購(gòu)買(mǎi)設(shè)計(jì)請(qǐng)充值后下載，，資源目錄下的文件所見(jiàn)即所得，都可以點(diǎn)開(kāi)預(yù)覽，，資料完整，充值下載可得到資源目錄里的所有文件。。?！咀ⅰ浚篸wg后綴為CAD圖紙，doc,docx為WORD文檔，原稿無(wú)水印，可編輯。。。具體請(qǐng)見(jiàn)文件預(yù)覽，有不明白之處，可咨詢QQ:12401814

2011 屆本科畢業(yè)設(shè)計(jì)(論文) 外文文獻(xiàn)翻譯 學(xué) 院： 機(jī)械工程學(xué)院 專 業(yè)： 機(jī)械工程及自動(dòng)化(機(jī)械制造) 姓 名： 楊 堯 學(xué) 號(hào)： 070607109 (用外文寫(xiě)) 外文出處： CHINESE JOURNAL OF MECHNICAL ENGINEERING Vol.22，No.5,2009 附 件： 1.外文資料翻譯譯文2.外文譯文 附件1：外文資料翻譯譯文 基于范例推理的兩級(jí)齒輪減速器設(shè)計(jì)系統(tǒng)的研究 Ji Aimin1，2，*HUANG Quansheng1，XU Huanmin1，andCHEN Zhengming3 1 College ofMechanical and Electrical Engineering,Hohai University,Changzhou 213022，China 2 StateKeyLab ofCAD&CG,Zh~iang University,Hangzhou 310058,China 3 College ofComputer and Information Engineering,Hohai University,Changzhou 213022，China Received November 18，2008；revised May 22，2009；accepted August 10，2009；published electronically August 14，2009 摘要：兩級(jí)齒輪減速器的設(shè)計(jì)是一個(gè)繁瑣并且耗時(shí)的過(guò)程。為了提高設(shè)計(jì)過(guò)程的效率和智能化，兩級(jí)齒輪減速器的設(shè)計(jì)應(yīng)用了基于范例推理（CBR）技術(shù)。首先，分析兩級(jí)齒輪減速器目前的設(shè)計(jì)理論并描述CBR的原則。第二，根據(jù)減速器的特點(diǎn)，研究CBR的三項(xiàng)關(guān)鍵技術(shù)并提供如下相關(guān)理論：(a)一個(gè)面向?qū)ο蟮闹R(shí)表示方法 （b）一種與鄰近歸納索引相結(jié)合的檢索方法 （c）一個(gè)結(jié)合基于人工修正規(guī)則修正的自適應(yīng)算法案例。同樣，為了提高案例檢索的可信度，出現(xiàn)了一種新的確定特征權(quán)重的方法和一種相似的算法，即一種帶有層次分析法（AHP）的組合加權(quán)法和粗糙集理論。最后根據(jù)上面的分析結(jié)果，基于CBR的兩級(jí)齒輪減速器設(shè)計(jì)系統(tǒng)由VC++，UG和Access2003開(kāi)發(fā)完成。該項(xiàng)研究提供了一種設(shè)計(jì)兩級(jí)齒輪減速器的新方法。如果上述開(kāi)發(fā)的系統(tǒng)應(yīng)用于設(shè)計(jì)兩級(jí)齒輪減速器，設(shè)計(jì)的效率將會(huì)得到提高，這使得設(shè)計(jì)者能夠從齒輪減速器繁瑣的設(shè)計(jì)中解脫出來(lái)，以便于將更多的努力放在創(chuàng)新設(shè)計(jì)上，該研究結(jié)果充分體現(xiàn)了在設(shè)計(jì)機(jī)械零件過(guò)程中，CBR技術(shù)的可行性和有效性。 關(guān)鍵詞：兩級(jí)齒輪減速器，基于范例推理（CBR），特征權(quán)重，相似性 1 簡(jiǎn)介 傳統(tǒng)的兩級(jí)齒輪減速器的設(shè)計(jì)方法是一個(gè)相當(dāng)耗時(shí)的過(guò)程。甚至目前CAD都被應(yīng)用于其設(shè)計(jì)過(guò)程，傳統(tǒng)設(shè)計(jì)方法的局限至今仍沒(méi)有得到消除。為了改變這種情況，許多人已經(jīng)做了關(guān)于減速器設(shè)計(jì)方法的研究，主要包括減速器的參數(shù)化設(shè)計(jì)和專家系統(tǒng)（ES）。這兩種方法都有其各自的缺點(diǎn)：在參數(shù)化設(shè)計(jì)中需要考慮每個(gè)部件之間的關(guān)系，因?yàn)橐粋€(gè)參數(shù)的變化可能使得減速器的參數(shù)或是結(jié)構(gòu)發(fā)生變化，這就要求設(shè)計(jì)師來(lái)熟悉減速器，并能使用設(shè)計(jì)軟件包括參數(shù)化設(shè)計(jì)的功能。此外在減速器的專家系統(tǒng)中知識(shí)的獲取是非常困難的，這是因?yàn)橐恍＜业闹R(shí)很難用規(guī)則來(lái)表達(dá)?；诜独评恚–BR）可以改善這兩種缺點(diǎn)。在CBR中一個(gè)新的案例是在一個(gè)即存的案例的基礎(chǔ)上完成的，所以新的案例可以通過(guò)修改某些部分或直接使用即存案例，并且由于在CBR中基本的知識(shí)就是案例，因此案例的獲取要比規(guī)則的獲取容易的多[1-2]。事實(shí)上，案例通常要比規(guī)則或是模型提供更多的信息[3]。SUN， et al[4]開(kāi)發(fā)了一個(gè)基于CBR的智能夾具設(shè)計(jì)系統(tǒng)。KW0NG, et al[5]，介紹了一種由先進(jìn)的CBR系統(tǒng)來(lái)確定適當(dāng)?shù)淖⑺軈?shù)的方法。LIU, et al[6]，提出了一種與聚類技術(shù)相結(jié)合的檢索算法來(lái)定位在基礎(chǔ)案例中的個(gè)案，并且給出了一個(gè)基礎(chǔ)案例來(lái)說(shuō)明CBR系統(tǒng)在機(jī)械設(shè)計(jì)中的可行性。PETER[7]開(kāi)發(fā)了一種在接觸力學(xué)領(lǐng)域?qū)ν评眍A(yù)處理階段的工程分析提供智力支持的自動(dòng)化知識(shí)系統(tǒng)。XIONG，et al[8]提供了一個(gè)基于CBR的既實(shí)用又有創(chuàng)意的概念設(shè)計(jì)方法，其體現(xiàn)了工業(yè)設(shè)計(jì)方面的知識(shí)。這個(gè)系統(tǒng)縮短了概念設(shè)計(jì)的過(guò)程，幫助設(shè)計(jì)者們，并為后續(xù)開(kāi)發(fā)提供了一個(gè)案例。然而上述成果更注重于CBR的基礎(chǔ)研究而不是與機(jī)械產(chǎn)品相結(jié)合的CBR技術(shù)。因此，我們以兩級(jí)齒輪減速器為例，對(duì)基于CBR的機(jī)械零件加工工藝進(jìn)行討論。 2 CBR的關(guān)鍵技術(shù) CBR是一種類似或類比的方法。當(dāng)一個(gè)CBR系統(tǒng)解決一個(gè)新問(wèn)題，它會(huì)從先前的案例中重新獲取一個(gè)或多個(gè)與新問(wèn)題最相似的案例，并且在修改的情況下，使其滿足新的情況。CBR的流程被顯示在Fig.1中。根據(jù)CBR的流程，基于案例推理（CBR）的產(chǎn)品設(shè)計(jì)系統(tǒng)的發(fā)展需要解決一些問(wèn)題，包括案例描述，案例檢索，案例修正，案例研究和案例庫(kù)維護(hù)，其中案例描述，案例檢索以及案例修正被稱作三大關(guān)鍵技術(shù)。 案例描述是指那些案例以一些電腦能夠識(shí)別的傳統(tǒng)標(biāo)志，并按照數(shù)據(jù)結(jié)構(gòu)進(jìn)行編碼的功能。案例可以由一些方法進(jìn)行描述，其中包括幀、對(duì)象謂語(yǔ)、語(yǔ)義網(wǎng)絡(luò)和規(guī)則等等，其中幀和對(duì)象謂語(yǔ)是最常用的方法。 案例檢索是一個(gè)按照特征參數(shù)索引值及其相似性來(lái)發(fā)現(xiàn)一個(gè)相關(guān)聯(lián)的案例或是更多類似的案例。Ref[9]將案例檢索分作三個(gè)部分：特征識(shí)別、初步匹配以及最優(yōu)選擇。而本文將案例檢索分作四部分：關(guān)鍵特征的提取、特征識(shí)別、初步匹配和最優(yōu)選擇。數(shù)據(jù)采集的觀測(cè)資料通常包括許多特征屬性，而有些屬性卻與數(shù)據(jù)采集無(wú)關(guān)。那些不相關(guān)的屬性會(huì)影響數(shù)據(jù)采集的效率。去除無(wú)關(guān)的屬性可以改善數(shù)據(jù)采集的效率，使數(shù)據(jù)采集的結(jié)果更容易理解。關(guān)鍵特征提取的目的是為了從案例庫(kù)中提取關(guān)鍵特性來(lái)確立有效的指標(biāo)。特征識(shí)別的目的是要選出新案例的關(guān)鍵特征。特征識(shí)別常指關(guān)鍵特征的提取。由于其包含了豐富的特征屬性，兩級(jí)齒輪減速器的關(guān)鍵特征的提取便更為重要。這些典型的實(shí)例檢索方法包括最鄰近法，索引歸納法，信息導(dǎo)引法，信息神經(jīng)元索引法和模板檢索法。 3 基于案例推理（CBR）的兩級(jí)齒輪減速器的設(shè)計(jì) 3.1 案例庫(kù)的建立 3.1.1 案例描述 本文使用的是面向?qū)ο髮拥囊粋€(gè)案例表示模型[11-12]，這向上一層的軟件提供了一個(gè)統(tǒng)一的面向?qū)ο蟮臄?shù)據(jù)模型，即，提供各式面向?qū)ο蟮母拍?、?shù)據(jù)結(jié)構(gòu)、操作維護(hù)和靈活性的擴(kuò)張，并給出了具體的關(guān)系保護(hù)模型，并按照映射原理和轉(zhuǎn)換機(jī)理建立一個(gè)透明的對(duì)象，并對(duì)其進(jìn)行合理且有效的管理。映射原理的對(duì)象模型是上一層面向?qū)ο蟮臄?shù)據(jù)模型和底層數(shù)據(jù)庫(kù)的關(guān)系模型之間的一種轉(zhuǎn)換關(guān)系。對(duì)象模型層，數(shù)據(jù)庫(kù)，以及其他功能模型間的關(guān)系顯示在Fig.2上。 兩級(jí)齒輪減速器是一個(gè)復(fù)雜的組合，為了案例表述的方便，我們將兩級(jí)齒輪減速器分成五個(gè)組件類和兩個(gè)部分組。 五個(gè)組件類是由高速齒輪組、低速齒輪組、高速軸和軸承、中速軸和軸承以及低速軸和軸承，兩個(gè)部分組是箱體蓋和箱體。這些組件類可以拆分成部分組。最終每個(gè)部分組將會(huì)映射到其潛在關(guān)系數(shù)據(jù)庫(kù)中的位置。因此兩級(jí)減速器的對(duì)象知識(shí)模型顯示在Fig.3中。 3.1.2 案例庫(kù)的建立 根據(jù)Fig.3中顯示的兩級(jí)減速器的案例表述模型，兩級(jí)齒輪減速器的特征屬性值和他們的成分都投射到數(shù)據(jù)庫(kù)的底層，從而建立了案例庫(kù)。在底層的數(shù)據(jù)庫(kù)中，每個(gè)目錄都包括了“案例序號(hào)”。這種關(guān)系在每個(gè)部分的映射表和減速器的映射表之間由“案例序號(hào)”來(lái)建立的。Fig.4顯示了在兩級(jí)齒輪減速器的數(shù)據(jù)庫(kù)軟件的案例庫(kù)儲(chǔ)存模式是屬于Access的。由于空間有限，本文并不細(xì)述部分組在Access中的儲(chǔ)存模式。 3.2 案例檢索 本文運(yùn)用的是最鄰近法和索引歸納法相結(jié)合的檢索方法，這是因?yàn)閮杉?jí)齒輪減速器設(shè)計(jì)是一個(gè)有著長(zhǎng)時(shí)期的經(jīng)驗(yàn)過(guò)程，而且是在兩級(jí)齒輪減速器包括多種案例的情況下。因此最好使用索引歸納法來(lái)進(jìn)行完整的檢索，并且使用最鄰近法來(lái)得到一個(gè)良好的 檢索。Fig.5顯示了詳細(xì)的檢索過(guò)程?，F(xiàn)在本文將依次描述基于案例推理的二級(jí)齒輪減速器設(shè)計(jì)的案例檢索的子過(guò)程和方法。 3.2.1關(guān)鍵特性的提取 源案例庫(kù)的特征是在關(guān)鍵特性的提取之前就得到預(yù)處理。 （1）數(shù)據(jù)的預(yù)處理。定量參數(shù)的離散歸一化的處理過(guò)程是通過(guò)相同頻率的區(qū)間轉(zhuǎn)化為定性參數(shù)[13]。等頻率區(qū)間處理的原理是為了在每個(gè)小的區(qū)間擁有大部分相同數(shù)量的數(shù)據(jù)時(shí)，將原區(qū)間分為N個(gè)小區(qū)間（N是由用戶提供的離散數(shù)據(jù)）。第一個(gè)和最后一個(gè)區(qū)間在本文中將會(huì)得到延長(zhǎng)：第一個(gè)區(qū)間的上限值改到零，最后一個(gè)區(qū)間的下限改為無(wú)窮，這是為了確保一個(gè)新案例的屬性值能有新的區(qū)間與之對(duì)應(yīng)，因?yàn)榛诎咐评恚–BR）是一個(gè)不斷研究的過(guò)程（案例的數(shù)量將會(huì)不斷增加），并且避免在增加一個(gè)新的案例和檢索新的案例而不超過(guò)源案例庫(kù)的屬性值時(shí)，將小的區(qū)間再次分割。N個(gè)區(qū)間被標(biāo)識(shí)為0,1,2,3，···，n-1。定性特征屬性以升序或是降序被分配到區(qū)間[0,1]中。例如，“精密級(jí)減速器”有三個(gè)可供用戶選擇的源案例庫(kù)：類7，類8和類9。類7,8,9分別按照上述方法表示為1，0.5，0.屬性值的布爾屬性也很容易確定，相同的是1，不相同的是0。 （2）關(guān)鍵特性的選擇。這些清晰的無(wú)關(guān)的特征在數(shù)據(jù)采集中并沒(méi)有被直接考慮到。然而許多特征在數(shù)據(jù)采集中的重要性卻很難被認(rèn)識(shí)到。這些特征是由有效的策略選擇出來(lái)的。另一方面本文使用決策樹(shù)技術(shù)按照信息量來(lái)選擇關(guān)鍵特性。決定指數(shù)樹(shù)是由關(guān)鍵特征建立的。該算法得到的信息可以用作決策屬性的參考。兩級(jí)減速器的關(guān)鍵特性選擇如下。Table.1給出了源案例庫(kù)。 首先，數(shù)據(jù)采集中顯著的無(wú)關(guān)特性會(huì)被直接剔除。其他由離散歸一化處理的特性轉(zhuǎn)化成了定性屬性，然后按照上述算法的信息增益進(jìn)行挑選。其次，根據(jù)上述的等頻率區(qū)間，傳遞功率的屬性大致可以非為三個(gè)小區(qū)間：（0,10），[10,20]，（20，+∞）。定性數(shù)值的范圍分別表示為0,1,2。傳動(dòng)比，壽命以及傳遞效率的屬性被分作幾個(gè)相對(duì)應(yīng)的小區(qū)間（傳動(dòng)比：（0,15），和（15，+∞）；壽命：（0,350000），（350000,420000）和（42000，+∞）；傳遞效率：（0，0.94）和（0.94,1））。每個(gè)數(shù)字范圍區(qū)間都由0,1…按照順序進(jìn)行排列。齒輪傳動(dòng)的布局的屬性被分為兩類。已成型的用0表示，還在加工的用1表示。離散化處理的結(jié)果見(jiàn)Table.2。 排列形式的屬性被看作識(shí)別屬性，而其他屬性被看作決策屬性。按照識(shí)別屬性，案例庫(kù)被分為兩類（m=2）。第一類由六個(gè)案例組成，其排列形式是擴(kuò)大形式（r1=6），而第二類是由其他案例所組成，這些案例的排列形式是同軸形式（r2=4）。根據(jù)信息增益算法，很容易獲得以下信息增益的所有屬性：Gp=0.29，Gt=0.12，GLh=0.29，Gη=0.01；這里，Gp表示的是傳遞功率的增益，Gi表示傳動(dòng)比的增益，GLh表示壽命的增益，Gη表示傳動(dòng)效率的增益。因此傳遞功率，傳動(dòng)比和壽命的屬性都可以以關(guān)鍵特性形式從所有特征屬性值中獲得。 3.2.1 初步匹配 初步匹配是這么一個(gè)過(guò)程，即從案例庫(kù)中選出與當(dāng)前設(shè)計(jì)實(shí)例相關(guān)的一組案例。這個(gè)過(guò)程是由所有關(guān)鍵特征和決策信息增益計(jì)算所建立的索引表所實(shí)現(xiàn)的。建立的索引表在Fig.6中顯示出來(lái)。案例的初步匹配完全是在索引表的基礎(chǔ)上建立起來(lái)的。 3.2.2 最優(yōu)選擇 最優(yōu)選擇是從初步匹配的案例中選出最佳案例的過(guò)程。最優(yōu)案例是由最鄰近法選擇的，所以它對(duì)關(guān)鍵特征權(quán)重的計(jì)算和案例相似性的是不可缺少的。 （1） 特征權(quán)重 特征權(quán)重是被用來(lái)計(jì)算特征的重要性。它可以影響邏輯結(jié)果的準(zhǔn)確性。根據(jù)原始信息源，確定特征權(quán)重的方法被分為兩類：主觀法和客觀法。主觀法的信息來(lái)自于專家的經(jīng)驗(yàn)，而客觀發(fā)的信息來(lái)自于原始的統(tǒng)計(jì)數(shù)據(jù)。兩類方法中具有代表性的方法是層次分析法（AHP）[14-15]和粗糙集理論[12]。層次分析法（AHP）是一種決策問(wèn)題被分為一些包括目標(biāo)、規(guī)則、工程等的一些層次的決策方法，并且定性分析法和定量分析法是可以被引導(dǎo)的。使αij表示特征i與特征j比較的重要性的度量。由層次分析法（AHP）得到的特征i的權(quán)重ω1i可以由下面這個(gè)公式計(jì)算得到。 粗糙集理論是一種針對(duì)知識(shí)分類的數(shù)據(jù)推理方法，主要適用于分析知識(shí)簡(jiǎn)約性和特征屬性之間的可靠性，并且能解決特征屬性權(quán)重的相似性度量的問(wèn)題。按照特定分類，它能通過(guò)既存信息來(lái)評(píng)判所有特征的重要性。關(guān)于權(quán)重計(jì)算的相關(guān)公式如下： 這里 γ（C,D）—屬性即C和D的可靠度 |POS（C,D）|—合集中要素的序號(hào) SGF（a，C,D）—屬性a屬性集D的重要性，a屬于C SGF(C-{i},D)—屬性i的重要程度 ω2i—由粗糙集理論獲得的特征i的權(quán)重 本文運(yùn)用一種層次分析法（AHP）和粗糙集理論相結(jié)合的方法來(lái)彌補(bǔ)兩種方法的缺點(diǎn)。這種聯(lián)合法是根據(jù)線性疊加原理進(jìn)行組合。這種物質(zhì)合并方式顯示在公式(5)中。 這里 ω1i—按照層次分析法獲得的特征權(quán)重 ω2i—按粗糙集理論獲得的特征權(quán)重 α—系數(shù) 根據(jù)合并的方法，減速器關(guān)鍵特征的三個(gè)權(quán)重如傳遞功率的屬性，ω1=0.52；傳動(dòng)比的屬性，ω2=0.28；壽命屬性，ω3=0.20（假設(shè)α=0.5） （2）相似性 兩級(jí)齒輪減速器的特征值是由定性參數(shù)和定量參數(shù)組成的。本文運(yùn)用公式（6）和（7）來(lái)計(jì)算定量特征的相似性[16]，而定性特征的相似性和布爾特性的有兩個(gè)條件：0（不同的）或者1（相同的）。所以本文提出了一種新的關(guān)于案例相似性的算法，表示如下。 相關(guān)距離： 特征相似性： 兩個(gè)案例間的相似性： 這里 dink—案例n和案例k的第i個(gè)屬性間的相關(guān)距離， Vni—案例n的第i個(gè)屬性的特征值， Vki—案例k的第i個(gè)屬性的特征值， SDink —案例n和案例k第i個(gè)屬性的相似性， sim（n，k）—案例n和案例k的相似性， ωt—第i個(gè)特征的權(quán)重， n—特征序號(hào)。 假設(shè)設(shè)計(jì)其設(shè)計(jì)條件顯示于Table.3中的兩級(jí)齒輪減速器，和檢索顯示在Table.4中的兩個(gè)案例。 每個(gè)關(guān)鍵特征權(quán)重分別為0.52，0.28，0.20。案例的相似性可以按照下列公式（6）-（8）計(jì)算得到 。 3.3 案例修正 本文應(yīng)用結(jié)合修改規(guī)則和人工修改的方法來(lái)修正案例。Fig.7給出了案例修正的流程。規(guī)則包括經(jīng)驗(yàn)公式，計(jì)算公式。例如，小齒輪通常是指齒寬在5-10mm的齒輪。而且條件限制是進(jìn)行設(shè)計(jì)可行性評(píng)價(jià)的主要措施，正如齒輪接觸疲勞強(qiáng)度的檢驗(yàn)公式，以及齒根彎曲疲勞強(qiáng)度等等。 4 系統(tǒng)開(kāi)發(fā) 基于CBR的第二類箱體減速器設(shè)計(jì)系統(tǒng)的流程顯示在Fig.8中。基于CBR的兩級(jí)減速器的設(shè)計(jì)系統(tǒng)常使用VC++，UG和Access2002作為工具進(jìn)行開(kāi)發(fā)，這包括五個(gè)模塊：文件管理、案例檢索、案例修正、進(jìn)入U(xiǎn)G還有幫助模塊，如Fig.9所示。文件管理模塊是用來(lái)管理與案例相關(guān)文件的。案例檢索模塊是用來(lái)檢索案例和檢查被檢索到的案例的信息。案例修正模塊是用來(lái)按照案例序號(hào)修改檢索到的案例的。進(jìn)入U(xiǎn)G模塊是用來(lái)從案例庫(kù)中調(diào)用修改的參數(shù)和通過(guò)由ODBC技術(shù)及UG/Open++工具開(kāi)發(fā)的及系統(tǒng)來(lái)完成三維建模。 下面的一個(gè)實(shí)際的例子被給來(lái)詮釋基于CBR系統(tǒng)的運(yùn)行過(guò)程。假設(shè)設(shè)計(jì)一個(gè)二級(jí)齒輪減速器，而它的設(shè)計(jì)需要有：傳遞功率 5.36kw，傳動(dòng)比為11.06，壽命為310 000h。該系統(tǒng)的運(yùn)行過(guò)程如下。 （1）如Fig.10的登錄主界面所示，是進(jìn)入該系統(tǒng)和輸入用戶名和密碼。 （2）Fig。11顯示的是輸入檢索條件來(lái)檢索案例，并選出最相似的案例來(lái)檢查其信息。從檢索結(jié)果中選擇案例3，是因?yàn)樗南嗨菩宰畲?。按照分析，我們很容易發(fā)現(xiàn)案例3和準(zhǔn)備設(shè)計(jì)的案例的偏差小于5%。所以案例3可以作為新設(shè)計(jì)的結(jié)果。 如果檢索結(jié)果和將要設(shè)計(jì)的案例間的偏差大于5%，檢索的結(jié)果便需要修正。案例修正包括全部修正和局部修正。當(dāng)最大相似性的檢索結(jié)果和將被設(shè)計(jì)的案例之間的傳遞功率屬性的偏差大于5%時(shí)，它表示沒(méi)有最佳的相似案例，這就需要重新設(shè)計(jì)。在完成設(shè)計(jì)使，需要確定新案例的相對(duì)索引值，并且新案例將被保存在案例庫(kù)中作為下一次檢索的源案例。上述過(guò)程被稱作案例研究。單最大相似性檢索結(jié)果和將要設(shè)計(jì)的案例間傳遞功率的屬性偏差小于5%，其他兩種屬性偏差可以超過(guò)允許的偏差范圍，我們通過(guò)調(diào)整齒輪傳動(dòng)比和相關(guān)齒輪參數(shù)來(lái)完成案例。調(diào)整原則是在保證其他部分參數(shù)不變的情況下，修改齒輪組和支撐軸的參數(shù)。并有必要檢查修改后的齒輪組和軸的強(qiáng)度。按照合并規(guī)則，即檢查齒輪疲勞強(qiáng)度公式，檢查軸的疲勞強(qiáng)度公式，以及人工修改等規(guī)則檢索出的案例中，這些部分將被修正。最后，修正的案例將保存在案例庫(kù)中。例如，給出的設(shè)計(jì)數(shù)據(jù)是傳遞功率6.50kw，傳動(dòng)比11.07，壽命310 000h。案例3被檢索到。眾所周知，通過(guò)計(jì)算檢索到的案例和將被設(shè)計(jì)的案例間傳遞功率的誤差是21.95%，這超出了誤差范圍5%。這就意味著案例3需要修正。修正的部分如Fig.12所示。 完成修正后，UG軟件是通過(guò)進(jìn)入U(xiǎn)G模塊運(yùn)行的，而三位建模是通過(guò)使用UG二次開(kāi)發(fā)程序來(lái)獲得修正模塊的相關(guān)參數(shù)。修正齒輪的參數(shù)在Fig.13中列出。 最后，修正的部分保存在案例庫(kù)中。在Fig.14中的對(duì)話框中輸入案例的名稱，其這部分的命名原則在界面的注意事項(xiàng)可見(jiàn)。 5 結(jié)束語(yǔ) （1）兩級(jí)齒輪減速器的案例由面向?qū)ο蟮男畔⒛Ｐ蛠?lái)表示的，這使得減速器表達(dá)的信息更為便利和準(zhǔn)確，并且有利于案例檢索。 （2）根據(jù)二級(jí)齒輪減速器設(shè)計(jì)的實(shí)際情形，我們提倡結(jié)合層次分析法（AHP）和粗糙集理論得到的組合加權(quán)法，這可以提高案例檢索的可信度。 （3）基于CBR的兩級(jí)齒輪減速器設(shè)計(jì)系統(tǒng)已成功地開(kāi)發(fā)出來(lái)。這個(gè)系統(tǒng)使得二級(jí)齒輪減速器設(shè)計(jì)更為容易，快速和更加的智能。這種途徑可作為CBR中其他組件開(kāi)發(fā)的參考。案例庫(kù)中擁有足夠的案例是基于CBR的兩級(jí)減速器設(shè)計(jì)系統(tǒng)運(yùn)行的先決條件。如果特定的兩級(jí)減速器的設(shè)計(jì)要求得到滿足，相關(guān)的案例必須添加到案例庫(kù)中。 參考書(shū)目 [1]CADET Sycara K．A case—based synthesis tool for engineering design[J]．International Journal for Expert System，1992，4(2)： 57-88． [2]YANG H，LU W F’L1N A C．A case-based progress planning system for machining of rotational part[J]．Journal of Intelligent Manufacturing,1994，6(5)：41l_43O． [3]AGNAR Aamodt， ENRIC Plaza． Case—based reasoning： foundational issues， methodological variations， and system approaches[J]．Artificial Intelligence Communications，1994，7(1)：39—59． [4]SUN Shuhuang，CHEN Jahau Lewis．A fixture design system using case—based reasoning[J]． Engineering Application Artificial Intelligence，1996，5(9)：533-540． [5]KWONG C K，SMITH G E LAN W S．Application of case based reasoning in injection moulding[J]．Journal of Materials Processing Technology,1997，63：463-467． [6]LIU Jiali，YAN Xiangbin，QI Wei，et a1．A case—based reasoning system for mechanical design[C]／，2DD8 International Conference on Management Science&Engineering a5th)，Long Beach，USA， September 1 12．2008：585—590． [7]WR／GGERS Peter,SIPLIVAYA Marina，JOUKOVA Irina，et a1． Intelligent suppo~of the preprocessing stage of engineering analysis using case-based reasoning[J]．Engineering with Computers，2008，24(4)：383_4O4． [8]XIONG Hongyn n， SUN Surong． Design and realization of case—based reasoning product conceptual design system[C]／，2fJ0 7th International Conference on Computer-Aided Industrial Design and Conceptual Design，Hangzhou，China，November 17—19，2006：1-4 ． [9]CHEN Wenwei，HUANG Jincai．Data warehouse and data mining[M]．Beijing：Post&Telecom Press．2004．(in Chinese) [10]MENG Yanni．Research on design of gear on CBR[D]．Xian： Northwestern Polytechnical University,2006．(in Chinese) [1 1]OCIEPKA P，SWIDER J．0bject—oriented system for computer aiding of the machines conceptual design process[J]．Journal of Materials Processing Technology,2004，15(8)：221—227． [12]QIAN Mei，WANG Bing，wU Genfeng，et a1．A representation of complex structured knowledge based on object—oriented models[J]． Computer Engineering＆Science，2002，3(24)：62—65．(in Chinese) [13]WU Sen，GAO Xuedong，BASTIAN M．Data warehouse and data mining[M]．Beijing：Metallurgical Industry Press，2003．(in Chinese) [14]QrN Shoukang． Comprehensive evaluation principle and application[M]．Beijing：Publishing House of Electronics Industry, 2003．(in Chinese) [15]ZHANG Z．Static and dynamicfeature weighting in case-based reasoning(CBR)[D]．Burnaby,Canada：Simon Fraser University, 1997． [16]GUPTA K M，MONTAZEMI A R．A connectionist approach for similarity assessment in case-based reasoning systems[J]．Decision Support Systems，1997，l9(6)：237—253． [17] American UGSPLM solution[CP／CD]．Unigraphics NX4．0 Help [18] HUANG Yong， ZHANG Bolin， XUE Ytmfeng． Application foundation andtypical example the secondarydevelopmentofUG and database[M]．Beijing：Publishing House ofElectronics Industry,2008．(in Chinese) [19] LIANG Shubing，ZHANG Zhenfeng．Mastery Access 2002 database development and application[M]．Beijing：Tsinghua University Press，2001．(in Chinese) [20] CHENG Daxian．Machinery design handbook (ofprinO reduce~ television and electric appliances[M]．Beijing：Chemical Industry Press，2004．(in Chinese) 作者簡(jiǎn)介 JI Aimin．born in 1965．is currently a professor and a master candidate supervisor in College of M echanical and Electnca1 Engineering．Hohai University,China．a(chǎn)nd State Key Lab of CAD&CG．Zheiiang University,China．He received his PhD degree from University of Science and Technology of China in 2001． His research interests include digital design and manufacturing，Coriolis mass flow measurement system，etc． Te1：+86-519—85l91959；E-mail：jam@ustc．edu HUANG Quansheng，born in 1983，is currently a master candidate in College of M echanical and Electrical Engineering， Hohai University,China．E—mail：huanquans@126．com XU Huanmin．born in 1974。is currently a lecmrer in College of M echanical and Electrical Engineering，Hohai University,China．She received her PhD degree from Nanjing University of Scienceand Technology,China，in 2008．Her research interests includeprocess reasoning based on mathematical logic decision-makinglogic method，etc． E-mail：alexandra xu2003( vahoo．corn．cn) CHEN Zhengming，born in 1965，is currently a professor and a PhD candidate supervisor in College of Computer and Information Engineering，Hohai University,China．He received his PhD degree from Zhejiang University,China，in 2001．His research interests include in feature modeling and recognition，CAD／CAM integration，etc． E-mail：zmchen@hhuc．edu．cn 附件2：外文原文 指導(dǎo)教師評(píng)語(yǔ)： 簽名： 年 月 日 備注：畢業(yè)論文、開(kāi)題報(bào)告、文獻(xiàn)綜述封面填寫(xiě)要求：漢字用宋體，三號(hào)，阿拉伯?dāng)?shù)字用Times New Roman字體，三號(hào)，日期格式為：2007-05-12，字體Times New Roman，三號(hào)，對(duì)齊方式為橫線居中。