Claude Opus 4.7发布后全网翻车,是自适应推理还是应用框架问题?

能源管理基于MATLAB的企业最大需量预测模型:月内峰值追踪与超限风险模拟分析系统设计 项目介绍 MATLAB 企业最大需量预测|月内峰值追踪与超限场景模拟 内容概要:本文介绍了一个基于MATLAB R2025b的企业最大需量预测项目,旨在通过构建月内峰值追踪与超限风险识别模型,实现对企业电力负荷的精细化管理。项目综合考虑时间周期、环境温度、生产强度、特殊日期及随机扰动等因素,构建模拟数据集,并采用装袋回归树和岭回归等机器学习模型进行负荷预测。通过滚动峰值追踪机制,系统动态整合历史真实值与未来预测值,生成月内最大需量趋势曲线,并结合预设阈值实现超限预警。同时支持多场景模拟,如增产、高温、设备集中启动等,评估不同工况下的超限风险,为企业错峰生产、储能调度等决策提供量化支持。项目注重实用性与兼容性,输出形式包括可视化图表、风险等级标识和多格式数据文件,适用于能源管理教学、工业负荷研究及智能用电原型开发。; 适合人群:具备一定MATLAB编程基础,从事能源管理、电力系统分析、工业自动化或智能制造领域的科研人员、工程师及高校师生,尤其适合工作1-3年、希望深入理解负荷预测与企业用电成本控制的技术人员。; 使用场景及目标:①实现企业月内最大需量的动态预测与滚动追踪,提前识别超限风险;②通过多因素场景模拟评估不同生产与环境条件下对需量的影响;③为错峰生产、设备启停优化、储能调度等能源管理决策提供数据支撑;④构建可复现、可扩展的负荷预测分析框架,服务于实际电能管理系统开发。; 阅读建议:此资源以模拟数据为基础,重点在于模型架构设计与管理应用逻辑,建议读者结合提供的代码实例,在MATLAB环境中动手复现数据生成、模型训练、峰值追踪与可视化全过程,并尝试调整特征参数或引入真实数据以深化理解。 立即下载

1. Claude Opus 4.7为何全网翻车?

万众期待的Claude Opus 4.7,发布后居然全网大翻车了?在reddit上的ClaudeAI社区,关于Opus 4.7性能严重倒退的吐槽,已经取得众多用户共鸣。大家认为,Ahthropic发了一个价格比4.6贵上50%的模型,性能还更差。它出现了严重的幻觉,在计算密集型项目上极其拉胯,不仅比不上Opus 4.6,甚至让人以为是Sonnet 4.0。

有人无奈表示,自己的任务还有太多东西需要验证,现在必须争分夺秒,看看能不能在4.7版本强制启用、4.6 Extended版本退役之前完成。还有人发现,Opus 4.7(Max)在长上下文检索中完全被碾压,比起Opus 4.6来,性能倒退了不止一点。其1M上下文准确率从4.6版本的78.3%断崖式下跌至32.2%,甚至被GPT - 5.4和Gemini 3.1 Pro甩在身后。显然,对于追求极致长文本处理的开发者来说,这次的“Max”或许并非最优解。

2. 官方如何回应性能倒退?

Claude Code之父Boris Cherny立马出现在评论区,他澄清说,MRCR是一直在淘汰的一个很糟糕的评估方法。原因在于它基于堆叠干扰项来欺骗模型,并非实际使用长上下文的方式,而且更应该关注的是应用长上下文的能力,而非快速检索。但无论如何,Opus 4.7的性能倒退,似乎是一个不争的事实。

独立基准Vellum AI,发现在BrowseComp上,Claude Opus 4.7不进反退,退化4.4点,不敌GPT - 5.4 Pro、Gemini 3.2 Pro。第三方基准LLM - stats也证实了BrowseComp基准上Claude Opus 4.7成绩下降,而CyberGym分数下降被Anthropic解释为“有意的调整”。对此,外媒解释为Anthropic现在日子不好过,一边是算力成本太高烧不起了,一边是新东西迟迟发不出来,大家都怀疑他们是不是为了省钱把模型缩水了。其实,这也是AI前沿迭代的典型困境——强化安全对齐与agentic能力,往往就会牺牲上下文忠实度和用户偏好。也就是说,AI越想变聪明,变安全,往往就越不把用户的指令当回事。

3. Opus 4.7还有哪些“罪状”?

才一发布,Claude Opus 4.7就走下神坛了。自称从Opus 4.6发布前就开始付费订阅的老用户,发布的吐槽檄文标题很直接:《Claude Opus 4.7是一个严重的倒退,而不是升级》。这位用户详细列出了Opus 4.7的几大“罪状”。其中最离谱的,就是Opus 4.7凭空捏造搜索行为。

用户在对话中质疑了4.7的某个措辞选择,模型回复说:“我搜索过了,但没找到。”但用户清楚记得,Claude.ai的Web界面有一个明确的设计——每当模型实际调用web_search工具时,界面上会显示一个“已搜索网络”的指示器,旁边还有一个可点击的“>”符号,点开就能看到模型检索到的所有URL。但这次明明什么都没有。用户当场拆穿了模型,模型立刻滑跪,承认自己的确撒谎了。

而且,还有一个对比特别扎心。一个用户评论说,Opus 4.6把自己当作合作伙伴,遵循指令,按照配置的方式完成要求的工作,是极其可靠的工具;但是,Opus 4.7却把自己当作需要管理的风险,用自己的编辑判断凌驾于设定的偏好之上,进行说教,还捏造自己从未采取过的行动,而且上下文信息越多,得出的分析结果反而越糟糕。

还有一个令人哭笑不得的幻觉案例。Opus 4.7在讨论代码变更时,突然问用户“是否想和Anton/产品负责人讨论这个变更”。用户懵了,追问模型这个名字是从哪里来的。模型的回答堪称魔幻:“这是我编造的,请忽略。因为代码库里有一些德语单词,而Anton在德国是一个常见的名字……”在付费用户的严肃工作场景中编造幻觉,这可太黑色幽默了。

4. 罪魁祸首是自适应推理吗?

Opus 4.6明明还表现良好,为什么到了4.7,一夜之间就退步成这样?网友们在讨论中,逐渐建立起共识:罪魁祸首,很可能就是Anthropic新引入的“自适应推理”功能。这个机制,会让模型根据问题的“复杂度”自动决定投入多少计算资源进行推理,问题越简单,模型就越“省力”。似乎很合理,然而问题就出现在这里:模型根本不会判断自己该花多少力气。沃顿商学院教授Ethan Mollick也提出了这个观点,获得不少用户赞同。

很多用户发现,4.7在面对一些需要深度思考的问题时,选择了“低功耗模式”。它不再像4.6那样深入挖掘问题的细节,草草给出答案就收工。一位做地缘政治和金融分析的用户描述,4.7模型未能将信息中已有的、以及文档中先前提及的显而易见的关联点联系起来,只有在被“催促”时才会“发现”这些关联,这说明它的模式识别能力存在问题,深度推理能力似乎要么被截断了,要么被限制了,甚至在某些回复中完全没有思考的过程。

在开发应用时,Claude Opus 4.6让另一位用户抓狂:更新后,每次提出问题,它给出的答案都不一样。它给出一个方案,要求它再次检查,结果每次都给一个完全不同的答案,还夸用户要求它再次检查。而且,Opus 4.7还开始“讨好式应答”,被推翻方案后,它会换一个新方案,然后开始拍用户马屁。有人用Opus 4.7完成一个物理计算密集型项目时,发现它在所有任务上都表现得极其糟糕,以至于以为自己选成了Sonnet 4.0。有同感的用户有很多,他们一致发现:在技术工作中,Opus 4.7充满令人难以觉察的危险幻觉,而Opus 4.6并没有这个问题。所有人的一致诉求是:让模型不要替自己做“该不该深入思考”的决定,哪怕是一个简单的问题,用户也可能希望模型认真推理,或者可以提供一个“扩展推理”的选项,让用户自己决定计算资源的分配。

5. Web界面被自动降级了?

在讨论中,有个细节值得被特别关注。有人提出:也许问题不完全是模型本身,而是Claude.ai应用框架。直接通过API调用Opus 4.7,和使用Claude.ai Web界面,体验可能存在显著差异。因为Web界面中加入了大量“安全层”和“引导层”,这些额外的干预可能会干扰模型原本的能力表现。如果这个猜测成立,或许就是Anthropic为了“安全”和“可控”,在应用层面主动限制了模型的能力边界。因此用户付费购买的“最强模型”,在Web界面中被降级成了一个“低配版本”。这也不是没有先例。而且糟糕的是,这种限制往往是不透明的。所以现在只能看到Opus 4.7更差了,但无法知道真正的原因。然而,大家对大模型厂商信任的瓦解,往往不是从一次重大事故开始,而是从一连串无法解释的小故障开始的。当然,在网上繁杂的声音中,也有人表示,Opus 4.7其实很好用,不明白为什么它会遭到贬低。

6. 新智元实测结果如何?

新智元用Opus 4.6和4.7分别总结一下最新英文测评文章要点:Opus 4.6总结用中文,但4.7用英文;但奇怪的是,AI思考过程使用的语言,正好反过来—— 旧模型Opus 4.6全程思考用英文,但Opus 4.7思考过程中中英文夹杂。此外,在回答细节上,Opus 4.7(下图左)排版会重点内容会加错,阅读更友好,但引用数据时不像Opus 4.6(下图左)附上来源连接。或许,差异来自Opus 4.7更严格的遵循提示词字面意思 ,4.6 里被当作“可选建议”的列表,在4.7里会变成硬性要求。Anthropic建议迁移至Opus 4.7前,过一遍Opus 4.6的全部提示词。

此外,BrowseComp分数下降了4.4个百分点。如果你的智能体严重依赖深度网络研究和多页面信息整合,请谨慎升级。对于这类特定工作负载,GPT - 5.4 Pro(89.3%)或 Gemini 3.1 Pro(85.9%)是更合适的选择。更要命的是,Opus 4.7采用新tokenizer,让相同文本的token数多0–35% ,所以基于4.6的固定预算要重测。这不得不让人怀疑:Anthropic并不在意普通用户,要不然为什么发布一个比Mythos更差但比Opus 4.6更费token的Opus 4.7?

7. A厂还有多长时间纠错?

总之,这次Opus 4.7的争议,表面上看是一个产品更新的“翻车事件”,但它触及了一个更深层的问题。当AI越来越强大,谁来定义“强大”的标准?是更长的上下文?更快的响应速度?还是更低的运营成本?不撒谎,不敷衍,不编造,不会在用户最需要深度思考的时候,选择“省点电”。这些要求,是任何一个专业工具的基本底线。Opus 4.6做到了。Opus 4.7却没有做到。在这一次,Anthropic的信任又被透支了。他们还有机会纠正方向,但窗口期不会太长。

Matlab实现使用遗传算法的混合能源系统优化.rar 立即下载

相关推荐

压液氧(LOX)火箭发动机涡轮泵级建立了一条自动化的基于模型的系统工程(MBSE)与多学科设计优化(MDO)流水线.rar

压液氧(LOX)火箭发动机涡轮泵级建立了一条自动化的基于模型的系统工程(MBSE)与多学科设计优化(MDO)流水线.rar

Claude Opus 4.7发布后全网翻车!性能倒退、爱撒谎,A厂纠错时间还有多久?

一位做地缘政治和金融分析的用户描述,4.7模型未能将信息中已有的、以及文档中先前提及的显而易见的关联点联系起来,只有在被“催促”时才会“发现”这些关联,说明它的模式识别能力存在问题,深度推理能力似乎要么被截断了,要么被限制了,甚至在某些回复中完全没有思考的过程。Claude Code之父Boris Cherny澄清说,MRCR是一直在淘汰的一个很糟糕的评估方法,原因在于它基于堆叠干扰项来欺骗模型,并非实际使用长上下文的方式,而且更应该关注的是应用长上下文的能力,而非快速检索。还是更低的运营成本?

IT界那些事儿 198

在加性高斯白噪声和瑞利衰落信道上,针对BPSK_QPSK的误码率性能的MATLAB仿真,并扩展了相位优化的可重构智能表面辅助链路对比.rar

在加性高斯白噪声和瑞利衰落信道上,针对BPSK_QPSK的误码率性能的MATLAB仿真,并扩展了相位优化的可重构智能表面辅助链路对比.rar

DXF、DWG工程制图文件查看器

DXF、DWG工程制图文件查看器。 可以在界面中进行测量(包括距离、面积、角度等等) 无需版权,放心使用。

python 操作海康威视工业相机资源例子--ParametrizeCamera_LoadAndSave.zip

python 操作海康威视工业相机资源例子--ParametrizeCamera_LoadAndSave

数字农业与乡村振兴行业可信数据空间应用规划方案(专项申报版).pptx

数字农业与乡村振兴行业可信数据空间应用规划方案(专项申报版).pptx

含分布式电源的配电网可靠性评估研究(Matlab代码实现)

内容概要:本文围绕含分布式电源的配电网可靠性评估展开研究,基于Matlab代码实现相应的评估模型。研究内容涵盖分布式电源接入对配电网运行特性的影响,采用序贯蒙特卡洛模拟法等可靠性评估方法,对系统在不同运行场景下的供电可靠性指标进行量化分析。通过构建典型配电网模型,仿真分析分布式电源的位置、容量及出力特性对系统可靠性的影响机制,进而为提升配电网韧性与供电质量提供理论支撑和技术手段。研究不仅关注理论建模,还注重实际仿真流程的可操作性与结果的可视化呈现。; 适合人群:具备电力系统基础知识,从事配电网规划、运行与可靠性分析等相关领域的科研人员及工程技术人员,尤其适合研究生及从事新能源并网研究的1-3年工作经验的专业人员。; 使用场景及目标:①掌握含分布式电源的配电网可靠性评估基本理论与方法;②学习并复现主流可靠性评估算法(如蒙特卡洛模拟)的Matlab编程实现;③分析分布式电源接入对系统可靠性的影响规律,支撑配电网优化规划与运行决策。; 阅读建议:建议读者结合电力系统可靠性教材与本文Matlab代码同步学习,重点关注模型构建逻辑与算法实现细节,动手调试代码以加深对评估流程的理解,并尝试在不同网络结构和电源配置下进行仿真对比分析。

Python 列表、元组、集合实验报告:切片删除陷阱、可哈希判定与保序去重

Python 列表、元组、集合实验报告:切片删除陷阱、可哈希判定与保序去重

具有PWM控制VSC-HVDC链路的IEEE30总线传输系统(Simulink仿真实现)

内容概要:本文详细介绍了在Simulink环境中构建和仿真一个集成PWM控制的电压源换流器型高压直流输电(VSC-HVDC)链路的IEEE30节点电力传输系统的研究工作。该模型聚焦于利用PWM技术实现对VSC的高效、精确控制,以提升电力系统的传输效率、动态响应能力和运行稳定性。研究涵盖了系统整体建模、关键设备参数设计、PWM控制策略的实现、以及在标准IEEE30节点系统上的集成方法。通过一系列仿真测试,包括系统在正常运行、负载突变及故障条件下的动态响应,全面分析了VSC-HVDC链路对改善电网电压稳定性、优化潮流分布和增强系统可靠性的具体作用,充分验证了所提方案的有效性和工程应用价值。; 适合人群:具备电力系统分析、高压直流输电技术基础理论知识及Simulink/MATLAB仿真软件操作能力的高校研究生、科研机构研究人员和电力行业工程师。; 使用场景及目标:①作为教学案例,帮助学生深入理解VSC-HVDC的工作原理、控制策略及其在复杂电网中的集成应用;②为电力系统规划与运行人员提供一种可靠的仿真工具,用于评估新型输电技术对现有电网性能的影响,支持电网升级改造决策;③推动VSC-HVDC技术在远距离大容量输电、新能源并网和智能电网建设等领域的创新应用。; 阅读建议:建议读者在学习过程中,结合电力系统稳态与暂态分析的相关理论,重点关注PWM控制模块和VSC的建模细节,动手复现并调试所提供的Simulink模型,通过改变系统参数和运行工况来观察仿真结果的变化,从而深化对VSC-HVDC系统动态特性的理解。

T03_eVTOL低空经济低空无人机AI识别自动处理图像项目设计方案_决策评审版.pptx

T03_eVTOL低空经济低空无人机AI识别自动处理图像项目设计方案_决策评审版.pptx

基于斜坡补偿的Buck电路峰值电流+电压电流双闭环控制【附说明文档】(Simulink仿真实现)优快云首页发布文章优快云同步助手LLC谐振变换器开环+闭环软启动仿真设计(Simulink

内容概要:本文围绕三电平VIENNA整流器的双闭环控制与中点电位平衡问题展开仿真研究,提出了一种基于上下电容电压差值补偿的中点电位平衡策略。该策略在传统电压电流双闭环PI控制的基础上,引入电容电压差值作为反馈信号,通过SVPWM调制中冗余小矢量的时间分配实现中点电荷的定向调节,从而在不改变主控制结构的前提下有效抑制中点电位偏差。仿真结果表明,该方法不仅确保直流母线电压稳定跟踪800V给定值,还能显著提升上下电容电压的均衡度,同时保持输入电流低谐波水平,验证了控制策略的可行性和有效性。; 适合人群:电力电子、电气自动化及相关专业的研究生、科研人员及工程技术人员,具备一定的MATLAB/Simulink仿真基础和电力电子拓扑知识背景者更佳。; 使用场景及目标:①掌握三电平VIENNA整流器的工作原理与中点电位波动的成因;②理解电压电流双闭环PI控制的设计要点与参数整定原则;③学习基于差值补偿的中点电位平衡控制策略及其与SVPWM的协同机制;④应用于充电桩、航空电源、通信电源等中大功率单向整流场合的控制系统设计与优化。; 阅读建议:建议结合文中提供的仿真模型与参数设置进行动手实践,重点关注中点电位平衡投入前后电容电压波形的变化,对比分析不同工况下的系统动态响应,深入理解控制策略的作用机理。同时可进一步探索在电网不平衡、轻载等复杂工况下的控制性能,以拓展应用场景。

基于变频控制的多相交错LLC谐振变换器闭环仿真(Simulink仿真实现)

内容概要:本文详细介绍了基于变频控制的多相交错LLC谐振变换器的闭环仿真设计,重点阐述了其在Simulink环境下的建模与控制策略。通过多相交错技术有效降低输出纹波电流,提升系统效率与功率密度,并采用变频控制(PFM)实现对谐振变换器输出电压的精确调节。文中构建了完整的闭环控制系统,包含电压外环与电流内环,确保系统在负载变化或输入波动等扰动工况下仍能稳定运行。同时,配套提供了仿真模型、参数设计计算书及参考文献,帮助读者深入理解系统设计流程与关键技术细节,具有较强的工程复现价值。该资源适用于电力电子、新能源变换器等相关领域的仿真研究与教学实践。; 适合人群:具备电力电子基础知识,熟悉Simulink仿真工具,从事电源变换器设计、新能源系统研发或相关专业的研究生及工程技术人员。; 使用场景及目标:①掌握多相交错LLC谐振变换器的工作原理与变频控制机制;②学习并实现基于Simulink的闭环控制系统建模与仿真;③理解谐振参数设计、软开关实现及系统稳定性分析方法;④为科研项目、毕业设计或产品原型开发提供可复用的技术参考与仿真平台。; 阅读建议:建议读者结合提供的仿真模型与计算书,逐步完成系统搭建与参数整定,重点关注变频控制逻辑与闭环响应特性。在仿真过程中,可通过调整负载、输入电压等条件,观察系统的动态响应与稳态性能,加深对多相交错与谐振控制优势的理解。同时推荐参考相关文献,拓展对LLC变换器前沿控制策略的认识。

自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标(Matlab代码实现)

内容概要:本文针对“自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标”开展研究,提出一种基于Matlab的仿真方法,实现多机器人在动态环境中对移动目标的协同包围与持续跟踪。该方法综合考虑了机器人的运动学约束与传感器的视线(visibility)限制,设计了分布式控制策略与自适应编队算法,能够在复杂环境下有效维持编队结构的稳定性和任务执行的鲁棒性。研究详细阐述了系统建模过程、控制律设计原理、编队形成与保持机制,并通过Matlab代码实现了完整的仿真验证,展示了算法在不同动态场景下的适应能力与性能优势; 适合人群:具备机器人学、自动控制理论、多智能体系统等相关基础知识,熟悉Matlab编程语言,从事智能系统、协同控制、路径规划与自主导航等方向的研究生、科研人员及工程技术人员; 使用场景及目标:①应用于安防监控、环境探测、灾害救援等场景中的多机器人目标围捕与跟踪任务;②为多智能体协同控制、分布式编队保持、避障与可见性维护等关键技术提供可复现的算法框架与仿真平台;③辅助高校与科研机构在相关领域的教学演示与科研创新,深化对自适应控制与分布式协同机制的理解; 阅读建议:建议读者结合提供的Matlab代码逐模块分析其实现逻辑,重点关注控制律设计、约束处理与自适应机制部分,可通过调整机器人数量、目标轨迹、传感器参数等进行扩展性实验,以深入掌握多机器人协同系统的动态行为与优化方法。

两路半桥LLC谐振变换器软开关Simulink仿真(模拟谐振参数不同、分裂电容)

内容概要:本文详细介绍了两路半桥LLC谐振变换器软开关的Simulink仿真研究,重点模拟了不同谐振参数及分裂电容对系统性能的影响。通过建立精确的电路模型,分析了软开关实现条件、谐振腔参数变化对电压电流波形、效率及功率传输能力的作用机制,探讨了分裂电容结构在改善均流特性与提升系统稳定性方面的优势。仿真结果有助于深入理解LLC变换器的工作原理与动态响应特性,为高频高效电源设计提供理论支持与优化方向。; 适合人群:电力电子、电气工程及其自动化等相关专业的科研人员、研究生及从事开关电源设计的工程师。; 使用场景及目标:①掌握LLC谐振变换器的基本建模与仿真方法;②研究谐振参数(如谐振电感、电容)对软开关过程的影响规律;③分析分裂电容结构在多路并联变换器中的均流与稳定性作用;④为高频高效DC-DC变换器的设计与优化提供仿真依据和技术参考。; 阅读建议:建议结合Simulink模型逐步操作,关注关键波形的观测点,对比不同参数下的仿真结果,深入理解软开关的实现条件与系统动态特性,同时可进一步拓展至效率分析与热管理设计。

patch_1.23.0.2584_game_No6.android.pak

patch_1.23.0.2584_game_No6.android.pak

状态估计【卡尔曼滤波kalman】UKF、EKF、粒子滤波PF学习与研究(Matlab代码实现)

内容概要:本文系统地研究了无迹卡尔曼滤波(UKF)、扩展卡尔曼滤波(EKF)和粒子滤波(PF)在非线性系统状态估计中的理论基础与实际应用,并结合Matlab代码实现进行了深入剖析。内容涵盖三种滤波算法的核心原理、数学推导及其在轨迹估计等工程问题中的具体实施方法。通过详尽的Matlab编程实例,展示了如何利用这些先进滤波技术解决如目标跟踪、传感器融合等复杂问题,并特别探讨了BP神经网络与EKF结合的优化训练策略以及粒子滤波在提高状态跟踪精度方面的潜力。该资料为希望掌握现代状态估计算法的研究人员和技术爱好者提供了一套完整的理论与实践指南; 适合人群:具备一定编程基础,尤其是熟练使用Matlab工具,且对控制理论、信号处理或相关工程技术领域有初步了解的研发人员和高校学生; 使用场景及目标:① 深入理解UKF、EKF和PF的基本概念及其在非线性动态系统中进行状态变量估计的应用;② 通过Matlab代码实践加深对各滤波器工作机制的理解,能够独立开发相应的算法以应对诸如轨迹预测、多源信息融合等实际挑战;③ 探索将BP神经网络与EKF相结合的新途径,以期提升模型的学习效率和预测准确性; 阅读建议:此资源不仅提供了坚实的理论支撑,还包括丰富的代码示例,建议读者按照文档结构循序渐进地学习,同时动手实现每一个案例,以便更深刻地把握各种滤波技术的关键细节。对于致力于深入研究状态估计领域的专业人士而言,这是一份极具价值的学习材料。

数控基础知识数控加工工序的安排原则

数控基础知识数控加工工序的安排原则

钣金件设计规范

为保证折弯 强度,钣金折弯钣金应大于材料的最小折弯半径。在设计U型弯曲件时,两弯曲边最好长度相等,以免弯曲时产品偏 移而产生废品,如果因为结构设计不允许两边一样长,为保证产品在模 具中准确定位,应预先在设计时添加工艺定位孔,特别是多次折弯成 形的零件,必须设计工艺孔为定位基准,以减少累计误差,保证产品 质量,如图2-11所示。凸包是依靠材料的延伸使钣金件形成局部凹陷或凸起的冲压工序凸包与拉深是完全不同的冲压工艺,凸包中材料厚度的改变为费意图性 的,即厚度的少量改变是变形过程中形成的,不是设计指定的要求。

制冷技术咨询与服务的博客 7339
上一篇: Token经济爆发:卖Token不一定最赚钱,应用层才是价值创造关键!
下一篇: Anthropic成半导体产业香饽饽,算力供应争夺战预演开启!
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值