基于柔性装配偏差模型的汽车车身薄板零件公差设计

基于汽车车身柔性薄板零件装配建模方法,建立柔性薄板零件公差优化设计方法。根据柔性薄板零件测点装配偏差与各偏差源间的确定性模型,综合得到测点装配偏差的方差与零件制造方差和夹具定位方差之间的模型,以零件测点平均方差为公差设计函数,工序能力指数和零件制造方差比为约束函数进行零件公差优化设计,并采用车身后地板装配进行应用分析。结果表明,搭接焊接结构的零件公差设计需同步进行,对接焊接结构零件公差设计各自独立进行,而角接焊接结构的零件公差设计则先进行其中对接零件公差设计,然后进行搭接零件公差设计;搭接焊接结构中零件间刚度差异比较大时,刚度小的零件公差可以取相对更大的公差。     

一种计算机表达的机械零件模型

本文提出了一种计算机表达的机械零件模型。它把描述零件的信息分为三个层次：零件的总体描述层、零件的语义层和零件的几何层。在零件的形状建模中，语义层中的形状元素、几何居中的信息及它们之间的联系同时建立。制造活动所需的零件信息通过语义层提供。     

基于成组技术的轴类零件检索式CAPP系统

以成组技术为理论指导,用Access创建零件工艺数据库,VB开发相应程序,设计了轴类零件检索式CAPP系统。该系统既可对已有的轴类零件进行工艺检索,又可对相似的轴类零件检索出同类零件的工艺,并将工艺修改后存储,为后续零件使用。     

零件尺寸的合理标注

要合理标注零件尺寸,首先要对零件进行功能分析,正确选择尺寸基准,将零件的功能尺寸直接标出,根据工艺要求考虑零件非功能尺寸的标注,此外标注零件尺寸时,不能注成封闭的尺寸链。     

面向全生命周期的零件族层次特性建模方法

为了建立能够有效支持产品平台设计的零件族系统,本研究构建了一个描述零件族全生命周期特性的模型。首先采用面向对象的分析方法对零件族和零件实例的全生命周期信息进行分析,然后利用事物特性表技术对零件族的属性信息和组织结构进行描述,建立了层次性的零件族属性模型,最后提出了面向全生命周期的零件族层次特性模型,并通过实例对模型进行了验证。     

板类冲压零件的特征参数描述及信息输入

本文就ＣＡＰＰ计算机辅助工艺设计零件信息描述进行了探讨，提出了用特征编码＋参数列表的零件信息描述方法，达到了完整描述零件信息的目的。建立了一个以零件特征编码为主，以零件形尺寸参数为辅，分层描述的零件信息建模与零件信息输入系统。     

渗硼工艺在模具生产中的应用

围绕渗硼工艺在模具零件生产中的应用,对渗硼生产过程中渗硼零件的适用范围、材料的选择、渗硼工艺、渗硼后零件的热处理、零件的刃口结构等方面进行了阐述,提出了改善零件渗硼质量,降低渗层脆性,提高渗硼零件使用寿命的方法。     

更换零件能力对手工装配系统合格率的影响

漏装和错装是手工装配系统的主要质量问题,更换零件是应对这类问题的主要方式。为了合理地规划手工装配系统的零件更换能力,研究了零件更换能力对手工装配系统合格率的影响。拓展了手工装配系统,建立了包含更换零件能力的手工装配系统概念模型,构建了手工装配系统合格率的计算表达式。分析了零件更换能力充分和不充分两种情况下,手工装配系统合格率和零件更换能力之间的关系,得出了在零件更换能力不充分时,合格率随零件更换能力的增大而增大,当零件更换能力达到某个值时,合格率不再变化。求解了合格率不变时的零件更换能力临界值的表达式。最后用企业实例进行了说明,并分析了手工装配系统合格率和首检合格率、返工合格率与首检合格率的比值ρ的敏感性。     

基于逆向工程的复杂曲面冲压件回弹补偿

针对复杂曲面类零件提出了一种采用三维全型面扫描检测零件的方法,通过逆向建模得到扫描数模,并与设计模型进行对比,得到成形零件的偏差量。对于某大型核电汽轮机空心叶片外弧零件,采用提出的三维全型面检测方法对其进行数据检测,并与设计模型进行比较,得出该零件的最大正偏差为2.59mm,最大负偏差为-3.04mm。与传统专用检具相比,三维全型面检测可以用于快速检测各类复杂零件,具有检测数据全和精度高的特点。对于该零件的回弹问题,提出了基于逆向工程的零件回弹补偿方法。对叶片外弧零件进行回弹补偿后,进行模具加工和试验,得到最终叶片外弧零件的最大正偏差为1.36mm,最大负偏差为-1.43mm,满足叶片外弧尺寸偏差的要求。     

基于OWL的零件特征知识表示和知识库分析

针对当前各CAD系统之间缺乏统一的零件表示方法的问题,提出一种零件特征分层模型,并运用本体论知识,使用OWL DL描述逻辑语言对零件特征类及类的属性、类的关系进行了形式化描述。基于Protégé,以矩形台阶类零件为例,构建矩形台阶类零件知识库,证明了运用本体论知识构建零件特征知识库的可行性。     

基于模式识别的计算机辅助零件分类系统设计

基于模式识别的计算机辅助零件分类系统 ,可以对零件进行迅速、准确地分类。这种分类方法不需要进行人工编码 ,故使分类过程更加简单 ,同时也避免了人的主观因素对分类的影响。系统中所用的参考模式起着一个聚类核心的作用 ,使分类更加准确 ,并可由一个空间向量来表示。该参考模式应用模糊聚类分析法进行运算 ,它虽然不代表任何零件 ,但却能反映零件组中诸特征的分布。作者交替运用聚类分析与模式识别法 ,并结合工厂的实际情况 ,取得了很好的分类效果。     

产业集群与我国高新区发展

产业集群是当今世界重要的经济现象。高新技术产业的特性和产业集群的竞争优势决定了我国高新区的发展必须实施产业集群战略,但是我国高新区的发展尚未形成真正意义上的产业集群。通过发挥政府的引导和促进作用、建立分工协作的产业网络体系、培育新的创新网络等措施,能有效地促进我国高新区产业集群的发展。     

基于后继元的聚类分析算法

提出一种简洁、有效的聚类分析算法．首先,建立相似关系矩阵与笛卡尔积之间的联系．其次,以编网法为基础,利用模糊相似关系下的后继元在同一类别及不同类别的交集为空集的特点,提出了基于后继元的聚类分析算法．再次,给出算法的关键部分程序,并分析了算法的时间复杂度．最后通过算例证明了算法的可行性与有效性．     

ACCMPS：一种自动提取簇中消息传递序列的方法

簇级测试是面向对象的软件测试中重要的一部分．测试工作主要集中体现在簇及其消息传递序列的提取上。目前还没有一套完全能解决这个问题的方法。ACCMPS（Auto—Contract Cluster Message—Passing Sequence）方法，是一种能自动提取各相互协作类为完成特定的请求而需要的簇中消息传递序列的方法．能方便面向对象的簇级测试且提高效率。     

一种适用于集群的高可用存储模型的研究

存储系统是集群系统中重要的组成部分,数据放置策略的优劣直接影响存储系统的性能.针对现有集群数据放置策略单一、可用性不高的特点,根据文件大小,结合现有的数据放置策略提出了hybrid-declustering放置策略,建立了集群存储系统模型,并在模型的磁盘管理中引入了分组的思想,实现了数据的分布式和高可用存储,和现有模型相比,提高了集群系统存储的可用度.     

基于Linux的高可用集群系统的设计及实现

利用服务器集群技术设计了基于Linux操作系统的高可用集群处理系统,描述了系统模型,介绍了系统设计思想,给出了系统实现。对不同的功能部件分离的设计和实现,有效地减少了系统复杂性,降低了错误检测的难度并充分考虑了应用服务器的多样性、复杂性。测试结果表明,系统能够有效保证服务器的可靠运行和企业核心计算的安全。     

基于规则选取和补偿运算的模糊系统建立方法

为了解决模糊系统建立过程中规则数目的选择问题,提出了一种模糊系统建立方法。该方法利用K均值法计算聚类中心,不需要预先给出聚类的数目,聚类的数目根据聚类准则函数的收敛性决定,同时在算法结构中引入补偿因子以增强算法的稳定性,再结合梯度下降法辨识后件参数,从而得到模糊系统。与传统的模糊系统建立方法进行比较,该方法提高了辨识精度且能自动生成模糊规则,避免了规则数目选取的盲目性。最后将该方法用于辨识单元机组的协调控制系统,仿真结果表明了该算法的有效性和快速性。     

基于改进K -均值聚类的汉语语块识别

为了既避免数据稀疏又充分考虑相邻词性的关系和每种短语的内部组成规律,提出了改进K-均值聚类方法.此方法把每个短语看成是以中心词为核心的聚簇,充分考虑每种短语的内部组成规律;依据语料库中的数据来确定每个类的初始中心,使有指导的统计方法和无指导的聚类方法有机结合,既提高了聚类的准确率,又避免了因汉语语块库规模较小而导致的数据稀疏现象.应用改进K-均值聚类方法对7种汉语语块进行识别,F值达到了92.94%,因此,该方法对汉语语块识别是有效的.     

基于泊松形状信号的网格模型部件分割算法

为了将网格模型分割成若干个有意义的部件,提出了一种基于网格模型结构信号的分割算法.通过构造网格模型对应的体素模型,基于体素模型求解泊松方程得出每个体素对应的泊松形状信号;根据网格模型顶点与体素模型的对应关系,计算出网格模型中每个三角面片对应的泊松形状信号;采用Mean-Shift算法将每个三角面片对应的泊松形状信号进行聚类;最后基于泊松形状信号值,提取网格模型主要部件,并精化分块结果边界,从而达到网格模型部件分割的目的.实验表明,该算法能对具有部件结构特征的实体模型有较好的分割效果、鲁棒、速度快,与物体各个部件刚体变换无关.     

Variable cluster analysis method for building neural network model

To address the problems that input variables should be reduced as much as possible and explain output variables fully in building neural network model of complicated system, a variable selection method based on cluster analysis was investigated. Similarity coefficient which describes the mutual relation of variables was defined. The methods of the highest contribution rate, part replacing whole and variable replacement are put forwarded and de-duced by information theory. The software of tbe neural network based on cluster analysis, whicb can provide many kinds of metbods for defining variable similarity coefficient, clustering system variable and evaluating variable clus-ter, was developed and applied to build neural network forecast model of cement clinker quality. Tile results show that all the network scale, training time and prediction accuracy are perfect. The practical application demonstrates that the method of selecting variables for neural network is feasible and effective.