声明
1 绪论
1.1 本文研究背景
1.2 课题来源、研究目的和意义
1.2.1 课题来源
1.2.2 课题研究目的与意义
1.3 国内外研究现状
1.3.1 特征识别
1.3.2 特征加工方案决策
1.3.3零件工艺路线的优化
1.4 相关应用与研究现状总结
1.5 本文研究内容的组织安排
2 基于NX二次开发的大型缸体MBD工艺信息查询方法
2.1 基于MBD工艺信息模型的应用与分析
2.1.1 MBD工艺信息模型
2.1.2 三维标注分析
2.2 NX软件PMI标注模块介绍
2.3 NX二次开发技术相关简介
2.3.1 软件平台与发环境简介
2.3.2 NX二次开发简介
2.3.3 开发目标分析
2.3.4 开发环境和软件版本的选择
2.3.5 环境变量的配置
2.3.6 创建功能菜单
2.4 基于MBD模型的PMI查询实例
2.5 本章小结
3 基于STEP中性文件的大型缸体特征图识别方法
3.1 零部件三维模型特征识别的现状
3.2 STEP AP203标准简介及其信息结构
3.2.1 STEP AP203标准简介
3.2.2 STEP中性文件结构分析
3.3 基于STEP中性文件的特征识别
3.3.1 中性文件的处理与读取
3.3.2 STEP数据模型中边的凸凹性判定
3.3.3 属性邻接矩阵技术研究
3.4 本章小结
4 基于BP神经网络的大型缸体加工方法决策
4.1 加工方案决策需求和BP理论基础分析
4.2 人工神经网络
4.2.1 人工神经网络概述
4.2.2 人工神经元网络模型
4.3 BP神经网络
4.3.1 BP网络结构模型
4.3.2 BP理论基础分析
4.3.3 BP神经网络算法
4.4 缸体孔特征方案决策BP网络模型
4.4.1 缸体典型特征加工方案决策BP网络模型设计
4.4.2 网络处理
4.5 网络模型的训练与验证
4.5.1 学习样本的选取
4.5.2 样本的训练
4.5.3 加工方案BP神经网络决策实例
4.6 本章小结
5 基于遗传-蚁群算法的大型缸体工艺路线优化
5.1 算法概述
5.1.1 遗传算法概述
5.1.2 蚁群算法概述
5.2 遗传-蚁群算法优化工艺路线的实现
5.3 优化算法实现的阶段1-遗传算法
5.3.1 基因编码
5.3.2 GA初始种群的产生
5.3.3 GA算法适应度函数的确定
5.3.4 选择父代
5.3.5 最优个体保护
5.3.6 交叉
5.3.7 变异
5.3.8 加工工艺知识约束检测与调整
5.3.9 运行参数及终止条件
5.4 优化算法实现的阶段2-蚁群算法
5.5 基于遗传-蚁群算法优化方法实例分析
5.6 本章小结
6 大型箱体机加工工艺决策系统开发
6.1 系统的开发环境
6.2 系统主界面介绍
6.3 系统模块应用演示
6.3.1 余量求差模块
6.3.2 Brep特征识别模块
6.3.3 工艺约束矩阵模块与制造特征基因编码
6.3.4 智能优化工序模块
6.3.5 特征智能加工方案决策与验证模块
6.4 本章小结
7 总结与展望
致谢
参考文献
个人简历、在学期间发表的学术论文及取得的研究成果
重庆理工大学;
