油箱壳外形复杂,拉深成形过程中容易出现侧壁起皱和圆角处破裂的缺陷,成形工艺参数的确定非常重要.结合分类与回归决策树(classification and regression tree,CART)的人工智能技术和模型交叉验证方法,通过调用Python平台开源库Scikit-Learn对油箱壳拉深成形数值模拟结果进行知识挖掘,筛选出对油箱壳拉深成形影响大的工艺参数;以基尼指数(Gini index)最小化作为最优特征值及最优切分点选择的依据,构建了工艺参数与性能指标关系的CART决策树,提取出了可靠的工艺设计规则.油箱壳拉深实例表明,CART决策树理论的知识发现技术是实现板料成形过程数值模拟结果潜在知识挖掘的可行途径

• 网络优化是运筹学中的一个重要分支，所研究的问题涉及经济管理、交通运输、计算机科学与信息技术、通讯与网络技术等诸多领域。在现实生活中，诸如最短路问题、运输问题、指派问题、中国邮递员问题、旅行商问题等都是网络优化的问题。 • 由于多数网络优化问题是以网络上的流为研究对象，因此，在图论中一般只涉及网络流问题。 • 4.1 网络流与截集 • 4.2 最大流问题及其解法 • 4.3 最小费用流算法 • 4.4 Petri网

对骨切削研究中的骨切削数值仿真本构模型、骨切削手术工艺及机理等方面进行了综述, 着重介绍了切削参数对骨切削的影响、骨切削刀具设计等, 并对医学领域新兴的超声骨切削技术进行了介绍和分析.最后得出应从以下方面完善骨切削研究: (1)骨切削数值仿真的本构模型有待开发; (2)构建系统的骨材料切削理论以解释骨材料切屑形态的切削机理; (3)骨材料切削刀具的开发需要进一步深化; (4)超声骨切削由于安全性高、损伤小、愈合快的特点将成为未来临床骨切割操作的发展方向和趋势

一、基本概念 二、机械加工工艺规程的制定 三、零件图样的工艺分析 四、毛坯及加工余量 五、定位基准的选择 六、工艺路线的拟定 七、工序尺寸及公差的确定

放大电路引入负反馈以后,由于1+AF>1,故A