共查询到19条相似文献,搜索用时 78 毫秒
1.
2.
对于位置公差,许多机械设计人员把它与形状公差混淆,也像标注形状公差一样,盲目地给零件加上不必要的位置公差.还有更多的设计人员则给零件加上过多、过严过松的位置公差.有的位置公差明显与尺寸公差矛盾。为此,首先讨论位置公差与形状公差的区别,以便在实际应用中更好的区别这两种公差,并合理应用。[第一段] 相似文献
3.
4.
根据汽车车身薄壁件的功能要求,提出了车身薄壁件采用形位公差的必要性,并指出了现行形位公差用于车身设计时所存在的问题。在对现行形位公差标准进行适当的补充的基础上,建立一个比较切合实际和较为完善的汽车车身薄壁件形位公差体系,并在南京汽车制造厂得到了实际应用。 相似文献
5.
形状和位置公差在企业应用极为广泛。本文就GB/T1182-1996《形状和位置公差、能则、定义、符号和图样表示法》等五个国家标准的宣贯实施情况和公差值选择进行了阐述探索,旨在研究今后宣贯实施国家标准时提高时效。 相似文献
6.
7.
图样中未注尺寸公差与形位公差之间的关系在我国的应用中较为混乱,但在生产中,这类问题经常发生,而问题的处理往往是就事论事研究临时解决办法。直到1984年我国才制定了GB4249-84《公差原则》标准;该标准引用了DIN标准的资材,DIN标准的水平较高,它早在60-70年代就着手应用,80年又进行了原则和概念上的变动,形成了新、旧两个《公差原则》,且短期内不能作完全转换,需要同时使用,无期限过渡。这样,对我国来说就有一个应用和转换的问题,同时,斯泰尔提供的资料分别出自不同年代,应用的标准不同,应用的原则及解释方法也不同,这样,也对我们工作带来困难,鉴此,笔者根据自己对引进资料的消化吸收和应用体会编写出这篇文稿供同行们参考。 相似文献
8.
分析了塑料件尺寸偏差的复杂性和影响塑料零部件尺寸公差的因素,介绍了有塑料件尺寸公差标准,提出了合理设计选择尺寸公差的方法和注意事项。 相似文献
9.
10.
形位公差数值由精度等级和主参数确定,精度等级按尺寸精度决定,有表可查。形位公差表格中,主参数有多项参数。正确选取主参数,才能保证零件精度,不因形位公差太小难以达到,又不致形位公差与尺寸公差不协调。现将多年工作经验总结如下,供大家参考: 相似文献
11.
12.
13.
14.
因岩土体-桩-锚索相互作用的复杂性,目前关于锚拉桩挡墙的计算模型中存在诸多问题。比如,在目前预应力锚索抗滑桩的设计中,没有考虑锚索张拉阶段产生的主动加固力作用以及桩锚协调方程未能考虑张拉阶段桩锚固点向坡内产生的位移等。计算模型的不合理导致长期以来锚索拉力计算不合理。为解决这类问题,根据施工和工作的两种工况提出改进的两阶段计算模型。在此基础上,利用初参数法给出基于双参数地基反力模型的全桩解算方法,并通过实例,对改进的计算方法和现有计算方法进行了分析比较,结果表明:前者比较符合工程实际,有利于保证结构安全。 相似文献
15.
本文从封闭试验场驾驶模型的特殊性出发,采用合理的试验方案,得到了高精度的车速,定位(经度和纬度),航向角等数据。然后进一步地利用支持向量回归算法,得到基于封闭试验场的轨迹模型和速度模型。最终形成了驾驶模型,为下游仿真提供了更为可靠的智能驾驶速度曲线输入,从而不仅可以部分代替实车试验,减少实车的制造,降低开发成本,而且还可以更高效主动的发现车辆设计中的缺陷。 相似文献
16.
基于VisVSA技术的汽车装配公差分析 总被引:1,自引:0,他引:1
VisVSA是一种以服从正态分布的蒙特卡罗法为计算核心,可以为机械系统装配提供高信度计算依据的公差分析软件。本文利用VisVSA技术对整车不同类型的集成分静态和动态两方面论述。在可能影响到装配性能的因素中,通过对比分析方式,重点论述了装配顺序对车门缝隙和面差的影响及装配公差在设计载荷下对底盘系统转向角度的影响。 相似文献
17.
基于竞争力分析的市场调研方法的主要任务是完善市场数据并建立数据库,然后根据数据库的数据建立市场与车型对应的结构模型,根据模型可进行竞争力要素分析,从而进行解读与预测市场发展以及制定相应的应对策略。 相似文献
18.
汽车响应分析方法的探讨 总被引:1,自引:0,他引:1
本文将精细积分算法推广应用到考虑轮胎非线性的驾驶员-汽车-道路闭环系统的运动微分方程组的求解,推广后的算法原则上可用来求在计算机精度范围内的精确解,以转向盘角阶跃为例进行了非线性的仿真计算,对汽车的动态运动特性进行了分析。 相似文献
19.
为了将有效地识别车辆类型用于智慧交通系统,本文在分析Inception V3模型的基础上,提出了一种基于迁移学习理论的车型分类深度学习模型。该模型首先在Inception V3模型的基础上去除最后的全连接层,并加入参数优化层,然后采用Dropout和全局平均池化层。理论分析和试验结果表明,该模型的性能优于基于VGG-16的车型分类模型、基于Xception的车型分类模型和基于Resnet50的车型分类模型,其训练精度优于96.48%、测试精度优于83.86%。 相似文献