摘要：在数控机床的初始设计阶段,机床的误差源参数是未知的,对于新机床的开发具有指导意义的是已知的关键零部件的公差参数。为了满足更高精度要求的机床,如何准确地预测机床的几何误差成为主要的亟待解决问题。基于磨床构件表面的几何形貌误差具有渐变性这一特征,提出一种几何误差源参数建模的方法。首先,根据磨床零部件的各公差参数建立公差与磨床表面误差形貌之间的关系模型,再建立表面误差形貌与几何误差源参数之间的关系模型,从而得到了磨床关键零部件的公差参数与几何误差源参数之间的映射关系。可以在机床设计初期,避免传统的经验设计法的弊端,有效地对几何误差进行预测。

摘要：数控机床的空间运行精度是衡量其性能的重要指标之一,精度设计则是数控机床自主创新的重要环节。通过综述现有几种主要的误差建模方法,论述了各种灵敏度分析方法的特点,基于数控机床的组成结构,分别对数控机床的平动轴和旋转轴的误差检测和辨识方法进行归纳和分析。总结了现有建立数控机床整体精度的优化模型和精度优化分配研究情况,系统分析了数控机床精度优化设计中存在的问题,并探讨了其未来研究方向。

摘要：数控外圆磨床的精度受静态和动态误差的综合作用。本文综述了精度优化设计的三个方面:误差建模方法、关键零部件灵敏度分析和精度优化分配方法,总结了现有的误差补偿研究方法,并系统地分析了数控外圆磨床精度优化设计中亟待解决的问题,探讨了机床精度设计的研究方向。

摘要：公差对机床的精度设计具有指导意义,目前机床设计大多仍依赖于传统经验。为揭示机床零部件公差与机床几何误差源参数间的映射关系,本文以数控外圆磨床为例,构建了零部件公差与其表面几何形貌误差的关系模型,依据磨床零部件公差的概念及其运动规律,推导出零部件几何误差形貌与几何误差源参数的内在联系,建立了磨床关键零部件公差与机床几何误差源参数间的关系模型,为数控外圆磨床运行精度预报及关键零部件的公差参数优化分配奠定理论基础。

摘要：数控外圆磨床的精度受静态和动态误差的综合作用。本文综述了精度优化设计的三个方面:误差建模方法、关键零部件灵敏度分析和精度优化分配方法,总结了现有的误差补偿研究方法,并系统地分析了数控外圆磨床精度优化设计中亟待解决的问题,探讨了机床精度设计的研究方向。

摘要：运用SolidWorks软件建立数控磨床床身模型,导入ANSYS分析软件分别进行静力学和模态分析。根据分析结果,对床身壁厚、掏沙孔形状及筋板布局等结构进行优化设计。综合各结构优化方案,优化后的床身体积增加1.199%,最大变形可以减小52.034%,第一阶固有频率提升21.478%。

摘要：课程思政属于综合式教育理念,旨在构建教书育人和思想政治有机融合的教育过程,强调教师、课程和思政内容的有机统一。基于课程思政视域下,探究舞蹈教学创新路径,有助于改变社会各界对舞蹈教育的看法,既能推动教学体系完善,又能实现舞蹈教学思想的启蒙目标。而且,在舞蹈教学中融入课程思政元素,不仅能把艺术教育转变成思想和艺术的碰撞,更能提升学生的艺术情操,帮助学生树立思政意识,促进学生的全面发展。

摘要：竹材为快速可再生材料,性能优越,用于建筑领域可提高长期固碳能力、增加经济附加值,且建筑业迫切需要寻找再生资源降低对环境的影响。通过试验研究浙江省4~5年生毛竹枝下材制成的重组竹顺纹抗拉、顺纹抗剪、抗弯强度、抗弯弹性模量及其破坏模式,参照《木结构设计手册》分析其设计值,并将其与常见建筑材料进行对比。结果表明,顺纹抗拉强度设计值为16.3 MPa,抗拉破坏属于脆性破坏,破坏模式有3种:受拉纤维拉断、锯齿状界面剪切破坏、纤维拉断和界面剪切破坏同时发生;顺纹抗剪强度设计值为3.69 MPa,抗剪破坏属于脆性破坏,破坏模式为纤维界面的剪切破坏;抗弯强度设计值和抗弯弹性模量分别为33.8 MPa和8.3 GPa,抗弯破坏属于塑性破坏,破坏模式为受拉纤维先拉断、受压纤维后压溃破坏。重组竹可作为建筑结构主体受力材料使用,但须适当提高抗压和抗剪安全系数,用作受弯构件时以挠度控制较为准确。

摘要：为便于展示复杂网络的拓扑结构并从中获取关键信息,设计一种复杂网络仿真软件。对已有的仿真软件及复杂网络的统计性质进行分析,在此基础上建立复杂网络仿真软件的体系结构;基于igraph给定类型和参数创建对应的复杂网络,重要的统计参数采用经典算法计算,结合双缓冲技术及布点算法完成网络可视化,实现软件的各项功能。应用结果表明,该软件便利了复杂网络的创建及关键信息的获取,可为复杂网络的相关研究提供有效支持。

摘要：利用正交设计方法,对立方氮化硼(CBN)刀具硬态干式车削淬硬钢Cr12Mo V时,切削用量三要素(切削速度、进给量和切削深度)对加工表面粗糙度的影响进行了分析,运用响应曲面法(RSM)建立了加工表面粗糙度的预测模型。研究结果表明:CBN刀具车削淬硬钢Cr12Mo V时对加工表面粗糙度影响最大的加工参数是切削速度,其次是进给量,切削深度对加工表面粗糙度的影响较小;预测模型能够高精度地对表面粗糙度进行预测,平均误差不超过9.7%。