• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 11
    • 下载费用:30 金币  

    重庆时时彩走势图彩: 一种基于遗传算法的异构CAD模型数据交换的系统及方法.pdf

    摘要
    申请专利号:

    重庆时时彩单双窍门 www.4mum.com.cn CN201410071752.7

    申请日:

    2014.02.28

    公开号:

    CN103793535A

    公开日:

    2014.05.14

    当前法律状态:

    终止

    有效性:

    无权

    法律详情: 未缴年费专利权终止 IPC(主分类):G06F 17/30申请日:20140228授权公告日:20170125终止日期:20180228|||授权|||实质审查的生效IPC(主分类):G06F 17/30申请日:20140228|||公开
    IPC分类号: G06F17/30 主分类号: G06F17/30
    申请人: 武汉大学
    发明人: 何发智; 张德军; 吴亦奇; 蔡贤涛
    地址: 430072 湖北省武汉市武昌区珞珈山武汉大学
    优先权:
    专利代理机构: 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 代理人: 张火春
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201410071752.7

    授权公告号:

    |||||||||

    法律状态公告日:

    2019.02.26|||2017.01.25|||2014.06.11|||2014.05.14

    法律状态类型:

    专利权的终止|||授权|||实质审查的生效|||公开

    摘要

    本发明公开了一种基于遗传算法的异构CAD模型数据交换的系统及方法,本发明的异构CAD模型数据交换的系统包括二个部分:源端CAD系统和目标端CAD系统。同时,将异构CAD模型数据交换分为两层:3D特征参数层和2D草图参数层。在3D特征参数层,采用了直接特征映射和间接特征映射的方法实现特征数据的交换。在2D草图参数层,采用直接元素映射、间接元素映射及样条映射。将2D草图参数层中样条映射问题转换为样条拟合问题。创新性的将遗传算法引入到异构CAD数据交换领域。在遗传算法个体的适应度计算中,引入了Hausdroffdistance。本发明可以用于复杂模型的异构CAD数据交换,交换之后的目标模型,不仅与原始模型具有极高的相似度,而且保留了原始模型的参数化特征信息。

    权利要求书

    权利要求书
    1.  一种基于遗传算法的异构CAD模型数据交换的系统,其特征在于:包括源端CAD系统、XML文件及目标端CAD系统;所述的异构CAD模型数据通过所述的源端CAD系统中提取特征参数、草图参数并保存到所述的XML文件(该文件采用结构化方式保存参数化信息)中,将此XML文件发送到所述的目标端CAD系统中,将XML文件中的参数信息进行分类处理,随后在所述的目标端CAD系统中进行草图参数、特征参数的重建,最终实现原异构CAD模型的参数化重建过程。

    2.  根据权利要求1所述的基于遗传算法的异构CAD模型数据交换的系统,其特征在于:所述的源端CAD系统包括CAD模型???、3D特征参数信息???,2D草图参数信息??榧把趵肷⑹菽??所述的CAD模型??橛糜谑迪痔崛AD模型,所述的3D特征参数信息??橛糜谑迪痔崛?D特征参数,所述的2D草图参数信息??橛糜谑迪痔崛?D草绘参数,所述的样条离散数据??橛糜谑迪痔崛⊙踅换桓ㄖ畔?。

    3.  根据权利要求1所述的基于遗传算法的异构CAD模型数据交换的系统,其特征在于:所述的目标端CAD系统包括前置数据处理???、重建目标样条???、重建2D草图参数信息???、重建3D特征参数信息??榧爸亟–AD模型???,所述的前置数据处理??橛糜谑迪諼ML文件中参数的分类与转换、所述的重建目标样条??橛糜谑迪种毓寡跚?、所述的重建2D草图参数信息??橛糜谑迪?D草图信的重建、所述的重建3D特征参数信息??橛糜谑迪?D特征的重建、所述的重建CAD模型??橛糜谑迪諧AD模型的重建。

    4.  根据权利要求3所述的基于遗传算法的异构CAD模型数据交换的系统,其特征在于:所述的前置数据处理??榉治讲悖?D草图参数层及3D特征参数层。

    5.  根据权利要求4所述的基于遗传算法的异构CAD模型数据交换的系统,其特征在于:所述的2D草图参数层包括样条数据交换映射单元、直接草图参数映射单元和间接草图参数映射单元,所述的3D特征参数层包括直接特征参数映射单元及间接特征参数映射单元,所述的样条数据交换映射单元用于实现样条参数交换、所述的直接草图参数映射单元用于实现1:1草绘参数交换、所述的间接草图参数映射单元用于实现1:n或n:1草绘参数交换,所述的直接特征参数映射单元用于实现1:1特征参数交换、所述的间接特征参数映射单元用于实现1:n或n:1特征参数交换。

    6.  根据权利要求5所述的基于遗传算法的异构CAD模型数据交换的系统,其特征在于:所述的样条数据交换映射单元的工作原理为:首先,从源端CAD系统中提取原CAD模型;其次,在原CAD模型中提取出原样条曲线α;接着,对原样条曲线α进行高精度的离散化,得到离散点集Q={q1,q2,..,qN};然后,将Q作为点云数据,采用遗传算法,自动选择离散点集Q中 M个点为插值点集T={t1,t2,..,tM},在目标端CAD系统中,利用插值点集T重建目标样条曲线β;最后,在目标端CAD系统中重建模型。

    7.  根据权利要求6所述的基于遗传算法的异构CAD模型数据交换的系统,其特征在于:所述的采用遗传算法重建目标样条曲线β,其具体实现包括以下子步骤:
    步骤1:提取出原样条曲线α的离散点集;
    步骤2:初始化种群,种群中包含了K个个体,其中K﹥1;
    步骤3:通过Hausdroff Distance比较方法进行个体适应度计算;
    步骤4:进行个体的选择;
    步骤5:对选择之后的个体,进行交叉和变异;
    步骤6:生成了新的种群;
    步骤7:判断新的种群中,适应度最大的个体是否满足数据交换的精度要求:
    如果满足精度要求则进入步骤8;
    如果不满足精度要求,则回转执行所述的步骤3;
    步骤8:提取种群中具有最高适应度值的个体,并将个体实值化,在目标端CAD系统中重建目标样条曲线β。

    8.  根据权利要求7所述的基于遗传算法的异构CAD模型数据交换的系统,其特征在于:步骤2中所述的初始化种群,其方法为:
    种群:
    个体:Ik={vk1,vk2,…,vkm,....,vkM}
    种群包含了K个个体,每个个体包含了M个变量。同时第k个个体Ik中的变量vkm采用二进制基因表示,变量vkm的基因个π由离散点集Q的个数所决定,且满足关系式

    9.  根据权利要求7或8所述的基于遗传算法的异构CAD模型数据交换的系统,其特征在于:所述的种群中的个体数量K为40。

    10.  根据权利要求8所述的基于遗传算法的异构CAD模型数据交换的系统,其特征在于:所述的个体Ik、插值点集T、离散点集Q三者之间的关系为:
    Ik={vk1,vk2,…,vkm,....,vkM}与T={t1,t2,..,tM}是一一对应的关系,I为T的索引值;
    将离散点集Q={q1,q2,..,qN}的所有元素的下标进行π位的二进制表示,通过初始化种群后,取出个体Ik的值,则可以通过查询离散点集Q的下标,进行实值化个体Ik,得到插值点集T={t1,t2,..,tM};
    T={t1,t2,..,tM}是Q={q1,q2,..,qN}子集。

    11.  根据权利要求7所述的基于遗传算法的异构CAD模型数据交换的系统,其特征在于:步骤3中所述的通过Hausdroff Distance比较方法进行个体适应度计算,其个体适应度的计算流程为:
    步骤3.1:从种群中提取出一个个体;
    步骤3.2:利用个体的值,在原样条离散点集中查询,得到实值化后的样条的插值点集,在目标端CAD系统中重建目标样条曲线β;
    步骤3.3:对目标端CAD系统中重建的目标样条进行离散化,得到目标样条的离散点集;
    步骤3.4:将原样条离散点集和目标样条离散点集输入到Hausdroff Distance???;
    步骤3.5:得到个体的适应度。

    12.  根据权利要求7所述的基于遗传算法的异构CAD模型数据交换的系统,其特征在于:步骤4中所述的进行个体的选择,为采用传统轮盘赌方式进行个体选择。

    13.  根据权利要求7所述的基于遗传算法的异构CAD模型数据交换的系统,其特征在于:步骤5中所述的对选择之后的个体,进行交叉和变异;其交叉选用传统的单点交叉方式,选择个体a变量的0.5处和个体b变量的0.5处,进行单点交叉,交叉的概率为0.9;其变异选择进行适应性的变异方式,对由插值点集T构成的目标样条曲线β和原样条曲线α进行距离求解,求出具有最大HD值的插值点,将T中的此插值点作为变异点,然后针对这个插值点反推其染色体表达式,找到对应的变量,然后进行单点变异。

    说明书

    说明书一种基于遗传算法的异构CAD模型数据交换的系统及方法
    技术领域
    本发明属于异构CAD数据交换领域,特别是涉及关于复杂CAD模型的异构CAD系统的数据交换,具体涉及一种基于遗传算法的异构CAD模型数据交换的系统及方法。
    背景技术
    随着经济的全球化和信息技术的高速发展,协同产品的开发变得越来越重要。然而,在开发协同产品时,不同的公司为了自身的商业利益选择的CAD系统并不相同。当一个项目需要多个公司合作完成的时候,那么随着而来的就是大量的CAD模型需要进行异构CAD数据交换。
    目前,异构CAD数据交换领域中,主要的数据交换方法分为以下两种:基于几何的数据交换的方法和基于特征的数据交换方法。仅仅使用基于几何的数据交换方法是远远不够。因为,几何数据中不包含模型的设计历史、约束和特征等高层语义信息,因此无法支持在交换数据的目标CAD系统中对原设计进行基于约束和特征的编辑、修改和再设计等活动。
    近些年,参数化特征建模已经成为标准的建模方法的今天,基于特征的异构CAD数据交换越来越收到研究者的重视,产生了很多类似的技术,都具有一定的使用价值,这里就不一一介绍。但目前的这些技术都具有一定的局限性。采用宏文件的方法进行参数化信息交换,只能对一些简单的CAD模型进行参数化交换。采用过程恢复机制实现特征信息交换,对于复杂的曲线和曲面都不能正确的进行参数化交换。
    然而,样条曲线由于其造型灵活性,在目前工业界使用的非常的广泛,比如:飞机的机翼、汽车的外形设计等等。那么对于这类复杂的自由曲线进行异构CAD数据交换就显得非常的重要。
    发明内容
    为了克服上述现有技术的不足,本发明提供了一种基于遗传算法的异构CAD数据交换系统及方法??梢杂糜诟丛幽P偷囊旃笴AD数据交换,交换之后的目标模型,不仅与原始模型具有极高的相似度,而且保留了原始模型的参数化特征信息。
    本发明所采用的技术方案是:一种基于遗传算法的异构CAD模型数据交换的系统,其特征在于:包括源端CAD系统、XML文件及目标端CAD系统;所述的异构CAD模型数据通过所述的源端CAD系统中提取特征参数、草图参数并保存到所述的XML文件中,将此XML文件发 送到所述的目标端CAD系统中,将XML文件中的参数信息进行分类处理,随后在所述的目标端CAD系统中进行草图参数、特征参数的重建,最终实现原异构CAD模型的参数化重建过程。
    作为优选,所述的源端CAD系统包括CAD模型???、3D特征参数信息???,2D草图参数信息??榧把趵肷⑹菽??所述的CAD模型??橛糜谑迪痔崛AD模型,所述的3D特征参数信息??橛糜谑迪痔崛?D特征参数,所述的2D草图参数信息??橛糜谑迪痔崛?D草绘参数,所述的样条离散数据??橛糜谑迪痔崛⊙踅换桓ㄖ畔?。
    作为优选,所述的目标端CAD系统包括前置数据处理???、重建目标样条???、重建2D草图参数信息???、重建3D特征参数信息??榧爸亟–AD模型???,所述的前置数据处理??橛糜谑迪諼ML文件中参数的分类与转换、所述的重建目标样条??橛糜谑迪种毓寡跚?、所述的重建2D草图参数信息??橛糜谑迪?D草图信的重建、所述的重建3D特征参数信息??橛糜谑迪?D特征的重建、所述的重建CAD模型??橛糜谑迪諧AD模型的重建。
    作为优选,所述的前置数据处理??榉治讲悖?D草图参数层及3D特征参数层。
    作为优选,所述的2D草图参数层包括样条数据交换映射单元、直接草图参数映射单元和间接草图参数映射单元,所述的3D特征参数层包括直接特征参数映射单元及间接特征参数映射单元,所述的样条数据交换映射单元用于实现样条参数交换、所述的直接草图参数映射单元用于实现1:1草绘参数交换、所述的间接草图参数映射单元用于实现1:n或n:1草绘参数交换,所述的直接特征参数映射单元用于实现1:1特征参数交换、所述的间接特征参数映射单元用于实现1:n或n:1特征参数交换。
    作为优选,所述的样条数据交换映射单元的工作原理为:首先,从源端CAD系统中提取源模型;其次,在源模型中提取出原样条曲线α;接着,对原样条曲线α进行高精度的离散化,得到离散点集Q={q1,q2,..,qN};然后,将Q作为点云数据,采用遗传算法,自动选择离散点集Q中M个点为插值点集T={t1,t2,..,tM},在目标端CAD系统中,利用插值点集T重建目标样条曲线β;最后,在目标端CAD系统中重建模型。
    作为优选,所述的采用遗传算法重建目标样条曲线β,其具体实现包括以下子步骤:
    步骤1:提取出原样条曲线α的离散点集;
    步骤2:初始化种群,种群中包含了K个个体,其中K﹥1;
    步骤3:通过Hausdroff Distance比较方法进行个体适应度计算;
    步骤4:进行个体的选择;
    步骤5:对选择之后的个体,进行交叉和变异;
    步骤6:生成了新的种群;
    步骤7:判断新的种群中,适应度最大的个体是否满足数据交换的精度要求:
    如果满足精度要求则进入步骤8;
    如果不满足精度要求,则回转执行所述的步骤3;
    步骤8:提取种群中具有最高适应度值的个体,并将个体实值化,在目标端CAD系统中重建目标样条曲线β。
    作为优选,步骤2中所述的初始化种群,其方法为:
    种群:
    个体:Ik={vk1,vk2,…,vkm,....,vkM}
    种群包含了K个个体,每个个体包含了M个变量。同时第k个个体Ik中的变量vkm采用二进制基因表示,变量vkm的基因个数π由离散点集Q的个数所决定,且满足关系式
    作为优选,所述的种群中的个体数量K为40。
    作为优选,所述的个体Ik、插值点集T、离散点集Q三者之间的关系为:
    Ik={vk1,vk2,…,vkm,....,vkM}与T={t1,t2,..,tM}是一一对应的关系,I为T的索引值;
    将离散点集Q={q1,q2,..,qN}的所有元素的下标进行π位的二进制表示,通过初始化种群后,取出个体Ik的值,则可以通过查询离散点集Q的下标,进行实值化个体Ik,得到插值点集T={t1,t2,..,tM};
    T={t1,t2,..,tM}是Q={q1,q2,..,qN}子集。
    作为优选,步骤3中所述的通过Hausdroff Distance比较方法进行个体适应度计算,其个体适应度的计算流程为:
    步骤3.1:从种群中提取出一个个体;
    步骤3.2:利用个体的值,在原样条离散点集中查询,得到实值化后的样条的插值点集,在目标端CAD系统中重建目标样条曲线;
    步骤3.3:对目标端CAD系统中重建的目标样条进行离散化,得到目标样条的离散点集;
    步骤3.4:将原样条离散点集和目标样条离散点集输入到Hausdroff Distance???;
    步骤3.5:得到个体的适应度。
    作为优选,步骤4中所述的进行个体的选择,为采用传统轮盘赌方式进行个体选择。
    作为优选,步骤5中所述的对选择之后的个体,进行交叉和变异;其交叉选用传统的单点交叉方式,选择个体a变量的0.5处和个体b变量的0.5处,进行单点交叉,交叉的概率为0.9;其变异选择进行适应性的变异方式,对由插值点集T构成的目标样条曲线β和原样 条曲线α进行距离求解,求出具有最大HD值的插值点,将T中的此插值点作为变异点,然后针对这个插值点反推其染色体表达式,找到对应的变量,然后进行单点变异。
    本发明可以用于复杂模型的的异构CAD数据交换,交换之后的目标模型,不仅与原始模型具有极高的相似度,而且保留了原始模型的参数化特征信息。
    附图说明
    图1:是本发明实施例的系统结构框图。
    图2:是本发明实施例的样条数据交换映射单元的工作原理。
    图3:是本发明实施例的遗传算法流程图。
    图4:是本发明实施例的遗传算法个体编码示意图。
    图5:是本发明实施例的个体适应度计算流程图。
    具体实施方式
    以下将结合附图和具体实施例对本发明做进一步的阐述。
    主流CAD系统(Catia、Solidworks、UG、Pro/E)都具有样条曲线的造型功能,对比不同系统为用户提供的样条造型参数,发现不同CAD系统为用户提供的造型参数并不一致,只有一个公共参数(插值点)。仅仅采用这个公共参数(插值点)进行样条数据交换,将会缺失其他参数信息,交换之后的模型与源模型差异较大。并且,异构CAD系统的样条曲线底层控制参数的数学形式未向用户提供,用户不能通过数学计算的方法进行参数转换。为此,本发明将样条数据交换问题转换为样条数据拟合问题,解决了样条参数基于特征数据交换的问题。
    本发明的异构CAD模型数据交换的系统包括二个部分:源端CAD系统和目标端CAD系统。同时,将异构CAD模型数据交换分为两层:3D特征参数层和2D草图参数层。在3D特征参数层,采用了直接特征映射和间接特征映射的方法实现特征数据的交换。在2D草图参数层,采用直接元素映射、间接元素映射及样条映射。将2D草图参数层中样条映射问题转换为样条拟合问题。创新性的将遗传算法引入到异构CAD数据交换领域。在遗传算法个体的适应度计算中,引入了Hausdroff distance。
    请见图1,本发明所采用的技术方案是:一种基于遗传算法的异构CAD模型数据交换的系统,其特征在于:包括源端CAD系统、XML文件及目标端CAD系统;源端CAD系统包括CAD模型???用于实现提取CAD模型)、3D特征参数信息???用于实现提取3D特征参数),2D 草图参数信息???用于实现提取2D草绘参数)及样条离散数据???用于实现提取样条交换辅助信息);目标端CAD系统包括前置数据处理???用于实现XML文件中参数的分类与转换)、重建目标样条???用于实现重构样条曲线)、重建2D草图参数信息???用于实现2D草图信的重建)、重建3D特征参数信息???用于实现3D特征的重建)及重建CAD模型???用于实现模型的重建);前置数据处理??榉治讲悖?D草图参数层及3D特征参数层;2D草图参数层包括样条数据交换映射单元(用于实现样条参数交换)、直接草图参数映射单元(用于实现1:1草绘参数交换)和间接草图参数映射单元(用于实现1:n或n:1草绘参数交换),3D特征参数层包括直接特征参数映射单元(用于实现1:1特征参数交换)及间接特征参数映射单元(用于实现1:n或n:1特征参数交换)。
    异构CAD模型数据通过源端CAD系统中提取特征参数、草图参数并保存到XML文件中,将此XML文件发送到目标端CAD系统中,将XML文件中的参数信息进行分类处理,随后在目标端CAD系统中进行草图参数、特征参数的重建,最终实现原异构CAD模型的参数化重建过程。
    请见图2,样条数据交换映射单元的工作原理为:首先,从源端CAD系统中提取源模型;其次,在源模型中提取出原样条曲线α;接着,对原样条曲线α进行高精度的离散化,得到离散点集Q={q1,q2,..,qN};然后,将Q作为点云数据,采用遗传算法,自动选择离散点集Q中M个点为插值点集T={t1,t2,..,tM},在目标端CAD系统中,利用插值点集T重建目标样条曲线β;最后,在目标端CAD系统中重建模型。
    请见图3,采用遗传算法重建目标样条曲线β,其具体实现包括以下子步骤:
    步骤1:提取出原样条曲线α的离散点集;
    步骤2:初始化种群,请见图4,种群中包含了K个个体,其中K﹥1;
    初始化种群方法为:
    种群:
    个体:Ik={vk1,vk2,…,vkm,....,vkM}
    种群包含了K个个体,每个个体包含了M个变量。同时第k个个体Ik中的变量vkm采用二进制基因表示,变量vkm的基因个数π由离散点集Q的个数所决定,且满足关系式种群中的个体数量K为40。
    个体Ik、插值点集T、离散点集Q三者之间的关系为:
    Ik={vk1,vk2,…,vkm,....,vkM}与T={t1,t2,..,tM}是一一对应的关系,I为T的索引值;
    将离散点集Q={q1,q2,..,qN}的所有元素的下标进行π位的二进制表示,通过初始化种群后,取出个体Ik的值,则可以通过查询离散点集Q的下标,进行实值化个体Ik,得到插值点集T={t1,t2,..,tM};
    T={t1,t2,..,tM}是Q={q1,q2,..,qN}子集。
    步骤3:通过Hausdroff Distance比较方法进行个体适应度计算;
    步骤4:进行个体的选择;
    步骤5:对选择之后的个体,进行交叉和变异;
    步骤6:生成了新的种群;
    步骤7:判断新的种群中,适应度最大的个体是否满足数据交换的精度要求:
    如果满足精度要求则进入步骤8;
    如果不满足精度要求,则回转执行步骤3;
    步骤8:提取种群中具有最高适应度值的个体,并将个体实值化,在目标端CAD系统中重建目标样条曲线β。
    请见图5,步骤3中通过Hausdroff Distance比较方法进行个体适应度计算,其个体适应度的计算流程为:
    步骤3.1:从种群中提取出一个个体;
    步骤3.2:利用个体的值,在原样条离散点集中查询,得到实值化后的样条的插值点集,在目标端CAD系统中重建目标样条曲线;
    步骤3.3:对目标端CAD系统中重建的目标样条进行离散化,得到目标样条的离散点集;
    步骤3.4:将原样条离散点集和目标样条离散点集输入到Hausdroff Distance???;
    步骤3.5:得到个体的适应度。
    其中,采用传统轮盘赌方式进行个体选择。其交叉选用传统的单点交叉方式,选择个体a变量的0.5处和个体b变量的0.5处,进行单点交叉,交叉的概率为0.9;其变异选择进行适应性的变异方式,对由插值点集T构成的目标样条曲线β和原样条曲线α进行距离求解,求出具有最大HD值的插值点,将T中此插值点作为变异点,然后针对这个插值点反推其染色体表达式,找到对应的变量,然后进行单点变异。
    以上仅为本发明的较佳实施例而已,并非用于限定本发明的?;し段?,因此,凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均应包含在本发明的?;し段е?。

    关 键 词:
    一种 基于 遗传 算法 CAD 模型 数据 交换 系统 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:一种基于遗传算法的异构CAD模型数据交换的系统及方法.pdf
    链接地址://www.4mum.com.cn/p-6157159.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03