- 博客(197)
- 收藏
- 关注
RSS订阅原创 【机械制图与CAD实战（十五）】相贯线
本文概述了立体相交形成的相贯线及其性质。相贯线是两立体表面相交产生的交线，具有表面性、封闭性和共有性。相贯形式包括外表面相交、外表面与内表面相交以及内表面相交。重点介绍了平面体与回转体、回转体与回转体相贯的作图方法：通过分析相对位置确定交线形状，利用表面取点法或辅助平面法求取特殊点和一般点，最后光滑连接各点完成投影。文中以圆柱相交为例，详细说明了从确定特殊点到补充中间点，再到连接成完整相贯线的具体作图步骤。
2026-05-30 08:00:00
245
原创 【机械制图与CAD实战（十四）】曲面体及其投影
本文介绍了回转体及其表面上点的投影方法。首先阐述了轮廓素线的概念，即回转体投影图中可见与不可见部分的分界线。随后详细讲解了四种回转体的投影特点：1）圆柱的投影包括积聚成圆的水平投影和轮廓素线的正、侧面投影；2）圆锥的投影包含底面圆的投影和轮廓素线投影；3）圆球的三个投影均为轮廓素线圆的投影；4）圆环的投影特点。针对回转体表面点的投影，重点介绍了辅助线法和辅助圆法两种作图方法，通过构造辅助素线或辅助圆来确定点的投影位置。全文系统阐述了不同回转体的投影规律及其表面点的投影求解方法。
2026-05-29 07:00:00
209
原创 【机械制图与CAD实战（十三）】平面体及其投影
本文介绍了平面立体的基本概念及其投影画法。平面立体是由平面多边形围成的几何体，如正方体、棱柱等。其投影图绘制本质上是绘制表面多边形及其棱线、顶点的投影。重点阐述了可见性判断规则：可见棱线用粗实线表示，不可见棱线用虚线表示。文章还具体说明了棱柱和棱锥的投影特征，以及棱面上点的投影求法，特别介绍了利用辅助线法求棱锥表面点的投影步骤。这些内容是工程制图中绘制平面立体投影图的基础知识。
2026-05-28 06:30:00
199
原创 【机械制图与CAD实战（十二）】基本立体的概念
本文介绍了基本体的概念与分类。基本体包括柱、锥、台、球等几何体，可分为平面立体（如棱柱、棱锥）和曲面立体两类。曲面又分为规则曲面和不规则曲面，规则曲面由母线按规律运动形成，回转面则是母线绕轴线旋转产生的曲面，如圆柱、圆锥、球等回转体。这些基本体是构成复杂机械零件的基础几何单元。
2026-05-27 06:30:00
17
原创 【机械制图与CAD实战（十一）】平面的投影
本文介绍了机械制图中平面的几何表示方法及其投影特性。主要内容包括：1）平面的五种几何元素表示法（不共线三点、直线及线外点、相交直线、平行直线、平面图形）；2）平面投影的三大基本特性（实形性、积聚性、类似性）；3）三种特殊位置平面（投影面平行面、垂直面和一般位置平面）的投影特点。重点阐述了各类平面在不同投影面上的表现特征，如平行面的实形投影、垂直面的积聚投影等，为机械制图中平面表达提供了系统的方法论指导。
2026-05-26 06:30:00
341
原创 【机械制图与CAD实战（十）】直线的投影
本文介绍了工程图学中直线投影的基本原理和特性。主要内容包括：1.直线投影的基本方法是通过连接两端点的同面投影；2.直线投影的三种基本特性：真实性（平行投影面时反映实长）、积聚性（垂直投影面时投影为点）、收缩性（倾斜时投影缩短）；3.详细分析了投影面平行线（水平线、正平线、侧平线）和垂直线（正垂线、铅垂线、侧垂线）的投影特点；4.说明了一般位置直线的投影特性及其与投影面的关系；5.介绍了直线上点的投影规律。这些知识是绘制工程视图的基础。
2026-05-25 17:11:36
362
原创 【机械制图与CAD实战（九）】点的投影
本文系统讲解了机械制图中点的投影原理与坐标表示方法。首先介绍了三投影面体系（V、H、W面）作为空间直角坐标系的基础，详细说明了空间点B(x,y,z)的坐标定义：x表示点到W面的左右距离，y表示点到V面的前后距离，z表示点到H面的上下距离。重点阐述了点的三面投影标记规则（空间点用大写字母，投影用小写字母加撇号区分）及投影形成原理（通过向三个投影面作垂线获得投影点）。文章还讲解了将三面投影展开到同一平面的方法，以及"长对正、高平齐、宽相等"的投影规律，最后简要介绍了重影点的概念。这些知识是掌
2026-05-10 06:15:00
572
原创 【机械制图与CAD实战（八）】三视图的形成
三投影面体系由互相垂直的V（正立）、H（水平）、W（侧立）三个投影面组成，通过正投影法形成主视图（V面）、俯视图（H面）和左视图（W面）。三视图具有"长对正、高平齐、宽相等"的投影关系，分别反映物体的不同方位：主视图显示上下左右，俯视图显示左右前后，左视图显示上下前后。视图展开时保持V面不动，H面绕OX轴下旋90°，W面绕OZ轴后旋90°，最终形成标准的三视图布局。
2026-05-09 17:21:34
533
原创 【机械制图与CAD实战（七）】正投影法
投影法是画法几何与机械制图的理论基础，通过光线照射物体在平面上形成图形。投影三要素包括空间物体、光源（投射中心/投射线）和投影面。投影法分为中心投影法（投影线交汇于一点，立体感强但不反映真实尺寸）和平行投影法（投影线平行）。平行投影法又分为正投影法（投影线垂直投影面，能真实反映形状尺寸，适用于机械制图）和斜投影法（投影线倾斜，立体感较好）。正投影法具有度量性好、反映真实形状和保持几何关系的特点，是机械图样的核心方法。
2026-05-09 17:15:14
421
原创 【机械制图与CAD实战（六）】绘制平面图形
本文介绍了平面图形中圆弧连接的作图方法，将线段分为三类：已知线段（尺寸完整可直接画出）、中间线段（尺寸不全需依靠相邻线段关系画出）和连接线段（无定位尺寸需最后通过几何作图完成）。重点阐述了圆弧连接的作图步骤：先画基准线和已知线段，再根据几何关系画中间线段，最后通过圆弧连接完成连接线段。文章强调正确的作图顺序和准备工作的重要性，指出应先分析图形尺寸类型，确定比例和图幅，按照"先基准后线段、先已知后中间再连接"的顺序逐步完成，最后检查加深图线。通过分类讲解和步骤说明，为平面几何作图提供了清晰
2026-04-29 07:00:00
366
原创 【机械制图与CAD实战（五）】几何图形的画法：圆弧连接
本文介绍了机械制图中圆弧连接的基本概念与作图方法。圆弧连接是通过已知半径的圆弧在切点处光滑连接直线或圆弧的技术，广泛应用于机械零件设计以避免应力集中并提高美观性。文章详细阐述了六种圆弧连接的作图步骤：(1)圆弧与直线相切；(2)圆弧连接两直线；(3)圆弧与圆弧外切；(4)圆弧与圆弧内切；(5)圆弧连接两已知圆弧内切；(6)圆弧连接直线与圆弧。每种方法都强调了确定圆心和切点这两个关键要素，确保连接处过渡平滑自然。
2026-04-28 15:55:35
663
原创 【机械制图与CAD实战（四）】常用尺规绘图工具及其使用
本文介绍了手工绘图的基本工具与使用方法。重点讲解了图板和丁字尺的正确使用：图板用于固定图纸，其导边是绘制水平线的基准；丁字尺配合图板可绘制水平线、垂直线及15°整倍数的斜线。具体操作包括固定图纸、放置丁字尺和画线三个步骤，强调铅笔角度控制在60°-75°之间。此外还提及圆规用于绘制圆和圆弧，以及绘制已知直线的平行线和垂直线的方法。这些基本功是工程制图的重要基础。
2026-04-28 15:44:38
78
原创 【机械制图与CAD实战（三）】尺寸标注
大家要知道，一张图样光把形状画出来是不够的，尺寸是必不可少的。为什么？因为只有尺寸才能准确告诉我们：这个零件有多大，各部分结构之间到底相距多远、位置关系是怎样的。所以，在图样上标注尺寸的时候，必须严格遵守国家标准中有关尺寸注法的规定，不能自己想怎么标就怎么标。
2026-04-28 15:29:22
661
原创 【机械制图与CAD实战（二）】机械制图标准
作为工程界共同语言的图样是用来进行信息交流的，规范性要求很高。为此，对图纸、图线、字体、作图比例以及尺寸标注等，国家标准均作了严格规定，每位制图者都必须严格遵守。 国家标准（简称“国标”）代号为“GB”，“GB”是国家强制性标准；“GB/T”是国家推荐标准（“T”表示是推荐标准）。
2026-04-28 15:13:38
592
原创 【机械制图及CAD实战（一）】专栏简介
《机械制图》是为工科学生提供的技术基础课，旨在培养他们绘制和阅读机械图样的能力，为后续专业学习奠定基础。 它以几何学和投影理论为基础，教授学生掌握国家标准、图样绘制与读图方法、标准件知识以及零件图和装配图的绘制。课程目标是培养学生的空间想象能力、工程思维和严谨的工作作风，并为学生提供机械设计相关的启蒙和实践训练。
2026-04-27 17:06:57
333
原创 第29讲 监督学习与无监督学习
监督学习和无监督学习是机器学习中两种主流方法。区分二者的最直接方式是观察训练数据集的类型及模型训练方式，但除此之外还存在其他差异，本章将深入探讨。
2025-09-25 12:01:05
105
原创 第28讲 强化学习
强化学习是一种机器学习方法，其核心是通过训练智能体（软件实体）来理解环境：智能体通过执行动作并观察结果来学习。对于每个正确的动作，智能体会获得正向反馈；而对于每个错误动作，则会获得负向反馈。这种学习方式灵感来源于动物从经验中学习的行为模式，即根据行动产生的后果来制定决策。在模型中，智能体处于特定状态中。它通过与环境交互执行动作以完成特定任务，并根据执行结果获得奖励或惩罚的反馈。
2025-09-25 11:57:57
150
原创 第27讲 半监督学习
半监督学习是一种既不完全属于监督学习也不完全属于无监督学习的机器学习方法。这类算法本质上介于监督学习与无监督学习方法之间。在半监督学习中，机器学习算法通过同时包含标注数据和未标注数据的数据集进行训练。该方法通常适用于拥有大量未标注数据的场景。监督学习需要人工标注数据，成本高昂；而无监督学习仅使用未标注数据，应用范围有限。半监督学习恰好在两者之间实现了完美平衡。
2025-09-25 11:53:53
98
原创 第26讲 无监督机器学习
无监督学习（又称无监督机器学习）是一种无需人类监督即可从数据中学习模式和结构的机器学习方法。它通过机器学习算法分析未标注数据集，自动发现其中的潜在规律。与监督学习不同，无监督学习模型使用未标注数据集进行训练。当无法获得预标注训练数据（如监督学习那样）但需要从输入数据中提取有用模式时，无监督学习算法尤为实用。
2025-09-25 11:50:47
136
原创 第25讲 监督式机器学习
监督学习（又称监督式机器学习）是一种通过使用带标签的数据集训练模型以预测结果的机器学习方法。带标签数据集包含输入数据（特征）及对应的输出数据（目标值）。监督学习算法的主要目标是通过多次训练数据实例，学习输入数据样本与相应输出之间的关联关系。
2025-09-25 11:38:42
136
原创 第24讲 机器学习-模型
存在多种机器学习算法、技术和方法，可用于构建模型以解决现实问题。本章将重点探讨这些不同的方法类型。根据人类监督程度的不同，机器学习方法主要分为以下四类：（1）监督学习（2）无监督学习（3）半监督学习（4）强化学习后续四个章节将详细讨论这些机器学习模型。此处先简要概述这些方法：
2025-09-25 11:33:32
223
原创 第23讲 机器学习中的数据准备
数据准备是机器学习流程中的关键环节，对最终模型的准确性和有效性具有重大影响。这一步骤需要对细节的精心关注，以及对数据和待解决问题的深入理解。让我们探讨如何通过恰当的数据准备使模型获得更好的准确性和结果。
2025-09-25 10:25:39
135
原创 第22讲 机器学习-数据理解
在开展机器学习项目时，我们往往忽略两个最关键的部分：数学基础与数据质量。正是数据驱动特性使得数据理解成为机器学习中至关重要的步骤——模型输出的优劣完全取决于我们提供的数据质量。数据理解本质上是通过分析和探索数据来识别其中可能存在的模式或趋势，通常包含以下阶段：1）数据收集：从数据库、网站和API等多种渠道搜集相关分析数据2）数据清洗：清除无关或重复数据，处理缺失值，将数据格式化为易于分析的格式3）数据探索：运用直方图、散点图和相关性分析等统计技术发现数据内在模式
2025-09-25 10:10:39
118
原创 第21讲 机器学习-数据加载
假设您要启动一个机器学习项目，首先且最重要的需求是什么？正是我们需要加载的数据——这是启动任何机器学习项目的基石。在机器学习中，数据加载是指从外部源导入或读取数据，并将其转换为机器学习算法可用的格式的过程。随后数据需经过预处理以消除不一致性、缺失值或异常值。完成预处理后，数据被划分为训练集和测试集，分别用于模型训练和评估。数据可来自多种来源，如CSV文件、数据库、Web API、云存储等。机器学习项目最常用的文件格式是CSV（逗号分隔值）。
2025-09-25 10:00:08
253
原创 第20讲 机器学习中的分类数据
在机器学习中，分类数据是指由类别或标签组成的数据，而非数值型数据。这些类别可以是名义尺度（无内在顺序，如颜色、性别），也可以是顺序尺度（存在自然排序，如教育水平、收入层级）。分类数据通常用离散值（如整数或字符串）表示，并在作为机器学习模型输入前常被编码为独热向量。独热编码会为每个类别创建一个二进制向量，其中对应类别的位置为1，其余位置为0。
2025-09-22 16:27:32
218
原创 第19讲 机器学习-获取数据集
机器学习模型的质量完全取决于其训练数据的质量。因此，获取高质量相关数据集是机器学习流程中的关键步骤。目前存在许多开源数据仓库（如Kaggle）可供下载数据集，您也可以购买数据、爬取网站或独立收集数据。以下将介绍机器学习数据集的多种来源及获取方式。
2025-09-22 16:21:54
69
原创 第18讲 机器学习与深度学习
在人工智能领域，"机器学习"与"深度学习"这两个术语常被混用。尽管这两种技术都用于创建智能系统，但它们并非同一概念。机器学习是人工智能（AI）的子领域，使机器能够在没有显式编程的情况下学习；而深度学习是机器学习的子集，使用神经网络处理复杂数据。本章将探讨机器学习与深度学习的区别及其内在联系。
2025-09-22 16:15:46
183
原创 第17讲 机器学习vs神经网络
机器学习与神经网络是人工智能（AI）领域的两项重要技术。虽然它们经常结合使用，但并非同一概念。下文将探讨机器学习与神经网络的区别及其内在联系。
2025-09-22 16:13:33
126
原创 第16讲 人工智能和机器学习的区别
人工智能与机器学习是科技领域两个常被混用的热门术语。尽管它们经常被互换使用，但二者并非同一概念。人工智能（AI）和机器学习（ML）虽相互关联，却在定义、应用和内涵上存在显著差异。本文将深入探讨机器学习与人工智能的区别及其内在联系。
2025-09-22 16:11:43
118
原创 第15讲 机器学习的数学
机器学习是一个融合计算机科学、统计学和数学的跨学科领域。其中，数学在开发和理解机器学习算法过程中起着至关重要的作用。本章将探讨机器学习必备的数学概念，包括线性代数、微积分、概率论和统计学。
2025-09-22 15:56:29
127
原创 第14讲 机器学习的数据结构
数据结构在机器学习中发挥着关键作用，它有助于数据的组织、操作和分析。数据是机器学习模型的基础，而所使用的数据结构会显著影响模型的性能和准确性。数据结构能帮助构建和理解机器学习中的各种复杂问题。精心选择数据结构有助于提升性能并优化机器学习模型。
2025-09-22 15:54:59
113
原创 第12章 机器学习 - 局限性
机器学习作为一项强大的技术，虽然革新了数据分析的方式，但与其他技术一样存在局限性。以下是机器学习的主要限制：12.1 数据质量依赖性机器学习模型的效果完全取决于训练数据质量。如果数据存在缺失、偏差或质量低下，模型性能将大打折扣。12.2透明度缺失复杂的机器学习模型往往难以解释其预测逻辑，这种透明度的缺乏使得向利益相关者阐释模型结果变得困难。
2025-09-22 15:52:38
216
原创 第13讲 机器学习 - 现实应用案例
机器学习通过自动化流程、预测结果和发现海量数据中的规律，正在深刻变革各行各业。机器学习的现实应用包括谷歌助手、Siri和Alexa等虚拟助手与聊天机器人，推荐系统，特斯拉自动驾驶，IBM沃森肿瘤诊断等。许多人认为机器学习是关乎未来机器人的复杂技术。但事实上，我们每个人都在日常生活中有意或无意地使用机器学习技术，例如谷歌地图、电子邮件和Alexa等。以下是机器学习最典型的现实应用：• 虚拟助手与聊天机器人• 金融欺诈检测• 医疗诊断与治疗• 自动驾驶车辆• 推荐系统
2025-09-22 15:50:15
143
原创 第11讲 机器学习 - 挑战与常见问题
机器学习作为一个快速发展的领域，虽具有广阔的应用前景，但仍需应对诸多挑战才能充分发挥其潜力。以下是机器学习面临的主要挑战与常见问题：11.1 过拟合（Overfitting）当模型在有限数据集上过度训练变得过于复杂时，会导致在新数据上表现不佳。可通过交叉验证、正则化和早停法等技术解决。11.2 欠拟合（Underfitting）模型过于简单无法捕捉数据规律时会出现欠拟合。可通过采用更复杂模型或增加数据特征来改善。
2025-09-22 12:52:30
148
原创 第10讲 机器学习实施流程
机器学习的实施包含以下几个关键步骤：10.1 数据收集与准备实施机器学习的第一步是收集用于训练和测试模型的数据。数据必须与待解决的业务问题相关。收集完成后，需要对数据进行预处理和清洗，以消除不一致性和缺失值。10.2 数据探索与可视化下一步是通过探索和可视化数据来理解其结构特征，识别潜在模式与趋势。可使用matplotlib和seaborn等工具创建直方图、散点图和热力图等可视化图表。
2025-09-22 11:45:57
127
原创 第9讲 机器学习必备技能
机器学习是一个快速发展的领域，要在此领域取得成功，需要兼具技术能力与软技能。随着机器学习在各行业的应用不断扩展，选择成为机器学习专家将是明智的职业规划。请务必掌握所有能提升机器学习职业能力的相关技能。以下是机器学习所需的关键技能：• 编程能力• 统计学与数学• 数据结构• 数据预处理• 数据可视化• 机器学习算法• 神经网络与深度学习• 自然语言处理• 解决问题能力
2025-09-22 11:38:40
46
原创 第8讲 机器学习生命周期
机器学习生命周期：构建端到端机器学习项目或解决方案的迭代过程。构建机器学习模型是一个持续演进的过程，尤其在数据量不断增长的背景下更显重要。机器学习通过使用现实世界数据训练模型来提升系统性能，为确保项目成功需要遵循明确定义的步骤，而机器学习生命周期正为我们提供了这些标准化阶段。
2025-09-22 11:33:32
131
原创 第7讲 机器学习应用
机器学习已成为一种无处不在的技术，深刻影响着我们生活的方方面面，从商业运营到医疗保健再到娱乐休闲。它通过辅助决策和探索问题的所有可能解决方案，有效提升各行业的工作效率。机器学习成功应用的领域包括聊天机器人、语言翻译、人脸识别、推荐系统、自动驾驶汽车、目标检测和医学影像分析等。以下是机器学习的几个热门应用场景：• 图像与语音识别• 自然语言处理• 金融领域• 电子商务与零售• 汽车工业• 计算机视觉• 制造业与工业• 医疗健康领域
2025-09-22 11:15:30
56
原创 第6讲 机器学习Python库
Python库是代码与函数的集合，可用于执行特定任务。它们通常用于简化和自动化重复性高、复杂度大的编程任务。众所周知，机器学习是一个跨学科领域，每个算法都需要结合编程与数学知识来实现。相较于手动编写包含数学和统计公式的完整算法，使用现成库能显著提高开发效率。Python因其简洁性、丰富的库生态系统及易用性，成为实现机器学习最受欢迎的编程语言。以下是常用的Python机器学习库：• NumPy• Pandas• SciPy• Scikit-learn• PyTorch
2025-09-22 11:11:49
765
原创 第5讲 机器学习生态构成
机器学习生态系统指开发机器学习应用所需工具与技术的集合。Python通过以下核心组件构建了完整的机器学习生态，使其成为机器学习与数据科学的重要语言：• 编程语言：Python• 集成开发环境（IDE）• Python功能库
2025-09-10 22:45:18
254
【Robotics-TOOLBOX(机器人工具箱)源代码】PUMA560多段复杂线条规划
2025-04-21
【Robotics-TOOLBOX(机器人工具箱)源代码】六自由度机器人线性轨迹及末端执行器姿态规划
2025-04-21
【Robotics-TOOLBOX(机器人工具箱)源代码】多目标优化路径规划的搜索算法
2025-04-21
【Robotics-TOOLBOX(机器人工具箱)源代码】scara机器人笛卡尔空间轨迹规划
2025-04-21
【matlab源码】使用核主成分分析（KPCA）实现降维、特征提取、故障检测和故障诊断的MATLAB代码
2025-06-16
【matlab源码】滚珠轴承故障诊断
2025-06-16
【Robotics-TOOLBOX(机器人工具箱)源代码】puma560建立及方形圆形路径规划
2025-04-21
【Robotics-TOOLBOX(机器人工具箱)源代码】MATLAB Robotics toolbox机器人工具箱坐标运算
2025-04-21
【Robotics-TOOLBOX(机器人工具箱)源代码】六自由度机器人点位笛卡尔空间路径轨迹规划
2025-04-21
【Robotics-TOOLBOX(机器人工具箱)源代码】六自由度机器人点位笛卡尔路径规划
2025-04-21
【Robotics-TOOLBOX(机器人工具箱)源代码】六自由度UR机械臂正逆运动学及工作空间分析
2025-04-21
【Robotics-TOOLBOX(机器人工具箱)源代码】基于Peter Corke机器人工具箱的八自由度收割机器人仿真
2025-04-21
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人