RationalDMIS 2020 校验机器精度

2023-10-10 11:30

本文主要是介绍RationalDMIS 2020 校验机器精度,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在这里插入图片描述

DMISMN/''
$$ *** 程序初始段 ***
MODE/MAN
RECALL/D(MAC)
WKPLAN/XYPLAN
UNITS/MM,ANGDEC,TEMPC
DECPL/DIST,4,VEC,8,ANGLE,4,TEMP,1
SCNMOD/OFF
TECOMP/PART,ON,11.4,ALL
TECOMP/ON
PRCOMP/ON
PTBUFF/ON
SNSET/SEARCH,10.000
SNSET/APPRCH,5.0000
SNSET/RETRCT,5.0000
SNSET/DEPTH,0
SNSET/CLRSRF,OFF
FLY/5.0000
FEDRAT/MESVEL,MMPS,3.5
FEDRAT/POSVEL,PCENT,0.75
FEDRAT/ROTVEL,PCENT,0.75
FEDRAT/SCNVEL,PCENT,0.75
ACLRAT/MESACL,PCENT,0.75
ACLRAT/POSACL,PCENT,0.75
V(TEXT)=VFORM/ALL
V(HTML)=VFORM/DME,'HTM',ALL
V(SPCLIGHT)=VFORM/STAT,'SDD',ALL
V(GENSTAT)=VFORM/STAT,'SDD/L',ALL
V(ARCOSTAT)=VFORM/STAT,'SDD/C',ALL
V(QSSTATQ)=VFORM/STAT,'DFQ',ALL
V(QSSTATD)=VFORM/STAT,'DFD',ALL
V(GRAPHF)=VFORM/DME,'DMG',ALL
V(GRAPHV)=VFORM/DME,'DMG/V',ALL
V(GRAPHP)=VFORM/DME,'DMG/P',ALL
V(GRAPHO)=VFORM/DME,'DMG/O',ALL
V(GRAPHA)=VFORM/DME,'DMG/A',ALL
$$ *** 程序初始段结束 ***$$--------------------------------------------
$$每个块规都自动找正之后,测量点到点之间的距离
$$该程序用于获得测量机的定位精度的误差
$$--------------------------------------------DECL/REAL,BLOCK[10],DIS[10],DISA[10],WID1,DEP1,X1,Y1,Z1,X2,Y2,Z2,STEP1,TOL1,TOL2,TOLL,PRB1,YUP,GAP,dcb
DECL/INTGR,I,J,NUM1,NUM2,DIRY
DECL/DOUBLE,I1,J1,K1SNSLCT/SA(P1_0_0P0_0)
PRB1=OBTAIN/SA(P1_0_0P0_0),10$$---块规长度,由小到大---
BLOCK[1]=ASSIGN/(149.9993)
BLOCK[2]=ASSIGN/(300+0.001)
BLOCK[3]=ASSIGN/(400+0.0011)
BLOCK[4]=ASSIGN/(500+0)
BLOCK[5]=ASSIGN/(600+0.0010)
BLOCK[6]=ASSIGN/(750-0.0002)
BLOCK[7]=ASSIGN/(800+0.0003)
BLOCK[8]=ASSIGN/(900-0.0001)
BLOCK[9]=ASSIGN/(1000-0)
BLOCK[10]=ASSIGN/(1000-0)$$---块规之间沿长度的距离差值,DIS[1]必须=0
DISA[1]=ASSIGN/0
DISA[2]=ASSIGN/73
DISA[3]=ASSIGN/30
DISA[4]=ASSIGN/0
DISA[5]=ASSIGN/0
DISA[6]=ASSIGN/0
DISA[7]=ASSIGN/0
DISA[8]=ASSIGN/0
DISA[9]=ASSIGN/0
DISA[10]=ASSIGN/0
DO/I,2,10,1
DIS[I]=ASSIGN/(ABS(DISA[I])+ABS(DISA[I-1]))
ENDDO$$ 测量机精度=TOL1+TOL2*L
TOL1=ASSIGN/2
TOL2=ASSIGN/3$$---块规之间的缝隙距离
GAP=ASSIGN/4.8$$测头上升高度
YUP=ASSIGN/40$$GAUGE NUMBER?num1=ASSIGN/1
num2=ASSIGN/3TEXT/QUERY,(MANALL),10,N,L,'手动找正? (1=YES 0=NO)'IF/(MANALL.LE.0.0)
RECALL/D(MANTEMP)
RECALL/FA(SAF_PLA)
DIRY=OBTAIN/FA(SAF_PLA),7
ELSETEXT/OPER,'测量最短块规的大平面'
F(PLA_1)=FEAT/PLANE,CART,0,0,0,0,0,1
MEAS/PLANE,F(PLA_1),3
ENDMESTEXT/OPER,'测量最短块规的工作面'
F(PLA_3)=FEAT/PLANE,CART,0,0,0,1,0,0
MEAS/PLANE,F(PLA_3),3
ENDMESD(MANTEMP) = DATSET/FA(PLA_1),ZDIR,ZORIG,FA(PLA_3),-XDIR,XORIGTEXT/OPER,'测量最短块规的上面(小平面)'
F(POI_1)=FEAT/POINT,CART,0,0,0,0,0,1
MEAS/POINT,F(POI_1),1
ENDMESD(MANTEMP) = DATSET/FA(PLA_1),ZDIR,ZORIG,FA(PLA_3),-XDIR,XORIG,FA(POI_1),YORIGDIRY=OBTAIN/FA(PLA_3),4
DIRY=ASSIGN/-DIRY/ABS(DIRY)
D(MANTEMP) = TRANS/YORIG,-DIRY*PRB1/2
F(SAF_PLA)=FEAT/PLANE,CART,0,0,0,0,DIRY,0
FA(SAF_PLA)=FEAT/PLANE,CART,0,0,0,0,DIRY,0
SAVE/D(MANTEMP)
SAVE/F(SAF_PLA)
ENDIFMODE/PROG,MANDISPLY/TERM,V(TEXT)
$$DISPLY/STOR,V(TEXT)SNSET/CLRSRF,FA(SAF_PLA),YUP$$ Y1 AND Y2 IS THE PROBE GO DOWN DIST
Y1=ASSIGN/3*(-DIRY)
Y2=ASSIGN/12*(-DIRY)
$$GAUGE DEPTH=9MM, HALF IT.DO/I,1,NUM1,1
RECALL/D(MANTEMP)$$---FAR END
X1=ASSIGN/BLOCK[I]-DIS[I]-2$$---NEAR END
IF/ (I.EQ.1)X2=ASSIGN/2
ELSEIF/(DIS[I].GT.0)X2=ASSIGN/-DIS[I]+2ELSEX2=ASSIGN/BLOCK[I-1]+4ENDIF
ENDIFZ1=ASSIGN/-(I-1)*(9+GAP)
F(PLA_4)=FEAT/PLANE,CART,X2,0,Z1,0,0,1
MEAS/PLANE,F(PLA_4),4PTMEAS/CART,X2,Y2,Z1,0,0,1PTMEAS/CART,X2,Y1,Z1,0,0,1GOTO/X2,YUP,Z1GOTO/X1,YUP,Z1PTMEAS/CART,X1,Y1,Z1,0,0,1PTMEAS/CART,X1,Y2,Z1,0,0,1
ENDMESZ2=ASSIGN/(-(I-1)*(9+GAP)-4.5)
F(LIN_1)=FEAT/LINE,UNBND,CART,X1,0,Z2,1,0,0,0,DIRY,0
MEAS/LINE,F(LIN_1),2PTMEAS/CART,X1,0,Z2,0,DIRY,0GOTO/X1,YUP,Z2GOTO/X2,YUP,Z2PTMEAS/CART,X2,0,Z2,0,DIRY,0
ENDMESF(POI_2)=FEAT/POINT,CART,-DIS[I],Y2,Z2,-1,0,0
MEAS/POINT,F(POI_2),1
ENDMESD(DAT_2) = DATSET/FA(PLA_4),ZDIR,ZORIG,FA(LIN_1),XDIR,YORIG,FA(POI_2),XORIGTOLL=ASSIGN/(TOL1+TOL2*BLOCK[I]/1000)/1000
X1=ASSIGN/BLOCK[I]DO/J,1,NUM2,1F(POI_A)=FEAT/POINT,CART,0,Y2,-4.5,-1,0,0
MEAS/POINT,F(POI_A),1
ENDMESF(PO_B)=FEAT/POINT,CART,X1,Y2,-4.5,1,0,0
MEAS/POINT,F(PO_B),1
ENDMEST(DISTB_1)=TOL/DISTB,NOMINL,X1,-TOLL,TOLL,XAXIS
OUTPUT/FA(POI_A),FA(PO_B),TA(DISTB_1)
ENDDO
ENDDO$$DISPLY/OFF

在这里插入图片描述

这篇关于RationalDMIS 2020 校验机器精度的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/180130

相关文章

usaco 1.3 Mixing Milk (结构体排序 qsort) and hdu 2020(sort)

到了这题学会了结构体排序 于是回去修改了 1.2 milking cows 的算法~ 结构体排序核心: 1.结构体定义 struct Milk{int price;int milks;}milk[5000]; 2.自定义的比较函数,若返回值为正,qsort 函数判定a>b ;为负,a<b;为0,a==b; int milkcmp(const void *va,c

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个

【机器学习】高斯网络的基本概念和应用领域

引言 高斯网络(Gaussian Network)通常指的是一个概率图模型,其中所有的随机变量(或节点)都遵循高斯分布 文章目录 引言一、高斯网络(Gaussian Network)1.1 高斯过程(Gaussian Process)1.2 高斯混合模型(Gaussian Mixture Model)1.3 应用1.4 总结 二、高斯网络的应用2.1 机器学习2.2 统计学2.3

✨机器学习笔记(二)—— 线性回归、代价函数、梯度下降

1️⃣线性回归(linear regression) f w , b ( x ) = w x + b f_{w,b}(x) = wx + b fw,b​(x)=wx+b 🎈A linear regression model predicting house prices: 如图是机器学习通过监督学习运用线性回归模型来预测房价的例子,当房屋大小为1250 f e e t 2 feet^

校验码:奇偶校验,CRC循环冗余校验,海明校验码

文章目录 奇偶校验码CRC循环冗余校验码海明校验码 奇偶校验码 码距:任何一种编码都由许多码字构成,任意两个码字之间最少变化的二进制位数就称为数据检验码的码距。 奇偶校验码的编码方法是:由若干位有效信息(如一个字节),再加上一个二进制位(校验位)组成校验码。 奇校验:整个校验码中1的个数为奇数 偶校验:整个校验码中1的个数为偶数 奇偶校验,可检测1位(奇数位)的错误,不可纠错。

【机器学习-一-基础概念篇】

机器学习 定义分类算法 应用 定义 机器学习最早是被Arthur Samuel 提出的一个概念,指计算机无需明确编程即可学习的研究领域。1950年他发明的跳棋程序,这个人机对弈游戏让他的声名鹊起,机器学习这个概念才进入大众的是视线。 在这个跳棋程序里,他编程了一种算法,这个程序与Arthur下了数万次跳棋,计算机逐渐学会了下在哪里有更大的可能会赢得比赛,哪里会输,通过这种方法,最

机器学习之监督学习(三)神经网络

机器学习之监督学习(三)神经网络基础 0. 文章传送1. 深度学习 Deep Learning深度学习的关键特点深度学习VS传统机器学习 2. 生物神经网络 Biological Neural Network3. 神经网络模型基本结构模块一:TensorFlow搭建神经网络 4. 反向传播梯度下降 Back Propagation Gradient Descent模块二:激活函数 activ

参会邀请 | 第二届机器视觉、图像处理与影像技术国际会议(MVIPIT 2024)

第二届机器视觉、图像处理与影像技术国际会议(MVIPIT 2024)将于2024年9月13日-15日在中国张家口召开。 MVIPIT 2024聚焦机器视觉、图像处理与影像技术,旨在为专家、学者和研究人员提供一个国际平台,分享研究成果,讨论问题和挑战,探索前沿技术。诚邀高校、科研院所、企业等有关方面的专家学者参加会议。 9月13日(周五):签到日 9月14日(周六):会议日 9月15日(周日