Реферат Курсовая Конспект
Основи автоматизованого проектування - раздел Математика, ...
|
МІНІСТЕРСТВО ОСВІТИ І НАУКИ, МОЛОДІ та СПОРТУ УКРАЇНИ
Одеський технічний коледж
Одеської національної академії харчових технологій
з предмету
“ Основи автоматизованого проектування ”
Спеціальність 6.051701 "Харчові технології та інженерія "
Розробив – Краснієнко Н.В., викладач комісії ЕОТ
Одеського технічного коледжу Одеської національної академії харчових технологій
Рецензент – Котлік С.В. к.т.н., доцент
ЗМІСТ
1. Введення в автоматизоване проектування ……………………………………………. | |
1.1. Поняття проектування ………………………………………...................................... | |
1.2. Принципи системного підходу ……………………………………………………… | |
1.3. Рівні проектування ……………………………………………………………………. | |
1.4. Стадії проектування ………………………………………………………………….. | |
1.5. Моделі і їх параметри в САПР ………………………………………………………. | |
1.6. Проектні процедури …………………………………………... ……………………… | |
1.7. Життєвий цикл виробів ……………………………………………………………….. | |
1.8. Структура САПР ………………………………………………………………………. | |
1.9. Етапи проектування автоматизованих систем ………………………………………. | |
2. Технічне забезпечення САПР …………………………………………………………... | |
2.1. Вимоги до технічного забезпечення САПР ………………………………………….. | |
2.2. Процесори ЕОМ ……………………………………………………………………….. | |
2.3. Пам’ять ЕОМ ………………………………………………………………………….. | |
2.4. Монітори ……………………………………………………………………………….. | |
2.5. Периферійні пристрої …………………………………………………………………. | |
2.6. Шини комп’ютера ……………………………………………………………………... | |
2.7. Типи обчислювальних машин і систем ……………………………………………… | |
2.8. Класифікація обчислювальних систем по співвідношенню потоків команд і даних | |
3. Математичне забезпечення САПР …………………………………………………….... | |
3.1. Вимоги до математичних моделей і методів у САПР ………………………………. | |
3.2. Вихідні рівняння для формування моделей на макрорівні …………………………. | |
3.3. Механічні системи ……………………………………………………………….……. | |
3.4. Вибір методу аналізу в часовій області ……………………………………….……... | |
3.5.Алгоритми чисельного інтегрування систем диференціальних рівнянь……………. | |
3.6. Методи рішення систем лінійних алгебраїчних рівнянь …………………………… | |
3.7. Методи рішення систем нелінійних алгебраїчних рівнянь …………………………. | |
3.8. Аналіз у частотній області ……………………………………………………..……… | |
3.9. Багатоваріантний аналіз ……………………………………………………….…….. | |
3.10. Математичні моделі для аналізу на мікрорівні ……………………………….…….. | |
3.11. Методи аналізу на мікрорівні ………………………………………………………… | |
3.12. Метод скінченних елементів для аналізу механічної міцності …………………… | |
4. Геометричне моделювання і машинна графіка ………………………………………… | |
4.1. Типи геометричних моделей ……………………………………………………….….. | |
4.2. Методи й алгоритми комп’ютерної графіки ……………………………………..…… | |
4.3. Програми комп’ютерної графіки ………………………………………………………. | |
5. Автоматизовані системи в промисловості …………………………………….……….. | |
5.1. Система ERP ………………………………………………………………………….… | |
5.2. Стандарт MRP II …………………………………………………………………….…. | |
5.3. Підсистеми ERP ………………………………………………………………………… | |
5.4. Логістичні системи ……………………………………………………………………. | |
5.5. Системи SCM ………………………………………………………………………….. | |
5.6. CRM – системи взаємин із замовниками …………………………………………….. | |
5.7. Типи САПР в області машинобудування ……………………………………………. | |
5.8. Основні функції CAD-систем …………………………………………………….…… | |
5.9. Основні функції CAЕ-систем ……………………………………………………….. | |
5.10. Основні функції CAМ-систем ………………………………………………………. | |
5.11. Прототипування ……………………………………………………………………… | |
5.12. Огляд машинобудівних САПР …………………………………………….………… | |
6. Методичне й програмне забезпечення автоматизованих систем……………………… | |
6.1. Типи CASE-систем …………………………………………………………………….. | |
6.2. Специфікації проектів програмних систем …………………. ………………………. | |
6.3. Програмне забезпечення CASE-систем ………………………………………………. | |
Література …………………………………………………………………………………… |
Технічне забезпечення САПР
Математичне забезпечення САПР
Рис.3. 1. Результат статистичного аналізу.
У САПР статистичний аналіз здійснюється чисельним методом — методом Монте-Карло (статистичних випробувань). Відповідно до цього методу виконуються статистичних випробувань, кожне статистичне випробування являє собою одноваріантний аналіз, виконуваний при випадкових значеннях параметрів-аргументів. Ці випадкові значення вибирають відповідно до заданих законів розподілу аргументів . Отримані в кожному випробуванні значення вихідних параметрів накопичують, після випробувань обробляють, що дає наступні результати:
· гістограми вихідних параметрів;
· оцінки математичних очікувань і дисперсій вихідних параметрів:
· оцінки коефіцієнтів кореляції й регресії між обраними вихідними й внутрішніми параметрами, які, зокрема, можна використати для оцінки коефіцієнтів чутливості.
Статистичний аналіз, виконуваний відповідно до методу Монте-Карло, — трудомістка процедура, оскільки число випробувань доводиться вибирати досить великим, щоб досягти прийнятної точності аналізу. Інша причина, що ускладнює застосування методу Монте-Карло, — труднощі в одержанні достовірної вихідної інформації про закони розподілу аргументів-параметрів .
Більш типова ситуація, коли закони розподіли невідомі, але з великою долею впевненості можна вказати гранично припустимі відхилення параметрів від номінальні значення (такі відхилення часто вказуються в паспортних даних на комплектуючі деталі). У таких випадках більш реалістично застосовувати метод аналізу на найгірший випадок. Відповідно до цього методу, спочатку виконують аналіз чутливості з метою визначення знаків коефіцієнтів чутливості. Далі здійснюють раз одноваріантний аналіз, де — число вихідних параметрів. У кожному варіанті задають значення аргументів, найбільш несприятливі для виконання умови працездатності чергового вихідного параметра . Так, якщо й коефіцієнт чутливості позитивний (тобто ) або й , то
інакше
Однак варто помітити, що, проводячи аналіз на найгірший випадок, можна одержати завищені значення розкиду вихідних параметрів, і якщо домагатися виконання умов працездатності в найгірших випадках, те це часто веде до невиправданого збільшення вартості, габаритних розмірів, маси й інших показників проектованих конструкцій, хоча й гарантує із запасом виконання умов працездатності.
Рис. 3. 2 Приклади шаблонів для одномірних і двовимірних задач
Приклади шаблонів для одномірних і двовимірних задач наведені на Рис. 3. На цьому рисунку кружком більшого діаметра позначені вузли, у яких апроксимується похідна. Чорними точками позначені вузли, значення фазової змінної в яких входять в апроксимуючий вираз. Число, записане біля вузла, дорівнює коефіцієнту, з яким значення фазової змінної входить в апроксимуюче вираження. Так, для одномірних шаблонів у верхній частині малюнка показана апроксимація похідної в точці , і зазначеним шаблонам при їхньому перегляді ліворуч-праворуч відповідають апроксимації
де — крок дискретизації по осі .
Шаблони для двовимірних задач у нижній частині Рис.3 відповідають наступним кінцево-різнистним операторам:
· лівий рисунок:
· середній рисунок:
· правий рисунок:
Тут — значення в точці ; прийняті однакові значення кроків по обох координатах.
Метод скінченних елементів заснований на апроксимації не похідних, а самого рішення . Але оскільки воно невідомо, то апроксимація виконується вираженнями з невизначеними коефіцієнтами
(3.23) |
де — вектор-рядок невизначених коефіцієнтів, — вектор-стовпець координатних функцій (опорних функцій), заданих так, що задовольняються граничні умови.
При цьому мова йде про апроксимації рішення в межах скінченних елементів, а з урахуванням їхніх малих розмірів можна говорити про використання порівняно простих апроксимуючих виразів (наприклад, — поліноми низьких ступенів). У результаті підстановки у вихідне диференціальне рівняння й виконання операцій диференціювання одержуємо систему нев’язок
(3.24) |
з якої потрібно знайти вектор .
Цю задачу (визначення ) вирішують одним з наступних методів:
· метод коллокаций, у якому, використовуючи (3.24), формують рівнянь із невідомим вектором :
де — число невизначених коефіцієнтів;
· метод найменших квадратів, заснований на мінімізації квадратів нев’язок у точках або в середньому по розглянутій області;
· метод Гальоркіна, за допомогою якого мінімізуються в середньому по області нев’язка зі спеціальними ваговими коефіцієнтами, що задаються.
Найбільше поширення МСЕ одержав у САПР машинобудування для аналізу міцності об’єктів. Для цієї задачі можна використовути розглянутий підхід, тобто виконати алгебраізацію вихідного рівняння пружності (рівняння Ламе). Однак більш зручним у реалізації МСЕ виявився підхід, заснований на варіаційних принципах механіки.
Геометричне моделювання й машинна графіка
Рис. 4. 1. Виділення вікна
Застосовуючи ці правила в нашому прикладі, одержуємо спочатку багатокутник , а після відсікання по верхній границі — багатокутник (див. рис. 4). Однак правильний результат трохи інший, а саме багатокутник . Цей правильний результат виходить при подвійному обході вершин спочатку по годинній стрілці, потім проти із включенням у список нових вершин, що з'являються при кожному обході.
Застосовують ряд алгоритмів видалення схованих ліній. Один з найбільше просто реалізованих алгоритмів — алгоритм z-буфера, де z-буфер — область пам'яті, число осередків у якій дорівнює числу пікселів у вікні виводу. Передбачається, що вісь спрямована по нормалі до видової поверхні й спостерігач розташований у крапці .
На початку виконання алгоритму всі пікселі відповідають максимальному значенню , тобто максимальному видаленню від спостерігача, що приводить до приміщення в усі осередки z-буфера значень пікселів тіла креслення. Далі по черзі для всіх точок граней розраховуються значення координати . Серед точок, що відносяться до того самого пікселя (одному й тому ж осередку z-буфера ), вибирається точка з найменшим значенням і її код (тобто кольори і яскравість) міститься в . У підсумку z-буфер буде містити пікселі найбільш близьких до спостерігача граней.
Алгоритми побудови проекцій перетворюють тривимірні зображення у двовимірні. У випадку побудови центральної проекції кожна точка тривимірного зображення відображається на картинну поверхню шляхом перерахування координат і (Рис. 5). Так, координату точки обчислюють по очевидній формулі
аналогічно розраховується координата точки .
Рис. 4.2. Побудова центральної проекції точки A
У паралельних проекціях і координати й точок і збігаються. Тому побудова паралельних проекцій зводиться до виділення вікна, при необхідності до повороту зображення й можливо до видалення схованих ліній.
Моделювання ефектів відбиття світла від поверхні об'єкта в геометричних моделях називають рендерінгом. Зафарбування матових поверхонь засновані на законі Ламберта, відповідно до якого яскравість відбитого від поверхні світла пропорційні , де — кут між нормаллю до поверхні й напрямком луча падаючого світла. В алгоритмі Гуро яскравість внутрішніх точок розглянутої поверхні визначається лінійною інтерполяцією яскравості у вершинах багатокутника. При цьому спочатку проводиться інтерполяція в крапках ребер, а потім по рядках горизонтального розгорнення. Більш реалістичними виходять зображення в алгоритмі Фонга, заснованому на лінійній інтерполяції векторів нормалей до поверхні. Один з алгоритмів рендерінгу полягає в трасуванні променів — моделюванні проходження променів світла між джерелами, поверхнями й спостерігачем.
Автоматизовані системи в промисловості
Методичне й програмне забезпечення автоматизованих систем
– Конец работы –
Используемые теги: основи, автоматизованого, Проектування0.063
Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Основи автоматизованого проектування
Если этот материал оказался полезным для Вас, Вы можете сохранить его на свою страничку в социальных сетях:
Твитнуть |
Новости и инфо для студентов