-
公开(公告)号：CN109977972A
公开(公告)日：2019-07-05
申请号：CN201910252035.7
申请日：2019-03-29
Applicant: 东北大学
Abstract: 本发明提供一种基于STEP的智能特征识别方法，包括：在STEP AP214文件中提取零件的几何拓扑信息；根据提取到的几何拓扑信息，构建零件的属性邻接图，进而生成零件的最小子图；构建用于STEP‑NC制造特征识别的BP神经网络模型；采用人工蜂群算法优化BP神经网络的初始权值和阈值，得到最优初始权值和阈值；训练BP神经网络，得到改进的BP神经网络；将待识别零件的最小子图的信息数据输入到改进的BP神经网络中，从而高效准确地实现STEP‑NC制造特征的识别。本发明将人工蜂群算法与BP神经网络算法有机结合，构建了用于STEP‑NC制造特征识别的改进BP神经网络，实现了STEP‑NC制造特征的高效精准识别，对STEP‑NC标准的进一步完善和实施具有积极的参考价值。
-
公开(公告)号：CN109977972B
公开(公告)日：2023-02-07
申请号：CN201910252035.7
申请日：2019-03-29
Applicant: 东北大学
IPC: G06V10/40 , G06V10/774 , G06N3/006 , G06N3/02 , G06N3/08
Abstract: 本发明提供一种基于STEP的智能特征识别方法，包括：在STEP AP214文件中提取零件的几何拓扑信息；根据提取到的几何拓扑信息，构建零件的属性邻接图，进而生成零件的最小子图；构建用于STEP‑NC制造特征识别的BP神经网络模型；采用人工蜂群算法优化BP神经网络的初始权值和阈值，得到最优初始权值和阈值；训练BP神经网络，得到改进的BP神经网络；将待识别零件的最小子图的信息数据输入到改进的BP神经网络中，从而高效准确地实现STEP‑NC制造特征的识别。本发明将人工蜂群算法与BP神经网络算法有机结合，构建了用于STEP‑NC制造特征识别的改进BP神经网络，实现了STEP‑NC制造特征的高效精准识别，对STEP‑NC标准的进一步完善和实施具有积极的参考价值。
-
公开(公告)号：CN110162909A
公开(公告)日：2019-08-23
申请号：CN201910459640.1
申请日：2019-05-30
Applicant: 东北大学
Abstract: 本发明提供一种渐开线直齿轮传动系统动态特性求解方法。本发明方法，包括：步骤S1：基于集中质量法建立渐开线直齿轮传动系统非线性动力学模型；步骤S2：考虑时变啮合刚度、动态传递误差、摩擦、偏心、修形、间隙、重力和非线性轴承力，基于拉格朗日方程推导渐开线直齿轮传动系统非线性动力学方程；步骤S3：基于Runger-Kutta法求解渐开线直齿轮传动系统动态特性。本发明方法全面考虑时变啮合刚度和动态传递误差等非线性影响因素，将集中质量法、拉格朗日方程和Runger-Kutta法相结合应用于渐开线直齿轮传动系统动态特性求解，提高了渐开线直齿轮传动系统动态特性的求解准确性和效率，对提高齿轮传动系统的啮合平稳性、承载能力和降低摩擦损耗等具有重要意义。
-
公开(公告)号：CN110162909B
公开(公告)日：2023-02-03
申请号：CN201910459640.1
申请日：2019-05-30
Applicant: 东北大学
IPC: G06F30/20 , G06F17/11 , G06F119/14
Abstract: 本发明提供一种渐开线直齿轮传动系统动态特性求解方法。本发明方法，包括：步骤S1：基于集中质量法建立渐开线直齿轮传动系统非线性动力学模型；步骤S2：考虑时变啮合刚度、动态传递误差、摩擦、偏心、修形、间隙、重力和非线性轴承力，基于拉格朗日方程推导渐开线直齿轮传动系统非线性动力学方程；步骤S3：基于Runger‑Kutta法求解渐开线直齿轮传动系统动态特性。本发明方法全面考虑时变啮合刚度和动态传递误差等非线性影响因素，将集中质量法、拉格朗日方程和Runger‑Kutta法相结合应用于渐开线直齿轮传动系统动态特性求解，提高了渐开线直齿轮传动系统动态特性的求解准确性和效率，对提高齿轮传动系统的啮合平稳性、承载能力和降低摩擦损耗等具有重要意义。
-
-
-
Search Results
4
records
(took 0.019 seconds)
