河北工程大学计算机考试试题,计算机辅助设计答案-河北工程大学2017下半年考试 答案.doc...

计算机辅助设计CAD复习资料

一、填空题

1.数值程序化的方法有数组形式存储数据和用公式计算数据.。数表程序化的方法有屏幕直观输出法、数组存储法和公式计算法。

2.质量信息的采集方法有手工采集、半自动采集和自动采集。

3.CAPP中零件信息的描述方法有成组代码描述法、型面特征描述法、从CAD系统直接输入零件信息。

4.区分图形可见与不可见的就是图形裁剪技术,一般地,认为窗口内的是可见的,落在窗口外是不可见的。

5.数据结构包括数据的物理结构和数据的逻辑结构。

6.CAD/CAM系统中常用的输出设备有显示器、打印机、绘图机、立体显示器、3D听觉环境系统、生产设备系统等。

7.几何建模分为线框建模、表面建模、实体建模。

8.计算机辅助工艺设计系统可以缩写成CAPP,系统中工程数据库的建立是一项重要内容,其动态数据库一般由以下几个部分构成,他们分别是产品设计数据库、制造工艺文件库等。

二、选择题

1.在CAD/CAM系统中,CA是指。A. 计算机辅助设计??????????? B. 计算机辅助制造C. 计算机辅助工程??????????? D. 计算机辅助工艺过程设计.. 物料需求计划 B. 企业资源计划

C. 制造资源计划 D. 集成制造技术

3.. 文件的操作主要表现在两个方面,一个是查找,一个是排序。

B. 数据结构分为物理结构和逻辑结构。

C. CAD/CAM系统实际上就是软件。

D. 将隐藏线和隐藏面消除的过程就叫消隐。

4.CAD/CAM系统主要研究对象描述、系统分析、方案的优化、计算分析工艺设计仿真模拟、NC编程以及图形处理等。它( B )

A. 输入的是设计要求,输出的是设计方案。

B. 输入的是设计要求,输出的是制造加工信息。

C. 输入的是设计要求,输出的是图纸。

D. 输入的是设计要求,输出的是工艺流程。

5. 建模技术将显示世界中的产品及相关信息转换为计算机内部能够 处理、存储和管理的( B )表达方法。

A. 自动化 B. 数字化 C. 智能化 D. 系统化

6.系统中软件分为几大类:. 系统软件功能软件应用软件 . 系统软件、支撑软件. CAD/CAM软件、WINDOWS软件、企业自行开发软件

D. 以上都不是。

7.关于窗口和视区下面说法正确的是:(????? )

A. 窗口中的数据可以在视区中直接使用???????B. 窗口就是视区??

C. 窗口决定要显示图形的区域??????? D. 视区决定要显示图形的区域

8.三坐标测量机与普通侧头测量比有好多优点,以下哪一条说法是错误的( D ) 。

A. 测量精度高 B. 测量软件功能强

C. 是专用的测量设备 D. 可实现序中测量和续前找正。

三、问答题

1.派生式CAPP系统的工作原理是什么?

答案:派生式CAPP是利用零件GT(成组技术)代码(或企业现行零件图编码),将零件 根据结构和工艺相似性进行分组 ,然后针对每个零件组编制典型工艺,又成主样件工艺。工艺设计时,首先根据零件的GT代码后零件图号,确定该零件所属的零件组,然后检索出该零件的典型工艺文件,最后根据该零件的GT代码和其他有关信息对典型工艺进行自动化化人机交互式修改生成符合要求的工艺文件。

2.什么叫文件?常用文件的组织方式有哪些?

答案:文件是数据管理的一种形式。他能独立于应用程序单独存储。常用文件的组织方式:顺序文件,索引文件,直接存取文件。

3.根据个人理解解释CAD/CAM的概念。

答案:CAD/CAM是由多门学科和多项技术综合形成的一项技术科学。它表明在许多方面可以利用计算机帮助设计制造和销售各种产品。广义的CAD/CAM包括CAD-CAPP-CAE-CAQ-CAPMS-CAM技术。从产品的制造过程理解CAD/CAM,是指从市场需求分析-产品设计-工艺设计-生产阶段直到装配成产品这一过程的计算机化。实际用应用中,包括软件和硬件两部分。

4.实体建模系统的特点是什么?

答案:实体建模系统对结构体的几何拓扑信息表达克服了线框建模的二义性以及曲面建模容易丢面的缺点,从而可以自动生成既有真实感图形的生成和物体间的干涉检验。产品设计、分析和制造工序中的所需要的关于物体的几何描述方面的数据可从实体模型中获得。

四、计算题

设有平面三角形abc,其三个顶点的坐标分别是a(1,2)、b(0,1)、c(1,1)。今欲将三角形abc绕A(1,0)点顺时针旋转90°,求变换后的结果。

答案:1 将A点连同图形一起平移到与原点重合,平移矩阵为:

T1=

2 使图形绕原点逆时针转90°旋转矩阵为:

T2 =

3 将A点连同图形一起平移到原来的位置,的平移矩阵为:

T3 =

4 总的矩阵

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
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