冲模总装图尺寸与技术要求的标注

冲模总装图尺寸与技术要求的标注沈阳东陵空压机厂（１１０００３）刘胜哲由于机械制造行业广泛的采用了冲压工艺，使产品质量和生产效率大幅度地提高，冲模是推行冲压工艺的必要装备，而冲模设计总图上的尺寸和技术要求的标注是模具设计的主要内容和关键。１总装图尺寸标...     

基于AutoCAD2002的模具零件尺寸快速标注方法

AutoCAD在二维CAD方面,以其卓越的设计功能,被应用到机械设计、模具设计等众多行业,被越来越多的人们所采用。AutoCAD为通用CAD软件,功能完备,它的应用,使我们的工作效率突飞猛进。在不同的行业,根据各自的设计特点,充分利用AutoCAD的设计功能进行优化设计,不仅能体现它的优越性,更能使我们的工作得心应手,事半功倍。本文从模具设计角度出发,根据模具设计实践,利用AutoCAD的标注格式,介绍一种模具设计时尺寸标注的快捷方法。     

基于UG宏与二次开发的工程图尺寸自动标注方法研究

在分析现有UG工程图二次开发模块的基础上,提出了一种基于UG宏与二次开发相结合的工程图尺寸自动标注方法,搭建了UG宏与二次开发的工程图模块总体框架,给出了UG宏文件调用的配置方法,解析了针对工程图尺寸自动标注的UG宏文件关键代码,开发了工程图模块,并以某轴承座零件为例,验证了零件尺寸自动标注方法的可行性。     

模具零件图中孔系尺寸自动标注方法的研究

提出了一种基于面边图的孔特征识别方法,并将该方法应用于模具零件图中孔系尺寸的自动标注。以注射模为例对各类孔特征进行了分类,通过图表达和子图匹配识别出零件中的孔特征,进而提取出孔的加工参数,同时采用统一的参数模型对不同类型孔的加工参数进行存储和管理,并自动生成孔的加工参数表,以此为基础,在UG平台上开发了孔表模块,提高了模具零件图的设计效率。     

基于三维参数化模型的工程图尺寸自动标注与布局

二维工程图在产品的设计、制造中具有十分重要的作用,但工程图的生成、尺寸的标注与布局都是耗时费力的工作。为解决工程图自动生成的问题,对基于三维参数化模型的工程图自动生成系统进行了研发,着重介绍了尺寸自动标注与布局的算法,并在NX UG上实现了这些算法,取得了较好的辅助制图效果,在生产实际中获得了推广应用。     

基于约束的组合夹具装配建模与设计

根据夹具的功能模型，提出了一种基于约束的组合夹具三维结构装配技术及原理，介绍了基于约束的装配建模的方法和过程，使组合夹具自动装配进一步柔性化，适合现代化的制造需求。     

基于UG的标题栏和明细表自动生成技术的研究

介绍了UG／Open API的基本概念和特点，研究了标题栏和明细表自动生成的一些关键技术和方法。并用VC^ 6．0编制出标题栏和明细表自动生成程序，弥补了UG的不足。     

基于约束的机械产品零件参数化特征建模技术研究及实现

首先系统给出了机械产品造型领域特征的定义以及特征的分类;其次,建立了基于约束的机械产品零件的参数化特征模型,并用特征关系图的形式表达特征模型,同时采用动态甸表构建特征模型并用面向对象技术实现了零件的参数化特征模型;最后结合实例分析了基于特征模型的零件特征分级参数化实现过程。     

基于晶界约束作用的金属力学性能研究

采用晶体塑性理论,建立了三维晶界模型,以Al6111-T4板材为例,考虑了相邻晶粒之间的晶界约束作用对应力-应变的影响规律。研究表明,晶粒相对尺寸越大,晶界约束作用越大,材料的流动应力就越大,应变分布越均匀。     

基于工期约束的铣削参数优化研究

针对生产中出现的赶工期、抢进度现象,以缩短工期为主要目的,将铣削时间作为优化目标,整个加工过程分为粗加工和精加工进行研究。利用正交试验法分别对精加工和粗加工进行试验,分析了不同切削参数对铣削时间的影响程度。试验结果表明,粗加工中对铣削时间影响最大的是进给速度,其次是轴向切削深度,最后是切削宽度。精加工中对铣削时间影响程度大小依次为进给速度、切削宽度和主轴转速。通过对试验中最优参数的选择,达到降低铣削时间,提高生产率的目的,该方法对工期约束下减少铣削时间具有参考意义。     

Compositional optimization of glass forming alloys based on critical dimension by using artificial neural network

An artificial neural network (ANN) model was developed for simulating and predicting critical dimension d_c of glass forming alloys. A group of Zr-Al-Ni-Cu and Cu-Zr-Ti-Ni bulk metallic glasses were designed based on the d_c and their d_c values were predicted by the ANN model. Zr-Al-Ni-Cu and Cu-Zr-Ti-Ni bulk metallic glasses were prepared by injecting into copper mold. The amorphous structures and the determination of the d_c of as-cast alloys were ascertained using X-ray diffraction. The results show that the predicted d_c values of glass forming alloys are in agreement with the corresponding experimental values. Thus the developed ANN model is reliable and adequate for designing the composition and predicting the d_c of glass forming alloy.     

一种基于聚类融合和最小生成树的重叠社交网络划分方法

为解决重叠社交网络划分过程中涉及群体内容私密性的问题,提出一种基于聚类和最小生成树的社交网络划分方法。该方法首先以社交网络固有特征——成员之间联系的紧密度等属性来衡量节点之间的距离,然后使用K means算法产生初始聚类,并将聚类结果表述为矩阵和不带环无向图的形式,并对无向图采用Prim算法得出最小生成树,删减最小生成树中距离较远的K条边得到K个最小生成树,最后利用相似度解决离群点以及重叠点的社交网络成员的归属。实验表明：该算法并未涉及社交网络成员的隐私,得到的社区结构质量较高,并有效地考虑了重叠社区成员以及孤立成员的划分。     

基于神经网络和遗传算法的冲压成形多目标优化技术

在冲压成形质量控制中,目标质量间常常是相互冲突的(如破裂和起皱)。传统求解多目标优化问题取决于设计人员对优化模型的理解程度、实践经验等,求解的结果在工程中并非为最合理。文章提出一种集数字化分析技术、神经网络和遗传算法于一体的冲压成形多目标优化设计技术。其以数字化分析的大量结果作为神经网络的学习样本,遗传算法所需的目标函数值由神经网络模型预测,该技术实现了多目标优化过程中遗传算法个体适应度值的动态求解,从而解决了数字化分析计算量大的缺陷。实例验证了该优化技术的有效性,为冲压成形优化设计提供了一种新的方法。     

基于动态结构神经网络的自组织模糊控制

给出了一种利用动态结构的BP 神经网络进行模糊推理的方法,即在学习过程中BP网络的隐层层数和维数不断变化,其目的在于使网络性能在训练过程中始终保持最优,从而实现规则自组织,达到在控制过程中不断优化控制性能的目的.     

基于BP神经网络和遗传算法的大功率脉冲电源优化设计

短电弧脉冲电源的性能指标对短电弧加工工件工艺性有着十分重要的影响.文中通过建立脉冲电源的Matlab仿真模型,利用模型仿真数据对电源神经网络模型进行训练,结合基于目标加权法的遗传算法对电源参数进行优化,指导短电弧样机电源参数的修改,并进行了启动性试验和负载突变试验.结果表明,采用BP-GA算法优化的短电弧电源不仅可以减少了系统调试时间、节约调试和试验成本,并且具有输出电压平稳,受外界干扰小,响应速度快等优点.     

基于网络的液压原理图协同设计系统研究

文章采用面向对象的高级语言Java和JSP技术构建了异地网络化设计平台,介绍了基于网络的液压原理图协同设计系统的原理和方法,并得到了具体的应用.     

基于柔性元结构的机械产品快速设计方法和工具的研究

提出柔性元结构、柔性虚拟模块、柔性元结构模板的概念,阐述了柔性元结构的功能结构映射关系,并以此为依据概括了柔性元结构的划分原则,同时对其在快速设计系统中的实现进行了详细的论述.     

基于制品壁厚中心基准尺寸的挤出模头设计理论研究

分析了聚合物PVC型坯的离模膨胀原因,在挤出模头口模缝隙设计及主体尺寸计算中,引入了离模膨胀比、膨胀牵伸综合系数,论述了基于制品壁厚中心的挤出模头设计方法,比以制品外表面为基准设计口模尺寸的方法误差更小,在此基础上推导出型材主体部分口模缝隙及尺寸的计算公式,并通过计算实例进行了验证。     

基于BP神经网络的管材数控弯曲多参数优化方法研究

针对管材数控弯曲成形过程中多工艺参数耦合的特点,基于BP神经网络,结合多目标优化算法研究了弯曲成形工艺参数的优化方法。采用ABAQUS对管材数控弯曲过程进行有限元仿真,并实验验证了结果的准确性。基于MATLAB平台,以芯棒直径、芯棒伸出量、防皱块与管材间摩擦系数等主要工艺参数为优化对象,以外壁减薄率、内壁增厚率(起皱)为优化目标,通过验证的数值模型获得样本数据,利用BP神经网络建立了优化对象和优化目标之间的映射关系,并采用多目标优化算法进行寻优求解,最后通过数值仿真实验验证了优化方法的准确性。结果表明:薄壁管数控弯曲有限元数值模拟结果与实验数据吻合较好,可以为神经网络提供准确可靠的训练样本;BP神经网络结合多目标优化算法可以有效地对弯曲工艺参数进行优化;优化的工艺参数有效地改善了弯曲管材内侧起皱和外侧减薄。