AutoCAD绘制轴测图教程:第八章重点解析

版权申诉
0 下载量 197 浏览量 更新于2024-08-09 收藏 277KB PPT 举报
"AutoCAD机械制图--第八章ppt课件(全).ppt" AutoCAD是一款广泛应用于工程和设计领域的计算机辅助设计软件,尤其在机械制图方面有着强大的功能。第八章主要讲解了如何在AutoCAD中绘制轴测图,轴测图是一种能够三维展示物体的二维图形,它保留了物体的视觉立体感,但比全三维模型更易于理解和绘制。 8.1轴测图概述中提到,轴测图的特点包括平行性和定比性。平行性意味着在物体上的平行线在轴测图中仍然保持平行,而定比性则指出,线段在轴测图中的长度与其在空间中的实际长度成一定比例,这个比例取决于轴向伸缩系数。轴测图的绘制模式是AutoCAD为用户提供的一个特殊环境,通过“草图设置”或SNAP命令可以激活等轴测捕捉,以方便绘制轴测图。 在8.1.2部分,介绍了如何使用“草图设置”激活等轴测捕捉。用户可以通过“工具”菜单选择“草图设置”,在“捕捉和栅格”选项卡中启用捕捉和栅格,并选择等轴测捕捉模式。此外,也可以使用SNAP命令,通过输入"S"激活"样式"模式,再输入"I"选择等轴测模式。 8.1.4部分讲述了轴测图的形成过程,轴测图可以分为正轴测图和斜轴测图。正轴测图是通过将物体的三个主要平面(正面、顶面和侧面)都倾斜放置,然后进行投影形成的,而斜轴测图则是物体的投影面与坐标轴有一定的倾斜角度。 在AutoCAD中绘制轴测图时,用户可以利用软件提供的轴测图工具,比如自动捕捉轴测点、绘制轴测圆和轴测弧等,这些工具使得绘制轴测图变得更为简便,同时也保证了图形的精确性。轴测图的标注也是关键,用户需要学习如何在轴测图中正确地标注尺寸,以确保图纸的清晰度和准确性。 第八章的内容深入浅出地介绍了AutoCAD中绘制轴测图的基本步骤和技巧,包括设置轴测捕捉、理解轴测图的形成原理以及在轴测图上进行尺寸标注,对于学习机械制图和使用AutoCAD的用户来说是非常重要的学习材料。

1. ARIMA 2. SARIMA 3. VAR 4. Auto-ARIMA 5. Auto-SARIMA 6. LSTM 7. GRU 8. RNN 9. CNN 10. MLP 11. DNN 12. MLP-LSTM 13. MLP-GRU 14. MLP-RNN 15. MLP-CNN 16. LSTM-ARIMA 17. LSTM-MLP 18. LSTM-CNN 19. GRU-ARIMA 20. GRU-MLP 21. GRU-CNN 22. RNN-ARIMA 23. RNN-MLP 24. RNN-CNN 25. CNN-ARIMA 26. CNN-MLP 27. CNN-LSTM 28. CNN-GRU 29. ARIMA-SVM 30. SARIMA-SVM 31. VAR-SVM 32. Auto-ARIMA-SVM 33. Auto-SARIMA-SVM 34. LSTM-SVM 35. GRU-SVM 36. RNN-SVM 37. CNN-SVM 38. MLP-SVM 39. LSTM-ARIMA-SVM 40. LSTM-MLP-SVM 41. LSTM-CNN-SVM 42. GRU-ARIMA-SVM 43. GRU-MLP-SVM 44. GRU-CNN-SVM 45. RNN-ARIMA-SVM 46. RNN-MLP-SVM 47. RNN-CNN-SVM 48. CNN-ARIMA-SVM 49. CNN-MLP-SVM 50. CNN-LSTM-SVM 51. CNN-GRU-SVM 52. ARIMA-RF 53. SARIMA-RF 54. VAR-RF 55. Auto-ARIMA-RF 56. Auto-SARIMA-RF 57. LSTM-RF 58. GRU-RF 59. RNN-RF 60. CNN-RF 61. MLP-RF 62. LSTM-ARIMA-RF 63. LSTM-MLP-RF 64. LSTM-CNN-RF 65. GRU-ARIMA-RF 66. GRU-MLP-RF 67. GRU-CNN-RF 68. RNN-ARIMA-RF 69. RNN-MLP-RF 70. RNN-CNN-RF 71. CNN-ARIMA-RF 72. CNN-MLP-RF 73. CNN-LSTM-RF 74. CNN-GRU-RF 75. ARIMA-XGBoost 76. SARIMA-XGBoost 77. VAR-XGBoost 78. Auto-ARIMA-XGBoost 79. Auto-SARIMA-XGBoost 80. LSTM-XGBoost 81. GRU-XGBoost 82. RNN-XGBoost 83. CNN-XGBoost 84. MLP-XGBoost 85. LSTM-ARIMA-XGBoost 86. LSTM-MLP-XGBoost 87. LSTM-CNN-XGBoost 88. GRU-ARIMA-XGBoost 89. GRU-MLP-XGBoost 90. GRU-CNN-XGBoost 91. RNN-ARIMA-XGBoost 92. RNN-MLP-XGBoost 93. RNN-CNN-XGBoost 94. CNN-ARIMA-XGBoost 95. CNN-MLP-XGBoost 96. CNN-LSTM-XGBoost 97. CNN-GRU-XGBoost 98. ARIMA-ANN 99. SARIMA-ANN 100. VAR-ANN 上面这些缩写模型的全称及相关用途功能详细解释

2023-07-15 上传