基于Pro/E齿轮加工CAD/CAPP/CAM应用系统的研究与开发

利用Pro/E的特征造型功能高效地进行齿轮设计,采用二次开发工具Pro/Toolkit、数据库技术以及32位开发工具VC 6.0的MFC对Pro/E的加工模块以图形界面形式进行二次开发,并利用Pro/Toolkit提供的C/C 程序函数库,可以在用户设计的C/C 程序中检索、修改和创建Pro/E的齿轮特征对象,开发出基于Pro/E的齿轮专用CAD/CAPP/CAM集成应用系统.采用参数化尺寸驱动技术,根据用户选择的基本设计参数,零件调用直观方便,用户界面友好,可应用于齿轮的系列化开发.标准件库的建立及齿轮的变形设计,实现了CAM系统工艺信息的自动化获取和数控代码的自动生成.     

偏置曲柄滑块机构综合中的静止传递条件

本文依据综合偏置曲柄滑块机构时两类常见的已知条件即已知行程速比系数k或曲柄与连杆的长度比λ,建立了最小传动角y_(min)与描述曲柄回转中心A点的位置参数β间的函数关系;探讨了Y_(min)随β的变化趋势;给出了满足静力传递条件时 k与λ的取值范围即 k≤1.224或λ≤2~(1/2)/2;以及满足静力传递条件时曲柄回转中心A点的可取范围。     

曲柄摇杆机构六种不同条件下的解析综合

本文针对以往的用图解法综合曲柄摇杆机构不够精确且无系统和规律的缺陷,推导给出了六种不同已知条件下的解析综合公式,这不仅大大地简化了该机构的综合过程,提高了综合效率,而且使综合的结果是精确的解,给曲柄摇杆机构的综合作了有益的补充和完善,填补了此方面解析综合的空白。     

斜齿轮插削加工的CNC系统

基于实现斜齿轮插削加工CNC控制的思想,提出了运用同步锁相保证工件主轴与刀具主轴的同步跟踪,用电子差动合成来实现刀具主轴附加转动与圆周进给运动的合成,进而驱动伺服系统实现斜齿轮插削加工的数字化控制.     

按γ_(min)最大综合偏置曲柄滑块机构的解析法

本文首先给出了γ_(min)和描述曲柄回转中心 A 点的位置参数β间的函数关系式,进而给出了在 A 点可取范围内γ_(min)的极大值与极小值出现的位置,最后导出了按 K、γ_(min)最大及任一长度尺寸(H、e、a、b 等)一不同情况下综合偏置曲柄滑块机构的解析式。     

少齿数齿轮传动动力学的研究

目的为探讨少齿数齿轮参与传动过程中的运动情况,特别是啮合力对其影响情况,基于ADAMS和Pro/E对少齿数齿轮传动情况进行了建模仿真研究,这也有助于减少少齿数齿轮的设计成本和缩短其设计周期。方法首先通过Pro/E软件,实现了基于精确齿廓方程的齿轮参数化建模,并将其导入到ADAMS软件中;然后结合齿轮传动的实际情况修改机构属性和添加约束,特别是添加碰撞力和负载;最后对仿真得到的数据进行分析得出结论。结果与结论少齿数齿轮传动时处于变载状态,传动效率高,啮合力对其有一定的影响。     

渐开线圆柱齿轮出现节点外啮合的研究

首先分析了节点外啮合出现的原因;其次根据节点外啮合的条件,推出了变位齿轮节点外啮合时各参数之间的关系;最后分析了标准齿轮外啮合传动不存在节点外啮合,总结了节点外啮合对齿轮强度的影响。     

人工改造的Cry1Ac和Cry1Ie基因在烟草中共表达对棉铃虫有更好的杀虫活性

利用叶盘转化法获得了携带Cry1Ac, Cry1Ie和同时携带这两个基因的3种类型转基因烟草. 利用ELISA法测定转基因烟草叶片中Bt蛋白含量, 在携带两种Bt基因的转基因烟草中, Cry1Ac和Cry1Ie蛋白分别占总蛋白的0.173%和0.131%. 在携带单个基因的烟草中, Cry1Ac和Cry1Ie蛋白的含量分别为0.182% 和0.124%. 分别用野生型棉铃虫(Helicoverpa armigera)和Cry1Ac抗性棉铃虫的初孵幼虫在这3种类型的转基因烟草叶片上进行虫试, 并以未转基因烟草为负对照. 实验结果表明, 携带Cry1Ie基因的转基因烟草对这两种棉铃虫都有杀虫活性, 而携带Cry1Ac基因的转基因烟草仅对野生型棉铃虫有抗性, 携带两种Bt基因的烟草比仅含其中一个基因的烟草对这两种棉铃虫均有更好的杀虫效果. 该结果表明, 这两种Bt基因在转基因烟草中能够协同作用, 提高了烟草对害虫的杀虫效果. 同时, 转入两个Bt杀虫基因有可能成为延缓农业害虫对转基因作物产生抗性的新途径.     

基于和声搜索算法的电力系统经济调度

针对风电并网对电力系统经济调度的影响,以火电机组的燃料成本及火电厂环境成本为目标函数建立模型。通过惩罚系数将污染气体排放量转化为环境成本。提出了基于模拟退火的和声搜索算法。通过与传统的遗传算法比较,验证了该算法的可行性与有效性。     

基于RBF神经网络的弧焊机器人轨迹跟踪控制方法

针对目前弧焊机器人的控制算法大多是基于关节空间的算法,而这种算法无法实现对机械臂末端位置的直接控制的问题,提出了基于笛卡尔空间的轨迹跟踪控制算法.首先运用RBF(radical basis function)神经网络技术对实际机械臂数学模型的建模误差和参数不确定性进行补偿,接着定义Lyapunov函数并运用HJI(Hamilton-Jacobi inequality)定理设计基于笛卡尔空间的机器人鲁棒控制器.在此基础上以二自由度机械臂为被控对象进行仿真研究,仿真结果表明,基于笛卡尔空间算法的轨迹跟踪控制算法误差小于基于关节空间的控制算法,在基于笛卡尔空间的控制算法的仿真中末端轨迹跟踪误差小于0.08 mm,神经网络能够有效地在线学习机器人的建模误差和参数不确定性.