面向虚拟制造的箱体类零件可制造性评价方法的研究
| 提要 | 第1-10页 |
| 第一章 绪论 | 第10-26页 |
| ·虚拟制造技术研究状况 | 第10-13页 |
| ·虚拟制造技术研究现状 | 第10-12页 |
| ·虚拟制造技术的应用 | 第12-13页 |
| ·面向虚拟制造的可制造性评价研究现状 | 第13-19页 |
| ·可制造性评价的研究现状 | 第14-16页 |
| ·产品可制造性评价的方法 | 第16-18页 |
| ·产品可制造性评价的内容 | 第18-19页 |
| ·特征识别技术研究现状 | 第19-21页 |
| ·基于立体分解的特征识别方法 | 第19-20页 |
| ·基于边界匹配的特征识别方法 | 第20-21页 |
| ·制造资源建模技术研究现状 | 第21-23页 |
| ·本文的主要研究内容 | 第23-26页 |
| ·课题的提出及其意义 | 第23-24页 |
| ·主要研究内容 | 第24-26页 |
| 第二章 基于STEP 的制造特征识别 | 第26-50页 |
| ·基于STEP 的特征识别框架 | 第26-31页 |
| ·STEP 标准 | 第26-27页 |
| ·STEP 中性文件格式 | 第27-29页 |
| ·特征识别 | 第29-31页 |
| ·基于STEP 中性文件的零件信息提取 | 第31-35页 |
| ·STEP 中性文件到C++的映射 | 第31页 |
| ·零件信息的提取 | 第31-34页 |
| ·内存工作格式 | 第34-35页 |
| ·零件的属性邻接图和最小特征子图 | 第35-40页 |
| ·零件的属性邻接图 | 第35-37页 |
| ·属性邻接图的分解 | 第37-40页 |
| ·基于神经网络和最小子图的特征识别方法 | 第40-46页 |
| ·神经网络 | 第40-41页 |
| ·最小子图的神经网络输入矢量 | 第41-42页 |
| ·构造神经网络 | 第42-43页 |
| ·神经网络的样本训练 | 第43-46页 |
| ·特征识别算法实例 | 第46-48页 |
| ·小结 | 第48-50页 |
| 第三章 基于特征的制造资源建模 | 第50-83页 |
| ·制造资源需求分析 | 第50-52页 |
| ·制造资源建模 | 第52-59页 |
| ·面向对象的建模方法 | 第52-53页 |
| ·加工设备模型 | 第53-56页 |
| ·工艺装备模型 | 第56-58页 |
| ·制造资源关系模型 | 第58-59页 |
| ·基于特征的加工设备分组 | 第59-61页 |
| ·模糊聚类算法 | 第61-68页 |
| ·模糊集理论 | 第61-63页 |
| ·模糊c-均值聚类算法 | 第63-68页 |
| ·遗传算法 | 第68-74页 |
| ·构造适应度函数 | 第68页 |
| ·编码 | 第68-69页 |
| ·遗传算子 | 第69-71页 |
| ·遗传算法的收敛性 | 第71-74页 |
| ·基于遗传和模糊聚类的混合算法 | 第74-79页 |
| ·内层循环 | 第74-77页 |
| ·外层循环 | 第77-79页 |
| ·实例分析 | 第79-82页 |
| ·小结 | 第82-83页 |
| 第四章 基于特征的可制造性评价 | 第83-98页 |
| ·基于特征的可制造性评价体系 | 第83-85页 |
| ·一级可制造性评价——粗评 | 第85-90页 |
| ·结构工艺性规则 | 第86-88页 |
| ·壁厚的确定 | 第88-90页 |
| ·二级可制造性评价——精评 | 第90-96页 |
| ·机床约束 | 第91-93页 |
| ·刀具约束 | 第93页 |
| ·夹具约束 | 第93-94页 |
| ·量具约束 | 第94-95页 |
| ·公差约束 | 第95-96页 |
| ·实例 | 第96-97页 |
| ·小结 | 第97-98页 |
| 第五章 基于遗传算法的加工方案优化 | 第98-116页 |
| ·加工方案选择的多目标优化模型 | 第98-102页 |
| ·加工方案选择模型 | 第98-99页 |
| ·多目标优化数学模型 | 第99-101页 |
| ·评价指标 | 第101-102页 |
| ·层次分析法 | 第102-107页 |
| ·层次分析法概述 | 第102-103页 |
| ·构造梯阶层次模型 | 第103-104页 |
| ·构造判断矩阵 | 第104-106页 |
| ·权重的计算和一致性检验 | 第106-107页 |
| ·遗传算法的数学模型 | 第107-110页 |
| ·构造适应度函数 | 第107-108页 |
| ·编码 | 第108-109页 |
| ·选择算子 | 第109页 |
| ·交叉和变异 | 第109页 |
| ·遗传算法的实现过程 | 第109-110页 |
| ·实例分析 | 第110-115页 |
| ·确定权重 | 第110-113页 |
| ·方案的选择 | 第113-115页 |
| ·小结 | 第115-116页 |
| 第六章 总结与展望 | 第116-119页 |
| ·全文总结 | 第116-117页 |
| ·研究展望 | 第117-119页 |
| 参考文献 | 第119-132页 |
| 摘要 | 第132-135页 |
| ABSTRACT | 第135-139页 |
| 攻读博士学位期间科研情况简介 | 第139-140页 |
| 致谢 | 第140页 |
