購買設計請充值后下載,,資源目錄下的文件所見即所得,都可以點開預覽,,資料完整,充值下載可得到資源目錄里的所有文件。。。【注】:dwg后綴為CAD圖紙,doc,docx為WORD文檔,原稿無水印,可編輯。。。具體請見文件預覽,有不明白之處,可咨詢QQ:12401814
2011 屆本科畢業(yè)設計(論文)
外文文獻翻譯
學 院: 機械工程學院
專 業(yè): 機械工程及自動化(機械制造)
姓 名: 楊 堯
學 號: 070607109
(用外文寫)
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齒輪減速器設計系統(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:兩級齒輪減速器的設計是一個繁瑣并且耗時的過程。為了提高設計過程的效率和智能化,兩級齒輪減速器的設計應用了基于范例推理(CBR)技術。首先,分析兩級齒輪減速器目前的設計理論并描述CBR的原則。第二,根據(jù)減速器的特點,研究CBR的三項關鍵技術并提供如下相關理論:(a)一個面向對象的知識表示方法 (b)一種與鄰近歸納索引相結合的檢索方法 (c)一個結合基于人工修正規(guī)則修正的自適應算法案例。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)的組合加權法和粗糙集理論。最后根據(jù)上面的分析結果,基于CBR的兩級齒輪減速器設計系統(tǒng)由VC++,UG和Access2003開發(fā)完成。該項研究提供了一種設計兩級齒輪減速器的新方法。如果上述開發(fā)的系統(tǒng)應用于設計兩級齒輪減速器,設計的效率將會得到提高,這使得設計者能夠從齒輪減速器繁瑣的設計中解脫出來,以便于將更多的努力放在創(chuàng)新設計上,該研究結果充分體現(xiàn)了在設計機械零件過程中,CBR技術的可行性和有效性。
關鍵詞:兩級齒輪減速器,基于范例推理(CBR),特征權重,相似性
1 簡介
傳統(tǒng)的兩級齒輪減速器的設計方法是一個相當耗時的過程。甚至目前CAD都被應用于其設計過程,傳統(tǒng)設計方法的局限至今仍沒有得到消除。為了改變這種情況,許多人已經做了關于減速器設計方法的研究,主要包括減速器的參數(shù)化設計和專家系統(tǒng)(ES)。這兩種方法都有其各自的缺點:在參數(shù)化設計中需要考慮每個部件之間的關系,因為一個參數(shù)的變化可能使得減速器的參數(shù)或是結構發(fā)生變化,這就要求設計師來熟悉減速器,并能使用設計軟件包括參數(shù)化設計的功能。此外在減速器的專家系統(tǒng)中知識的獲取是非常困難的,這是因為一些專家的知識很難用規(guī)則來表達?;诜独评恚–BR)可以改善這兩種缺點。在CBR中一個新的案例是在一個即存的案例的基礎上完成的,所以新的案例可以通過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]開發(fā)了一個基于CBR的智能夾具設計系統(tǒng)。KW0NG, et al[5],介紹了一種由先進的CBR系統(tǒng)來確定適當?shù)淖⑺軈?shù)的方法。LIU, et al[6],提出了一種與聚類技術相結合的檢索算法來定位在基礎案例中的個案,并且給出了一個基礎案例來說明CBR系統(tǒng)在機械設計中的可行性。PETER[7]開發(fā)了一種在接觸力學領域對推理預處理階段的工程分析提供智力支持的自動化知識系統(tǒng)。XIONG,et al[8]提供了一個基于CBR的既實用又有創(chuàng)意的概念設計方法,其體現(xiàn)了工業(yè)設計方面的知識。這個系統(tǒng)縮短了概念設計的過程,幫助設計者們,并為后續(xù)開發(fā)提供了一個案例。然而上述成果更注重于CBR的基礎研究而不是與機械產品相結合的CBR技術。因此,我們以兩級齒輪減速器為例,對基于CBR的機械零件加工工藝進行討論。
2 CBR的關鍵技術
CBR是一種類似或類比的方法。當一個CBR系統(tǒng)解決一個新問題,它會從先前的案例中重新獲取一個或多個與新問題最相似的案例,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)的產品設計系統(tǒng)的發(fā)展需要解決一些問題,包括案例描述,案例檢索,案例修正,案例研究和案例庫維護,其中案例描述,案例檢索以及案例修正被稱作三大關鍵技術。
案例描述是指那些案例以一些電腦能夠識別的傳統(tǒng)標志,并按照數(shù)據(jù)結構進行編碼的功能。案例可以由一些方法進行描述,其中包括幀、對象謂語、語義網絡和規(guī)則等等,其中幀和對象謂語是最常用的方法。
案例檢索是一個按照特征參數(shù)索引值及其相似性來發(fā)現(xiàn)一個相關聯(lián)的案例或是更多類似的案例。Ref[9]將案例檢索分作三個部分:特征識別、初步匹配以及最優(yōu)選擇。而本文將案例檢索分作四部分:關鍵特征的提取、特征識別、初步匹配和最優(yōu)選擇。數(shù)據(jù)采集的觀測資料通常包括許多特征屬性,而有些屬性卻與數(shù)據(jù)采集無關。那些不相關的屬性會影響數(shù)據(jù)采集的效率。去除無關的屬性可以改善數(shù)據(jù)采集的效率,使數(shù)據(jù)采集的結果更容易理解。關鍵特征提取的目的是為了從案例庫中提取關鍵特性來確立有效的指標。特征識別的目的是要選出新案例的關鍵特征。特征識別常指關鍵特征的提取。由于其包含了豐富的特征屬性,兩級齒輪減速器的關鍵特征的提取便更為重要。這些典型的實例檢索方法包括最鄰近法,索引歸納法,信息導引法,信息神經元索引法和模板檢索法。
3 基于案例推理(CBR)的兩級齒輪減速器的設計
3.1 案例庫的建立
3.1.1 案例描述
本文使用的是面向對象層的一個案例表示模型[11-12],這向上一層的軟件提供了一個統(tǒng)一的面向對象的數(shù)據(jù)模型,即,提供各式面向對象的概念、數(shù)據(jù)結構、操作維護和靈活性的擴張,并給出了具體的關系保護模型,并按照映射原理和轉換機理建立一個透明的對象,并對其進行合理且有效的管理。映射原理的對象模型是上一層面向對象的數(shù)據(jù)模型和底層數(shù)據(jù)庫的關系模型之間的一種轉換關系。對象模型層,數(shù)據(jù)庫,以及其他功能模型間的關系顯示在Fig.2上。
兩級齒輪減速器是一個復雜的組合,為了案例表述的方便,我們將兩級齒輪減速器分成五個組件類和兩個部分組。
五個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。最終每個部分組將會映射到其潛在關系數(shù)據(jù)庫中的位置。因此兩級減速器的對象知識模型顯示在Fig.3中。
3.1.2 案例庫的建立
根據(jù)Fig.3中顯示的兩級減速器的案例表述模型,兩級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)庫的底層,從而建立了案例庫。在底層的數(shù)據(jù)庫中,每個目錄都包括了“案例序號”。這種關系在每個部分的映射表和減速器的映射表之間由“案例序號”來建立的。Fig.4顯示了在兩級齒輪減速器的數(shù)據(jù)庫軟件的案例庫儲存模式是屬于Access的。由于空間有限,本文并不細述部分組在Access中的儲存模式。
3.2 案例檢索
本文運用的是最鄰近法和索引歸納法相結合的檢索方法,這是因為兩級齒輪減速器設計是一個有著長時期的經驗過程,而且是在兩級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進行完整的檢索,并且使用最鄰近法來得到一個良好的
檢索。Fig.5顯示了詳細的檢索過程?,F(xiàn)在本文將依次描述基于案例推理的二級齒輪減速器設計的案例檢索的子過程和方法。
3.2.1關鍵特性的提取
源案例庫的特征是在關鍵特性的提取之前就得到預處理。 (1)數(shù)據(jù)的預處理。定量參數(shù)的離散歸一化的處理過程是通過相同頻率的區(qū)間轉化為定性參數(shù)[13]。等頻率區(qū)間處理的原理是為了在每個小的區(qū)間擁有大部分相同數(shù)量的數(shù)據(jù)時,將原區(qū)間分為N個小區(qū)間(N是由用戶提供的離散數(shù)據(jù))。第一個和最后一個區(qū)間在本文中將會得到延長:第一個區(qū)間的上限值改到零,最后一個區(qū)間的下限改為無窮,這是為了確保一個新案例的屬性值能有新的區(qū)間與之對應,因為基于案例推理(CBR)是一個不斷研究的過程(案例的數(shù)量將會不斷增加),并且避免在增加一個新的案例和檢索新的案例而不超過源案例庫的屬性值時,將小的區(qū)間再次分割。N個區(qū)間被標識為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,“精密級減速器”有三個可供用戶選擇的源案例庫: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)關鍵特性的選擇。這些清晰的無關的特征在數(shù)據(jù)采集中并沒有被直接考慮到。然而許多特征在數(shù)據(jù)采集中的重要性卻很難被認識到。這些特征是由有效的策略選擇出來的。另一方面本文使用決策樹技術按照信息量來選擇關鍵特性。決定指數(shù)樹是由關鍵特征建立的。該算法得到的信息可以用作決策屬性的參考。兩級減速器的關鍵特性選擇如下。Table.1給出了源案例庫。
首先,數(shù)據(jù)采集中顯著的無關特性會被直接剔除。其他由離散歸一化處理的特性轉化成了定性屬性,然后按照上述算法的信息增益進行挑選。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。傳動比,壽命以及傳遞效率的屬性被分作幾個相對應的小區(qū)間(傳動比:(0,15),和(15,+∞);壽命:(0,350000),(350000,420000)和(42000,+∞);傳遞效率:(0,0.94)和(0.94,1))。每個數(shù)字范圍區(qū)間都由0,1…按照順序進行排列。齒輪傳動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。離散化處理的結果見Table.2。
排列形式的屬性被看作識別屬性,而其他屬性被看作決策屬性。按照識別屬性,案例庫被分為兩類(m=2)。第一類由六個案例組成,其排列形式是擴大形式(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表示傳動比的增益,GLh表示壽命的增益,Gη表示傳動效率的增益。因此傳遞功率,傳動比和壽命的屬性都可以以關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過程,即從案例庫中選出與當前設計實例相關的一組案例。這個過程是由所有關鍵特征和決策信息增益計算所建立的索引表所實現(xiàn)的。建立的索引表在Fig.6中顯示出來。案例的初步匹配完全是在索引表的基礎上建立起來的。
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程。最優(yōu)案例是由最鄰近法選擇的,所以它對關鍵特征權重的計算和案例相似性的是不可缺少的。
(1) 特征權重
特征權重是被用來計算特征的重要性。它可以影響邏輯結果的準確性。根據(jù)原始信息源,確定特征權重的方法被分為兩類:主觀法和客觀法。主觀法的信息來自于專家的經驗,而客觀發(fā)的信息來自于原始的統(tǒng)計數(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)是一種決策問題被分為一些包括目標、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的權重ω1i可以由下面這個公式計算得到。
粗糙集理論是一種針對知識分類的數(shù)據(jù)推理方法,主要適用于分析知識簡約性和特征屬性之間的可靠性,并且能解決特征屬性權重的相似性度量的問題。按照特定分類,它能通過既存信息來評判所有特征的重要性。關于權重計算的相關公式如下:
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
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的權重
本文運用一種層次分析法(AHP)和粗糙集理論相結合的方法來彌補兩種方法的缺點。這種聯(lián)合法是根據(jù)線性疊加原理進行組合。這種物質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重
ω2i—按粗糙集理論獲得的特征權重
α—系數(shù)
根據(jù)合并的方法,減速器關鍵特征的三個權重如傳遞功率的屬性,ω1=0.52;傳動比的屬性,ω2=0.28;壽命屬性,ω3=0.20(假設α=0.5)
(2)相似性
兩級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。本文運用公式(6)和(7)來計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條件:0(不同的)或者1(相同的)。所以本文提出了一種新的關于案例相似性的算法,表示如下。
相關距離:
特征相似性:
兩個案例間的相似性:
這里 dink—案例n和案例k的第i個屬性間的相關距離,
Vni—案例n的第i個屬性的特征值,
Vki—案例k的第i個屬性的特征值,
SDink —案例n和案例k第i個屬性的相似性,
sim(n,k)—案例n和案例k的相似性,
ωt—第i個特征的權重,
n—特征序號。
假設設計其設計條件顯示于Table.3中的兩級齒輪減速器,和檢索顯示在Table.4中的兩個案例。
每個關鍵特征權重分別為0.52,0.28,0.20。案例的相似性可以按照下列公式(6)-(8)計算得到 。
3.3 案例修正
本文應用結合修改規(guī)則和人工修改的方法來修正案例。Fig.7給出了案例修正的流程。規(guī)則包括經驗公式,計算公式。例如,小齒輪通常是指齒寬在5-10mm的齒輪。而且條件限制是進行設計可行性評價的主要措施,正如齒輪接觸疲勞強度的檢驗公式,以及齒根彎曲疲勞強度等等。
4 系統(tǒng)開發(fā)
基于CBR的第二類箱體減速器設計系統(tǒng)的流程顯示在Fig.8中?;贑BR的兩級減速器的設計系統(tǒng)常使用VC++,UG和Access2002作為工具進行開發(fā),這包括五個模塊:文件管理、案例檢索、案例修正、進入UG還有幫助模塊,如Fig.9所示。文件管理模塊是用來管理與案例相關文件的。案例檢索模塊是用來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按照案例序號修改檢索到的案例的。進入UG模塊是用來從案例庫中調用修改的參數(shù)和通過由ODBC技術及UG/Open++工具開發(fā)的及系統(tǒng)來完成三維建模。
下面的一個實際的例子被給來詮釋基于CBR系統(tǒng)的運行過程。假設設計一個二級齒輪減速器,而它的設計需要有:傳遞功率 5.36kw,傳動比為11.06,壽命為310 000h。該系統(tǒng)的運行過程如下。
(1)如Fig.10的登錄主界面所示,是進入該系統(tǒng)和輸入用戶名和密碼。
(2)Fig。11顯示的是輸入檢索條件來檢索案例,并選出最相似的案例來檢查其信息。從檢索結果中選擇案例3,是因為它的相似性最大。按照分析,我們很容易發(fā)現(xiàn)案例3和準備設計的案例的偏差小于5%。所以案例3可以作為新設計的結果。
如果檢索結果和將要設計的案例間的偏差大于5%,檢索的結果便需要修正。案例修正包括全部修正和局部修正。當最大相似性的檢索結果和將被設計的案例之間的傳遞功率屬性的偏差大于5%時,它表示沒有最佳的相似案例,這就需要重新設計。在完成設計使,需要確定新案例的相對索引值,并且新案例將被保存在案例庫中作為下一次檢索的源案例。上述過程被稱作案例研究。單最大相似性檢索結果和將要設計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允許的偏差范圍,我們通過調整齒輪傳動比和相關齒輪參數(shù)來完成案例。調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度。按照合并規(guī)則,即檢查齒輪疲勞強度公式,檢查軸的疲勞強度公式,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中。例如,給出的設計數(shù)據(jù)是傳遞功率6.50kw,傳動比11.07,壽命310 000h。案例3被檢索到。眾所周知,通過計算檢索到的案例和將被設計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軟件是通過進入UG模塊運行的,而三位建模是通過使用UG二次開發(fā)程序來獲得修正模塊的相關參數(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中。在Fig.14中的對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可見。
5 結束語
(1)兩級齒輪減速器的案例由面向對象的信息模型來表示的,這使得減速器表達的信息更為便利和準確,并且有利于案例檢索。
(2)根據(jù)二級齒輪減速器設計的實際情形,我們提倡結合層次分析法(AHP)和粗糙集理論得到的組合加權法,這可以提高案例檢索的可信度。
(3)基于CBR的兩級齒輪減速器設計系統(tǒng)已成功地開發(fā)出來。這個系統(tǒng)使得二級齒輪減速器設計更為容易,快速和更加的智能。這種途徑可作為CBR中其他組件開發(fā)的參考。案例庫中擁有足夠的案例是基于CBR的兩級減速器設計系統(tǒng)運行的先決條件。如果特定的兩級減速器的設計要求得到滿足,相關的案例必須添加到案例庫中。
參考書目
[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.and 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
指導教師評語:
簽名:
年 月 日
備注:畢業(yè)論文、開題報告、文獻綜述封面填寫要求:漢字用宋體,三號,阿拉伯數(shù)字用Times New Roman字體,三號,日期格式為:2007-05-12,字體Times New Roman,三號,對齊方式為橫線居中。