课程文献中心 更多>>

摘要： (ISSN 2095-0233,CN 11-5984/TH)邮发代号:80-975主编:尤政，郭东明执行主编:史铁林，顾佩华(加拿大)副主编:蒋庄德，谭建荣，陈义明学术顾问:李培根，柳百成，卢秉恒，闻邦椿，赵淳生编委:Marco Ceccarelli(意大利)，陈大融，陈学东，陈雪峰，褚福磊，戴建生(英国)，范大鹏，房丰洲(爱尔兰)，管在林，黄田，Mark J. Jackson(美国)，姜澜，李长河，

关键词： 工程图学   工程实践能力   三维构型   二维图样   空间形象思维  

摘要： 工程图学是面向一年级本科生开设的一门工科基础课程，对于培养学生的新工科思维起着关键性作用。针对学生学习中空间形象思维欠缺、工程实践能力不足等“痛点”问题，本文提出了“一条主线，双维基础”的课程创新建设方案，即建立一条以工程应用实践为导向的教学主线，构建三维构型表达与二维图样表达双维融合并进的知识结构体系。结合“激发-探索-思考-总结”的线下课堂教学，融合信息技术，采用MOOC、翻转课堂等形式开展线上线下混合式教学，培养学生的空间形象思维与工程图样表达能力，解决教师为主，课堂沉默，学生主动性不强等问题，让课堂围绕以学生为中心展开。实践表明，教改试点班学生成绩优秀率较普通班有着极为显著的提升，在工程实践训练方面成效明显。因此，该方案具有一定理论创新意义与重要实践推广价值，将为培养具有高阶工程素质与创新意识的新时代工程科技人才奠定基础。

摘要： 本文主角：机械工程讲述人：路凯适合人群：拥有较强的逻辑思维能力、沉稳缜密的心思，善于提出具有创新性的“idea”的同学从小小的螺丝钉、齿轮，到灵动的机器人，再到举重若轻的“钢铁巨人”起重机，再到翱翔天际的飞机、深入海底的潜艇……机械时时刻刻在我们的身边，为我们构建了缤纷绚烂的世界。机械工程的世界，可以说是充满“理”的世界，所谓“理”，

关键词： 机械工程  

ISBN: (纸本)9787111726388

摘要： 本书主要内容包括信号描述，测量系统的基本特性，常用传感器，信号调理、显示与记录，信号分析与处理，测试技术的工程应用，现代测试系统与虚拟仪器等。本书着重基本概念和原理的阐述，突出理论知识的应用，加强了针对性和实用性。

关键词： 机械工程  

ISBN: (纸本)9787560667645

摘要： 本书介绍了基于工业软件的机械结构有限元和多体动力学建模技术，主要内容包括有限元方法建模基础、几何建模、材料、单元与分网技术、载荷与约束、有限元求解器与静力学分析、模型展示与后处理、结构动力学与模态分析、多体动力学基础等。

摘要： ~~

摘要： ~~

摘要： 黑龙江省农业机械工程科学研究院成立于1958年3月,原隶属于黑龙江省农业委员会,2018年10月转隶黑龙江省农业科学院,副厅级事业单位。我院是国家农业装备产业技术创新战略联盟首批发起单位之一,是黑龙江省农业装备产业技术创新战略联盟和黑龙江省农业机械学会理事长单位。我院主办的《农机化研究》,连续8届被评为全国中文核心期刊,在农业工程界具有一定的知名度。

关键词： 机械工程材料   实验教学   多维一体   改革  

摘要： 机械工程材料作为一门重要的基础课程，其内容涉及面广，具有较强的工程实用性。本文对机械工程材料实验教学存在的问题进行分析，根据多维一体式教学方法，对实验教学进行改革与优化，通过理论与实验并重的教学方式，充分调动学生的学习热情和主动性，有效提高学生的实践应用能力。

关键词： 神经网络   卷积神经网络   U-Net网络   金字塔结构   注意力机制  

摘要： 目前通过机械零件三维实体模型投影得到零件的二维零件图的技术已经相当成熟,但是通过零件二维图像及相关信息实现零件三维模型重构目前都由人工操作完成,人工操作方式繁琐且效率低,已经不能满足智能制造与数字化集成制造技术快速发展的需要。本课题以常见的轴类、盘类、叉架类和箱体类零件为对象,进行零件图闭合轮廓的研究。识别和提取机械零件工程图的闭合轮廓为三维模型重构奠定基础,同时也可以将提取的闭合轮廓在钣金材料上切割下对应的零件,实现简单零件的下料问题。针对传统方法的识别和提取效率低、精度不高和识别提取对象单一的问题,本次研究致力于解决机械零件图中闭合轮廓识别和提取过程中效率低下的问题,在此基础上提出了针对机械零件图中封闭轮廓识别和提取的神经网络模型。该研究在基于Python语言的Tensor Flow深度学习框架中实现。主要内容及成果如下:(1)机械零件数据集的准备与处理。首先使用Auto CAD绘图软件绘制完整的机械零件图,因本课题重点研究零件图闭合轮廓,首先关闭本次研究不需要的图层,仅保留粗实线图层;其次,使用labelme软件标记并命名不同形状的闭合轮廓,生成对应的语义分割图;最后,为防止过拟合现象扩充数据集,使用翻转和裁剪等数据增广手段扩充数据集。(2)针对采用传统方法对机械零件图进行识别提取过程中效率低下和图形对象单一等问题,提出基于卷积神经网络应用于机械零件图的识别提取模型。首先其选定的简单机械轴类图形进行识别提取研究,使用卷积神经网络中全卷积神经网络FCNs(Fully Convolutional Networks)、Seg Net和U-Net对轴类零件数据集进行训练和测试。通过用多项评价指标对其实验结果进行验证分析可得,传统U-Net模型在机械零件闭合轮廓的识别提取任务中与FCNs、Seg Net相比具有更出色的性能,此外U-Net网络模型在机械图形分割方面具有更好的泛化性,初步验证了使用U-Net对机械零件图封闭轮廓进行识别提取的可行性。(3)传统U-Net模型对机械零件图形的识别提取精度明显优于FCNs、Seg Net模型,但提取后的部分零件图形闭合轮廓出现像素分类错误和漏检的现象。针对此问题,本研究基于U-Net提出一种用于机械零件图形封闭轮廓识别提取的改进模型,即在U-Net解码器上采样后添加CBAM(Convolutional Block Attention Module)注意力机制及上采样前添加MASPP(Mean Atrous Spatial Pyramid Pooling)金字塔模块的方式来提高其模型的分割性能。通过对轴类、盘类和叉架类机械零件图进行实例验证,添加CBAM注意力机制和MASPP金字塔模块的U-Net网络与原始U-Net网络和仅添加一种模块的U-Net网络相比,漏检和像素分类错误现象得到明显改善,轮廓细节实现更精细的识别与提取,整体分割精度得到明显的提高。针对机械零件图形封闭轮廓的识别与提取任务中,与传统方法相比基于卷积神经网络的语义分割模型具有更高的效率和普适性;与原始U-Net网络相比,本研究提出的融合CBAM注意力机制和MASPP金字塔结构的U-Net改进模型,较好的实现了对机械零件图闭合轮廓的识别与提取。