Driveworks如何捕获工程图属性进行参数化设计

工程师在进行产品设计时,往往需要思考,在激烈竞争的市场环境下,在多样化需求和多品种、小批量生产方式下,如何在合理的价格和稳定供给的前提下,不断开发产品品种,改进产品质量和可靠性,提高生产效率,取得质量、品种与效益的有机统一,而这些都可以通过参数化设计来实现,今天我们就来学习专业的参数化设计软件driveworks如何实现工程图的参数化驱动。

首先打开模型零件创建组并浏览到工程图,之后进行工程图捕获。

接下来对工程图视图的注解位置和标号进行捕获,我们可以对捕获到的注解,比如标注尺寸,进行区域的划分,捕获后右侧会显示对应尺寸位置的所在区域诸如左右顶部底部,从而方便对其进行控制。

接下来在layers窗口捕获上一步捕获到的尺寸等注解所在的图层,这一步的目的是通过图层的显隐来控制各图层包含的注释的显示状态。

要实现输入信息的控制我们需要捕获工程图属性,这些信息捕获完成后我们就可以在driveworks管理器中进行控制设置。

随后打开driveworks管理器进行表单设计和变量关联,首先定义变量,随后定义函数规则,在例如我们可以把工程图中捕获进来的part NO. 与模型主要尺寸参数进行关联,这样在模型进行修改时候,模型大小参数值变更会体现在工程图属性中;我们也可以通过将视图比例与模型主要外观参数值相关联,从而能实现模型变化时候,视图比例随之变化。确保模型无论变的多大,视图都不会超出图框范围。

这就是driveworks对工程图进行参数化设计的方法,在我们进行设计变更时可以更快捷地实现,从而让企业的效率有很大提升。

  • 4
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
资料共144份,包括但不限于: 5G+电信: 5G 时代统一的边缘云网建设; 红帽开源软件助力电信行业 GPU 应用; 基于 5G 车路协同智慧公交解决方案; 中国电信 5G 边缘计算推动产业互联网发展; 中国移动九天人工智能平台 GPU 推理实践; 助力 5G 和边缘计算,深入了解 Cloud XR; DPU 加速 5G; GPU 加速 5G 基站的的 DICT 融合; GPU 加速开源 5G; GPU 加速中国电信 Spark 大数据处理; NVIDIA 加持的 5G 云部署; Rivermax- 带您轻松跨入超高清视频的 IP 时代; 高性能计算: 超算集群网络管理神器 — UFM Cyber-AI; 基于 CPU-GPU 异构平台的第一性原理密度泛函理论高性能计算; 基于 GPU 加速的矩阵离散元方法实现与应用; 脑研究之利器:基于 NVIDIA GPU 的全脑尺度直接可视化方法; 全新 NVIDIA A100 80GB GPU 加速超大规模 HPC 和 AI 应用; 新型超级计算中的高速互联技术; CUBE:高可扩展宇宙学 N 体问题模拟程序; GPU 加速 Paradigm 解决方案; HPC 应用性能分析和调优; RDMA 在分布式存储中的应用; 深度学习平台及应用: 用 NVIDIA Jarvis 来构建你的语音助理; 安全 AI 平台 GPU 实践和思考; 飞桨推理引擎性能优化; 高阶信息如何加速神经网络训练?; 机智深度学习训练平台及应用; 基于 GPU 的机器翻译推理性能优化; 基于 Tensor Core 的 CNN INT8 定点训练加速; 如何快速搭建全 GPU 加速的 AI 应用; 使用 Triton 优化深度学习推理的大规模部署; 腾讯“开悟”游戏 AI 平台在 TensorRT 上的最佳实践; 语音技术效率优化实践; 预训练时代的机器翻译; 智能钛机器学习平台计算优化实践; Apache MXNet 2.0:连接深度学习与传统机器学习; Eva 平台在深度学习训练和推理上的实践和优化经验; FastSpeech:高效语音合成的算法设计及优化; GPU 在向量搜索中的应用; Hammer:一体化的模型压缩和 NAS 引擎框架; Lightseq:GPU 高性能序列推理实践; MULTI-INSTANCE GPU(MIG)深度学习最佳用法示例; TurboTransformers:高效的 Transformer 线上推理系统; Whale:统一多种并行化策略的分布式深度学习框架; 推荐系统: 爱奇艺使用 GPU 加速 CTR 模型训练的实践; 多标签分类:汉明损失和子集精度真的相互冲突吗?; 高性能网络加速智能推荐系统; 将 HugeCTR Embedding 集成于 TensorFlow; 推荐系统推理性能优化在“双十一”中的应用; 性能提升 7 倍 + 的高性能 GPU 广告推荐加速系统的落地实现; GPU 加速的数据处理在推荐系统中的应用; Merlin : GPU 加速的推荐系统框架; Merlin HugeCTR :深入研究性能优化; Merlin NVTabular:基于 GPU 加速的推荐系统特征工程最佳实践; NVIDIA 助力构建安全和高效的推荐系统; PLE — 一种新的分层萃取多任务学习网络结构; Vearch 的 GPU 方案在海量向量检索系统上的应用创新; 智慧金融: 分布式人工智能与金融应用; GPU 数据库在不同行业中的应用; NVIDIA 网络打造超低时延证券解决方案; 智慧医疗和生命科学: 3D 医疗影像数据深度学习高效训练与推理架构; 基于眼表图像的 COVID-19 快捷风险筛查; 人工智能与药物研发; 随机对照试验 RCT 验证的消化内镜人工智能; 新型冠状病毒的全分子结构; 医学影像 + 人工智能的特点、技术与趋势; 医学真实世界人工智能研究与实践; AI 技术在医疗健康领域的应用探索; GPU 赋能长读长基因测序; GPU 技术在放射治疗领域的科学研究; NVIDIA Clara Guardian 助力构建智慧医院; 自动驾驶: 乘用车自动驾驶产业生态与协作; 构建中国特色仿真环境; NVIDIA Drive Sim 帮助解决无人驾驶预期功能安全问题; NVIDIA DRIVEWORKS SDK 中强大的实时传感器数据采集和回放工具助力自动驾驶开发; 自主机器和边缘计算: 智能物流机器人 — 小蛮驴; 从云到边:边缘智能开启 AI 新时代 加速行业落地; 多尺度 Jetson AI 端到端解决方案; 基于 AI 的工业缺陷检测与分类创新实践; 基于 Jetson 的点云加速及在自主机器的应用; 基于 Jetson 设备构建可信边缘计算;
英伟达智驾芯片的roadmap是一个长期的规划,旨在推动自动驾驶技术的发展,并满足不同领域的需求。 首先,英伟达在车载芯片方面的发展非常突出。他们的Drive PX系列芯片为自动驾驶系统提供了强大的计算能力和图形处理能力,能够实时处理复杂的感知和决策任务。未来,英伟达将不断提升芯片性能和能效,提供更高的计算能力和更低的功耗。 其次,在软件方面,英伟达正在不断优化他们的自动驾驶软件平台DriveWorks,以提供更完善的自动驾驶解决方案。他们将不断改进感知、定位、路径规划等关键功能,使系统更加准确和可靠。 此外,英伟达还致力于将自动驾驶技术应用于不同领域。除了传统的私人汽车市场,他们还将开拓公共交通、物流、农业等领域的应用。例如,他们已经推出了适用于城市巴士和卡车的Drive PX Pegasus芯片,能够满足大规模自动驾驶的需求。 对于未来的规划,英伟达将继续加大研发投入,加强与合作伙伴的合作,以加速自动驾驶技术的商业化进程。他们计划不断推出新一代的芯片和软件,使自动驾驶系统更加安全可靠,并满足不同层级的自动驾驶需求。 总之,英伟达智驾芯片的roadmap是在不断进化和完善的过程中,以满足自动驾驶技术的需求,并推动其应用到不同领域。英伟达将继续在芯片性能、软件功能和应用领域等方面进行创新,助力自动驾驶技术的发展。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 7
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值