1.双边变换及其收敛域ROC。 2.ROC的特征,各类信号的ROC,零极点图。 3.Z变换的性质,常用信号的Z变换。 4.Z反变换,利用部分分式展开进行反变换。 5.用Z变换表征LTI系统,系统函数,LTI系统的Z变换分析法。 6.单边Z变换,增量线性系统的分析

§10.1小波变换的背景 §10.2窗口 Fourier变换简介 §10.3连续小波变换 §10.4二进小波变换和离散小波变换 §10.5多分辨分析 §10.6 Mallat分解与重构算法

6.1 变频调速的基本控制方式 6.2 异步电动机电压.频率协调控制的稳态机械特性 6.3 电力电子变压变频器的主要类型 6.4 变压变频调速系统中的脉宽调制（PWM）技术 6.5 基于异步电动机的稳态数学模型变压变频调速系统 6.6 异步电动机的动态数学模型和坐标变换 6.7 基于动态模型按定子磁链控制的直接转矩控制系统

采用轴向应变幅控制的低周疲劳试验研究了总应变幅对4Cr5MoSiV1热作模具钢700 ℃低周疲劳行为的影响，包括循环应力响应行为、循环应力应变行为、循环迟滞回线和应变疲劳寿命行为等。结果表明：随着总应变幅从0.2%增大到0.6%，4Cr5MoSiV1钢在700 ℃时循环应力响应均表现为先循环硬化再循环软化的特性，并且应力幅最大值从220 MPa增大到308 MPa。同时，随着总应变幅的增大，4Cr5MoSiV1钢在700 ℃下的低周疲劳寿命由6750循环周次降低到210循环周次，且其过渡寿命约为1313循环周次。疲劳断口形貌分析结果显示，高温低周疲劳过程中裂纹主要萌生于试样表面处，且随着应变幅增大，裂纹源逐渐增多，疲劳条纹间距变宽，其断裂方式由韧性断裂转变为脆性断裂。透射电镜分析结果显示，循环软化可能与板条结构转变为胞状结构、基体发生位错湮灭、碳化物的析出和粗化有关

（1)对两变量间的相关度的分析的统计技术称为 二元变量技术。若涉及两个以上的变量,采用 的统计技术叫多元变量技术。 （ 2)分析两个变量之间的相关度时,两个变量分 别被定义为自变量和因变量。自变量是指那些 可以影响因变量结果的变量。例如,价格、广 告费或零售点的数量等自变量常用于预测或解 释一个品牌的销售量或市场份额(因变量)

•拉氏变换的定义——从傅立叶变换到拉氏变换 •拉氏变换的性质，收敛域 •卷积定理(S域) •周期和抽样信号的拉氏变换 •系统函数和单位冲激响应 •拉氏变换与傅氏变换的关系

通过建立连铸板坯凝固过程的传热模型和采用实测温度数据进行检验,获得了铸坯温度及坯壳厚度的数据.在此基础上建立了凝固过程的应变分析模型,得到了实际工况条件下坯壳所受的拉应变.结果表明,在正常工况下,连铸坯凝固前沿所受的应变很小,铸坯不会产生内部裂纹;当导辊开口度的偏差大于2 mm时,其引起的应变大于鼓肚应变,且凝固前沿所受的应变大于临界应变,内部裂纹发生的可能性很大.支撑辊对中精度是产生内部裂纹的重要影响因素

将单轴压缩条件下遭受到剪切带(峰值应力之后呈现线性应变软化行为)形式的单一剪切破坏普通混凝土试样的峰后应力-应变曲线斜率的解析解推广为非线性情形.在峰值应力之前,采用Scott模型描述非线性的本构关系.剪切带的非线性应变软化本构关系由导出的最短普通混凝土试样峰后斜率反算.利用得到的峰后本构关系,对其他较长的普通混凝土试样的应力-应变曲线进行了预测.预测的峰后应力-应变曲线依赖于试样的高度,且与实验结果吻合.估算的剪切带内部平均塑性剪切应变远大于在单轴压缩条件下测得的轴向应变的极限值.若测得的峰后应力-应变曲线被视为本构关系,则普通混凝土柱的峰后延性将被极大地低估

快速(真空)变压吸附循环周期较短,床层压力周期性变化快,使吸附床内流动及传热传质特性变化较大,本文研究吸附及解吸压力对快速变压吸附制氧床内速度及循环性能的影响.快速变压吸附(rapid pressure swing adsorption,RPSA)循环中原料气充压阶段气流速度远大于顺流的气体流速极限值,快速真空变压吸附(rapid vacuum pressure swing adsorption,RVPSA)循环中原料气充压阶段气流速度略大于顺流的气体流速极限值,而RPSA循环和RVPSA循环中放空降压阶段气流速度均较大.在所研究的吸附和解吸压力范围内,RPSA循环和RVPSA循环中气体温度在循环周期内变化均约为10℃,而RVPSA循环中气体温度在循环周期内温度梯度更大.RPSA循环中吸附压力越高,氧气回收率越高,床层因子越小;而RVPSA循环中解吸压力越低,氧气回收率越高,床层因子越小

系统研究了面向复杂系统监测时变信号的实时故障检测与识别问题.采用滑窗Mallat小波快速变换克服传统小波变换的时域全局依耐性并提高计算效率,使之适应于实时故障检测;针对时变信号的故障模式识别难题,在故障检测基础上采用改进动态循环神经网络(improved dynamic recurrent neural network,IDRNN)进行智能故障识别.最后将滑动时窗小波检测模块及最优IDRNN网络模块嵌入某型完整卫星姿态控制系统仿真平台进行在线故障诊断.试验结果表明:实时条件下的滑动窗口小波变换与传统小波变换具有一致性,IDRNN对于时变信号识别具有较好的时域泛化能力,将滑窗移动时不变小波方法与IDRNN结合可以实现面向复杂系统监测实时信号的故障检测及复合模式分类