【摘 要】
：
为研究W形框架类铝合金在侧铣过程中的切削力以及加工变形大小,本文首先将W形框架铝合金构件拆分为5类局部结构,再利用有限元法对各局部结构进行切削动力学仿真模拟,最后得到各加工位置处的切削力、温度场以及切屑形成过程。结果表明,采用局部建模法对结构复杂的框类零件的切削力计算更精确、更高效,能形成良好的切屑形态;W形框架铝合金的右斜筋位置处所产生的切削力最大,其数值是蒙板的2~3倍。此外,本文还采用生死单元法模拟材料的去除过程,将不同位置、不同时刻的切削力载荷作为输入条件,得到了W形框架铝合金加工过程中最大变形时
论文部分内容阅读
为研究W形框架类铝合金在侧铣过程中的切削力以及加工变形大小,本文首先将W形框架铝合金构件拆分为5类局部结构,再利用有限元法对各局部结构进行切削动力学仿真模拟,最后得到各加工位置处的切削力、温度场以及切屑形成过程。结果表明,采用局部建模法对结构复杂的框类零件的切削力计算更精确、更高效,能形成良好的切屑形态;W形框架铝合金的右斜筋位置处所产生的切削力最大,其数值是蒙板的2~3倍。此外,本文还采用生死单元法模拟材料的去除过程,将不同位置、不同时刻的切削力载荷作为输入条件,得到了W形框架铝合金加工过程中最大变形时
其他文献
在不受限制的场景下,人脸检测大多部署在移动端或者边缘设备上,这些设备计算能力低且内存较小。使用无锚检测思想,基于CenterNet无锚检测器,提出以人脸为点的检测方法。不需要人工预先设置锚框,也不需要使用非极大值抑制来后处理,模型变得简单且高效。模型的骨干网络使用改进的ShuffleNetV2,轻量级网络保证了模型参数少,性能高效,可以部署在边缘设备或者移动设备上。使用人脸检测数据集WIDERFA
针对传统算法在正交频分复用(OFDM)系统导频数量较少时误符号率较高的问题,提出一种基于深度学习的OFDM信号检测方法,该算法设计一种信号检测网络,其信号检测网络可以代替传统算法中的信道估计和均衡,主要包含:输入层、双向长短记忆神经网络(Bidirectional long short memory neural network,BiLSTM)层、全连接层、softmax层以及分类层。首先需要构建BiLSTM,然后利用3GPP TR38.901信道模型下生成的数据对已经构建好的神经网络进行训练,最后则可将
带电检修机器人是电网智能运检、安全带电作业的发展趋势及重要技术走向。本文主要针对传统带电作业方式的检修内容与应用范围受限导致难以常态化开展的缺点,以及变电设备集成化与紧凑化发展、高可靠性要求与人工带电作业安全性的矛盾,采用新型带电检修方法,通过开展自动化机器人技术在变电设备带电检修领域的关键技术研究与应用,实现替代或辅助人工完成典型作业项目,提升带电检修工作的安全性,促进带电检修的自动化、机械化工作水平及推广应用,进一步丰富变电设备带电检修手段,整体提高带电检修工作的技术水平。
欠定盲源分离问题中,针对传统FCM算法(fuzzy C-means,FCM)需要预先设定聚类数目和初始聚类中心,以及聚类结果易受噪点干扰的问题,提出一种基于密度结构分析的改进FCM聚类算法,并利用改进后的算法实现混合矩阵估计。这一改进算法首先用OPTICS(ordering points to identify the clustering structure,OPTICS)算法对信号进行密度结构分析,得到能反映信号密度结构的可达距离序列,从中确定出初始聚类中心和聚类数目,实现对FCM初始参数优化;而后进
2021年1月29 日,“中国—老挝可再生能源开发与利用联合实验室”与老挝科技部可再生能源与新材料研究所召开视频会议.rn云南师范大学科技处李明处长介绍了中国—老挝可再生能
主动学习能够在有标记样本较少的分类任务中得到较好的分类结果,其中熵值装袋算法最为常用,其利用熵值来衡量样本的不确定性,但熵值并不能完全地代表样本的不确定度。针对这一问题,本文提出二次样本筛选的分类算法,通过超像素分割进行边缘区域样本筛选,选择出不确定度较高的样本。利用熵值装袋算法对区域筛选样本进行二次筛选,选择信息量较高的样本。实验表明,该方法可以得到更理想的分类效果。
为帮助不同层次多旋翼飞行器爱好者更好地掌握飞行器飞行控制技巧,利用Unity3D设计开发一套多旋翼飞行器飞行训练仿真系统,系统包含技能训练、挑战训练和考级训练3种训练模块。首先构建不同训练模式下的虚拟运动场景,然后通过重力与惯性模拟、碰撞和边界检测以及飞行视角切换等手段,完成飞行器虚拟物理系统的设计,最后在建立微型四旋翼、四旋翼、八旋翼3类多旋翼飞行器3D模型基础上,设置键盘和遥控器2种外部输入设
家居机器人技术一般应用视觉同步定位与建图(SLAM, Simultaneous Localization and Mapping)来实现定位与构建导航地图,如何实现视觉SLAM系统快速准确定位和构建丰富环境信息的地图已经成为视觉SLAM研究的热点问题。本文将光流法与关键点结合,加快视觉SLAM的数据处理速度,并添加稠密点云地图和八叉树地图构建线程来获取环境信息,实现一个较为优秀的视觉SLAM系统。
由于当前电网负荷的电力电子化趋势越来越明显,导致其复杂性、随机性、时变性也显得尤为突出,从而影响了电力负荷模型的准确性。负荷建模过程中为了考虑到不同比例及不同类型电力电子设备的影响,需要进行合理的分类。针对不同类型的电力电子设备具有不同的端口机电特性与谐波特性,对典型负荷设备进行谐波特性分析,进行初步的分类,然后建立详细仿真模型用于获取大量的各种随机场景下的特征数据,分析其谐波特性,并通过模糊C均值聚类(Fuzzy cmeans,FCM)方法进行分类调整。通过谐波模拟数据集,验证本方法用于电力电子负荷构成
为解决现有水下图像增强方法对水下图像特征提取能力不足而导致的模型通用性不足的问题,本文提出一种改进U-Net网络用于水下图像增强。首先,提出用生成对抗网络拟合一个新的水下退化模型,再用无水深度图像经过生成对抗网络合成对应的水下图像,从而建立水下数据集。然后,提出一种改进的U-Net网络充分提取水下图像特征,自适应地学习水下图像到无水图像的映射关系。在3种不同类型的数据集上对本文所提出的算法与其他具