影响箱体孔系镗削质量的因素及控制措施

箱体类零件是机床的基础零件,箱体上孔及孔系的加工质量,对机床的精度和性能有很大影响。在箱体孔系的镗削加工中,经常会出现孔的圆度误差、孔系问的同轴度误差和平行度误差等精度问题．这些问题直接影响着箱体孔的镗削质量,在加工过程中通过分析产生这些误差的原因,采取相应的预防措施,才能保证箱体孔系的镗削质量。     

箱体类零件的加工工艺分析

本文从工艺路线的拟定、定位基准的选择、主要表面的加工三方面重点分析了箱体类零件的加工工艺,提出了三种先进的孔精加工工艺方案：精镗—浮动镗：金刚镗—珩磨：金刚镗—滚压,并指出：箱体类零件的重要孔（如主轴孔）、孔系的加工精度成为箱体类零件的加工工艺关键。     

箱体类零件的技术要求与加工工艺

箱体类零件是箱体部件的主要零件,箱体零件的精度等级与加工直接影响装配精度及机器设备的使用性能.     

零件结构要素的统计分析及其应用

本文阐述北京第二机床厂独立制造岛加工的箱体零件结构要素的统计分析结果。对箱体零件要素的分类及其参数的确定进行了描述．从生产系统的优化考虑．根据统计分析结果将141种不同的箱体零件所有结构要素进行了成组化、简化和标准化．最后．文章论述了零件统计分析的应用对规划设计生产系统的重要作用．     

车床镗孔专用夹具的设计与镗孔加工

根据箱体类零件等高轴承孔的中心高和中心距大小,普通车床主轴中心高和中拖板的行程,设计车床镗孔专用夹具,在普通车床上镗削箱体类零件的多个轴承孔,解决了无镗床时箱体类零件的镗孔问题。介绍了车床镗孔专用夹具的设计方法,车床上镗箱体类零件轴承孔的操作方法。     

激光跟踪仪在主轴箱体检测上的应用

<正>1主轴箱体零件的技术要求主轴箱体零件的主要技术要求有4个方面:(1)孔的精度及表面粗糙度要求:箱体上轴承支承孔的尺寸精度、几何形状及表面粗糙度都有严格要求。如果达不到这些要求,会使轴承与箱体上的孔配合不好,工作时引起振动和噪音。特别是机床     

关于数控铣床的编程特点和坐标系统的理解

铣削是机械加工中最常用的方法之一,数控铣床不仅使用于加工箱体、壳体零件,更使用于加工各种复杂的曲线、曲面以及模具型腔等平面或立体零件。对于非圆曲线、空间曲线和曲面的轮廓铣削加工,数学处理比较复杂,一般要借助计算机CAD/CAM软件来实现.两坐标联动数控铣床用于加工平面零件轮廓;三坐标以上的数控铣床用于加工难度较大的复杂工件的立体轮廓,而且换上孔加工刀具,能同样方便地进行数控钻、镗、锪、铰及攻螺纹等孔加工。     

PC─50加工中心箱体零件编程分析

通过对PC－50加工中心箱体加工编程的分析，探讨箱体类零件加工程序编制中的一些工艺处理和编程技巧。     

大型舵叶锥孔加工工艺设计

由于零件的特殊性，大型舵叶锥孔的加工难度大，加工成本高，已成为船舶机加工的重点和难点．为有效解决这一重要技术难题，以16万吨油轮舵叶锥孔为例，进行工艺设计．首先，介绍零件的加工技术要求；其次，提出大型舵叶的总体加工方案，然后介绍大型舵叶锥孔的加工方法；最后提出大型舵叶锥孔加工专机的设计方案．     

同轴孔系调头镗削工艺分析与应用

在机械加工中经常会遇到很多轴向距离远同轴度精度要求高的同轴孔系,如箱体,框架体等零件,其主要特征为：1.两同轴孔分布在零件两端或中间,由于工件较长,不易加工。2.两孔孔径较小（相对零件）。3.两孔同轴度公差值控制在0.02mm范围内。4.两孔共同轴心线平行或垂直某设计基准,     

基于人为误差的支持向量机——AE-SVM

传统的支持向量机是将分类问题转化成二次规划问题来解决的。针对传统的支持向量机算法及其变形算法忽略了训练集数据含有较大人为误差参与时其算法精度所存在的保障问题,提出了基于人为误差的支持向量机(artificial error—support vector machine以下称AE-SVM)的基本理论,并建立了AE-SVM的理论模型。该模型是C-SVM模型的改进和推广。     

神经机器翻译综述

机器翻译研究在非人工干预的情况下,利用计算机自动地实现不同语言之间的转换,是自然语言处理和人工智能的重要研究领域,神经机器翻译(neural machine translation,NMT)利用神经网络实现源语言到目标语言的转换,是一种全新的机器翻译模型.神经机器翻译经过最近几年的发展,取得了丰富的研究成果,在很多语言对上超过了统计机器翻译方法.首先介绍神经机器翻译的基本思想和主要方法,然后对最新的前沿进展进行综述,最后对神经机器翻译的未来发展方向进行展望.     

一种具有模糊交货期的单机调度问题

研究了一种具有模糊交货期的最小化全部满意度的单机调度问题。机器能力限制要求在任何时间至多加工一个工件,且在工件加工之间无空闲时间。考虑了一种梯形隶属度函数并推广为非线性情形。该问题清晰化后可利用动态规划状态空间松弛来求解。     

基于人为误差的支持向量机——4E-SVM

传统的支持向量机是将分类问题转化成二次规划问题来解决的。针对传统的支持向量机算法及其变形算法忽略了训练集数据含有较大人为误差参与时其算法精度所存在的保障问题,提出了基于人为误差的支持向量机（artificial error-support vector machine以下称AE—SVM）的基本理论,并建立了AE—SVM的理论模型。该模型是C—SVM模型的改进和推广。     

机器视觉技术的农业应用研究进展

 机器视觉技术已广泛应用到农业生产的诸多领域。综合国内外优秀研究成果,阐述了现阶段机器视觉在农业方面应用的主要形式,介绍了机器视觉在农作物精选与质量检测、植物生长信息监测、农田视觉导航等应用方向的研究成果,通过分析其创新性的图像处理算法、机器视觉系统的组成,提出了当前机器视觉农业应用仍存在可靠性差、成本高、智能化水平不高等问题。结合当前机器视觉在各种领域的研究和应用情况,对未来机器视觉在农业应用的发展方向进行展望,认为基于嵌入式处理模块和多技术融合的机器视觉系统将成为未来主要发展趋势,以卷积神经网络为代表的深度学习模型也将成为未来图像识别的核心技术,并将极大改善目前机器视觉在农业应用存在的诸多问题。     

高光谱遥感信息智能处理的若干理论与技术问题

高光谱遥感信息处理自动化与智能化具有重要的理论意义和实用价值。作为有效的机器学习算法,支持向量机具有适用高维特征、小样本与不确定性问题的优越性,是一种极具潜力的高光谱遥感分类方法,但需要解决多类问题分类策略、核函数选择与优化、不确定性控制等问题。对高光谱遥感数据挖掘的若干基本问题进行了分析,在构建其框架体系与处理流程的基础上,探讨了可以发现的知识类型、典型的挖掘模式,并分析了一些主要挖掘算法和关键技术。     

双状态机在LDPC码译码实现中的应用

FSM（Finite State Machine,有限状态机）的核心功能是能描述一系列具有逻辑顺序的事件,并能有效管理各个事件执行的步骤,它是一种较为特殊的时序电路。本文分析了LDPC码译码器的主控程序的结构,结合有限状态机的设计思想,采用了两个状态机交替工作的机制,在FPGA上实现了译码器的主控模块,使初始信息存储模块、校验消息处理模块、变量消息处理模块、累加模块及校验模块有序工作,实现了模块间的无缝链接,使译码器工作稳定可靠。     

支持向量机的凸优化求解

支持向量机(SVM)是一种基于统计学习理论的机器学习方法,由于其优越的学习性能,已经成为当前模式识别、数据挖掘、大数据处理等机器学习领域的研究热点.查阅相关同类文章,发现其中对SVM理论中公式,如距离函数d、拉格朗日函数L(w,b,α)、二次凸优化函数f(x)等的来龙去脉缺少细致的阐述.本文对SVM理论中典型的线性最优二分类问题的求解进行了完整的推导,并给出了对岩屑岩性分类识别的结果,也为今后的非线性多类模式分解作出铺垫.     

WK—Ⅰ型电脑考勤机系统用设计

本文通过对WK-I型电脑考勤机研制的情况介绍,提出了特殊应用情况下的抗干扰措施,以及广大电脑考勤机适用范围和解决考勤“瓶颈”问题的有效方法,对考勤登记和综合统计算法也作了简明的论述。