算法的有效性和实用性.