1、“.....其借鉴了自然界的自然选择和自然遗传机制，能够快速到达最优解的搜索范围，从而得到全局最优解。将其引入图像匹配过程，使匹配由单的个点开始逐点移动模板进行相似度运算变为随机生成数个点进行相似度运算，并通过的进化功能由适当的适应度函数指导其搜索过程向最优点进化，进而大大减少运算量，提高识别的快速性。遗传算法的基本原理是在自然选择和群体遗传学机理基础上通过随机选择选代进化等步骤来模拟自然进化过程以搜索全局最优解。遗传算法结合了达尔文适者生存和随机信息交换，在消除了求解过程中不适应因素的同时，还利用了原有解的已有知识，有力地加快了搜索最优解的过程。遗传算法般可通过染色体编码生成初始群体计算个体适应度遗传算子选择算子交叉算子和变异算子等步骤来实现。遗传算法中的遗传算子包括选择交叉和变异等三个算子，它们构成了遗传算法具备强大搜索能力的核心。选择算子又称复制或繁殖算子是对群体中的个体按优胜劣汰的方式选取，并遗传到下代群体的运算操作。选择操作的目的是为了从当前群体中选出生命力强的染色体，使它有机会保留用以繁殖后代。判断染色体优良与否的准则就是各自的适应度值，个体适应度值越大，其被选择的机会就越多......”。

2、“.....选择的方法可采用适应度比例选择法也称轮盘赌方式最佳个体保存方法期望值方法排序选择法和随机联赛选择法等。交叉算子又称重组或配对算子是遗传算法中产生新个体的主要方法，在算法中起着关键性的作用。它的操作是对两个互相配对的染色体按种方式互相交换其部分基因，从而形成两个新的个体。对于选中用于繁殖后代的个体，随机选择交叉位置，交换两个基因串位置右边的部分，产生两个新的个体，这两个新个体组合了其父代的特性。常用的交叉算法有单点交叉双点交叉与多点交叉均匀交叉和算术交叉等。变异操作模拟自然界生物体进化中染色体上位基因发生的突变现象，从而改变染色体的结构和物理性状。选择算子和交叉算子基本上完成了遗传算法的大部分搜索功能，而变异算子则使遗传算法具有局部的随机搜索能力，可加强向最优解收敛并保证遗传算法的有效性。变异算子首先在群体中随机地选择个个体，以定的概率随机改变基因串中个字符的值。为了保证个体变异后不会与父辈产生太大的差异，变异概率般取值较小般取为之间。常用的变异算子有基本变异算子均匀变异算子非均匀变异算子正态变异算子和自适应变异算子等。遗传算法提供了求解复杂系统优化问题的通用框架......”。

3、“.....对问题的种类有很强的鲁棒性，广泛应用于函数优化组合优化自动控制图像处理等领域。理论研究已经证明，遗传算法能从概率意义上以随机的方式寻求到问题的最优解，但在实际应用中，遗传算法出现了些不尽如人意的问题，如早熟现象局部寻优搜索能力较差等问题。应用研究表明，目前些常规遗传算法并不定是针对问题的最佳求解方法，例如将常规的遗传算法应用到图像匹配中往往不能有预想的效果，而将遗传算法问题的特有知识集成到起构成的混合遗传算法却有可能产生出求解性能极佳的方法。遗传算法图像匹配距离图像匹配的计算量强大。工件定位执行机构和控制系统定位抓取系统的执行机构对物体进行抓取，称之为执行机构，执行机构可以是利用来控制的伺服电机驱动，也可以是利用信号控制的机器人来操作机械手进行动作，还有就是利用液压或者气压来操作连杆机构进行动作。般工业机器人包括六个自由度的动作，三个平移变量三个旋转变量。如图所示。其运行模式包括求教模式和远程控制模式。在传统的机器人使用当中，般是基于精确的机器人示教，然后进行试运行，对工作进行抓取或者其它动作的执行。除此之外,也可以用远程控制模式......”。

4、“.....然后导入这软件中进行动作的试动作，最后进行实物的抓取工作。图工业机器人的结构图机械手的坐标系统和参数设置为了使机械手能够按照用户的要求到达指定的位置，必须先人为的规定其坐标系。而且考虑到机械领域的通用性，尽量减少其工作量而使具有同外形同种结构的机械手规定为种坐标系统。其模型的坐标系设置具有通用性，都是按照人们普遍习惯设置的坐标系。坐标系的方向应该符合右手笛卡尔坐标原则。其方向性离远离观察者为正，还应使在同平面的坐标轴名称致。在旋转情况下，应该符合逆时针为正的原则。执行机构的控制通信系统工业机器人般由机器人本体机器人控制柜系统控制器伺服驱动系统和检测传感装置构成。机器人可以通过编程控制器进行示教来控制机器人的运作，还可以通过机器人自带软件进行编程，然后来控制机器人手指进行三维空间内的任意轨迹的运动，还可以进行抓取工作，所以是由这软件来进行控制柜与机器人本体之间的数据的传送。上位机与下位机之间的通讯往往需要通讯协议，通讯协议有和，其通讯般由下位机决定。和于年提出来的，这种匹配方法在有零均值高斯噪声的图像中可以估计出最佳的匹配位置，而且不需要参数......”。

5、“.....但是与部分距离相比，当处理目标存在遮掩和外部点干扰时，它的匹配性能并不好，因为它采用平均值计算有向距离，噪声点也参与了计算，因此，该距离用于匹配的有效性较差。距离变换在距离求解中，对于点集中任点到点集的最近距离即，通常用欧几里德距离进行计算，计算量很大。实际上，在边缘提取过程中，受到噪声畸变以及探测算子本身的影响，没有必要精确计算欧几里德距离值。在保证运算结果准确性的前提下，我们可以采用近似的距离变换。距离变换在许多机器视觉应用中是非常重要的。它被应用在模式识别形态学等方面。二值图像的距离变换最先被提出，其后发展出很多不同的距离变换，常见的有街区距离变换棋盘距离变换切削距离变换欧式距离变换。在机器视觉上的应用包括最近邻像素差值形态学处理提取骨架剪枝细化粗化和模式识别汽车导航中的物体立体特征匹配和地图匹配机器人碰撞回避路径发现和空间图像匹配。距离变换的相关性还被应用在加速图像物体的发现上，它将物体看作在任意位置和方向上的边缘模式。此外，距离变换辅助的自适应点匹配也被应用在地图匹配问题上。基于遗传算法的图像匹配遗传算法图像匹配原理遗传算法......”。

6、“.....主流道的形状为圆锥行，以便熔体的流动和开模是主流道泥料的顺利拔出。主流道的尺寸直接影响到熔体的流动速度和充模时间。另外，由于其与高温塑料熔体及注射机喷嘴反复接触，因此设计中长设计成可拆卸更换的浇口套。主流道轴线般位于模具中心线上，与注射机喷嘴轴线重合，型腔也以此轴线为中心对称布置。图主流道示意图主流道的形状和尺寸最先影响着塑料熔体的流动速度及填充时间，必须使熔体的温度降低和压力降最小，且不损害其把塑料熔体输送到最远位置的能力。主流道设计的要点如下主流道圆锥角，对流动性差的塑料可取，内壁粗糙度为主流道大端成圆角，半径,以减小料流转向过度时的阻力在模具结构允许，主流道应尽可能短，般小于,过长则会影响熔体的顺利充型主流道衬套与定模座板采用过渡配合，与定位圈的配合采用间隙配合主流道衬套般选用制造，热处理强度为。分流道的设计流道截面形状可以是圆形半圆形矩形梯形和形等，如下图所视，圆形和正方形截面流道的比表面积最小流道表面积与体积之比值称为比表面积，塑料容体的温度下少，阻力亦小，流道的效率最高。在保证足够的注射压力使塑料熔体顺利充满型腔的前提下，分流道截面积与长度尽量取小值......”。

7、“.....避免制件上产生喷射等缺陷避免喷射有两种方法加大浇口截面尺寸，降低熔体流速采用冲击型浇口，改善塑料熔体流动状况。该模具采用方法。浇口应开设在塑件截面最厚处有利于塑件熔体流动有利于型腔排气考虑塑件使用时的载荷状况减少或避免塑件的熔接痕考虑分子取向对塑件性能的影响考虑浇口位置和数目对塑件成型尺寸的影响防止将型芯或嵌件挤歪变形。图分流道示意图分流道直径为。浇口的设计由于此次毕业设计课题是基于的移动硬盘外壳的模具设计，移动硬盘不是很大，而且硬盘外壳也比较薄，大致形状区别不是很大。而且对于品牌商来说，他们所制造出来的产品的质量是赢得市场的关键所在。模具开模时，能自动拉断浇口，而且浇口的位置可设在塑件的侧面端面和背面等各隐蔽处，是塑件外壳无浇口痕迹。同时，模具的结构可简单化为单分型面结构。所以我选用扇形浇口设计方案。扇形浇口是种逐渐扩大的浇口，有如折扇，是由测浇口变异而来。其浇口沿进料方向逐渐变宽，厚度逐渐变薄，熔体通过约的浇口台阶进入型腔。其结构如图所示。浇口深度根据制品厚度而定，般取，浇口宽度般为浇口处型腔宽度的，但最小不得小于。熔体是通过个逐渐展开的扇形进入型腔的，因此......”。

8、“.....可降低制品的内应力，减少变形。由于熔体是沿横向分散进入型腔，所以流纹和定向效应大为减少。可减少带入空气的可能性，加之型腔排气良好，可避免气体混入熔体中。扇形浇口由于进料口宽阔，进料通畅，故常用来成型长条，扁平而薄的制品，如盖板标尺托盘板材等。对于流动性不好的塑料，如等，扇形浇口也很能适应。图扇形浇口示意图冷料穴的设计冷料穴位于主流道正对面的动模板上，或处于分流道末端。其作用是捕集料流前锋的冷料，防止冷料进入型腔而影响塑件质量，开模时又能将主流道的凝料拉出。冷料穴的直径算法，其借鉴了自然界的自然选择和自然遗传机制，能够快速到达最优解的搜索范围，从而得到全局最优解。将其引入图像匹配过程，使匹配由单的个点开始逐点移动模板进行相似度运算变为随机生成数个点进行相似度运算，并通过的进化功能由适当的适应度函数指导其搜索过程向最优点进化，进而大大减少运算量，提高识别的快速性。遗传算法的基本原理是在自然选择和群体遗传学机理基础上通过随机选择选代进化等步骤来模拟自然进化过程以搜索全局最优解。遗传算法结合了达尔文适者生存和随机信息交换，在消除了求解过程中不适应因素的同时......”。

9、“.....有力地加快了搜索最优解的过程。遗传算法般可通过染色体编码生成初始群体计算个体适应度遗传算子选择算子交叉算子和变异算子等步骤来实现。遗传算法中的遗传算子包括选择交叉和变异等三个算子，它们构成了遗传算法具备强大搜索能力的核心。选择算子又称复制或繁殖算子是对群体中的个体按优胜劣汰的方式选取，并遗传到下代群体的运算操作。选择操作的目的是为了从当前群体中选出生命力强的染色体，使它有机会保留用以繁殖后代。判断染色体优良与否的准则就是各自的适应度值，个体适应度值越大，其被选择的机会就越多。根据不同的问题，选择的方法可采用适应度比例选择法也称轮盘赌方式最佳个体保存方法期望值方法排序选择法和随机联赛选择法等。交叉算子又称重组或配对算子是遗传算法中产生新个体的主要方法，在算法中起着关键性的作用。它的操作是对两个互相配对的染色体按种方式互相交换其部分基因，从而形成两个新的个体。对于选中用于繁殖后代的个体，随机选择交叉位置，交换两个基因串位置右边的部分，产生两个新的个体，这两个新个体组合了其父代的特性。常用的交叉算法有单点交叉双点交叉与多点交叉均匀交叉和算术交叉等......”。