第一章汇编语言基础知识 1.1 计算机系统概述(硬件、软件、语言类型) 1.2 数据表示(数制、编码、符号数、二进制运算) 1.3 Intel880x86系列微处理器(8086~P4) 1.4 PC微型计算机系统(PC机的软硬件) 1.5 8086微处理器(8086的结构) 1.6 8086的寻址方式(8086寻找操作数的方式)

针对目前对薄壁钣金件孔测量的效率低,孔心位置和孔半径测量方法上存在的不足,提出一种基于T-scan测量的薄壁钣金件孔特征的重构方法.该方法用T-scan对薄壁钣金件上孔进行扫描得到点云数据;根据点云数据中连续点的欧拉距离将点云数据划分成扫描线点数据;对扫描线点云数据进行算法处理获取位于平面上的点及孔的边缘点;最后对平面上的点采用稳健特征值平面拟合得出平面参数,利用最小二乘空间圆拟合获取孔心坐标值及孔径大小,完成薄壁孔特征重构.通过对试验件和薄壁钣金件上孔进行测量处理,实验表明该算法有很好的实用性且精度满足钣金件孔的实际检测精度要求

采用振动荷载作用下超孔隙水压力产生的能量模型,考虑耗散能量和孔径扩张的影响及相互作用,并进行合理的简化,对复合振冲碎石桩施工过程做了数值模拟.采用有限差分离散求解复合振冲碎石桩边值问题,编制相应的数值程序,基于模拟结果详细讨论了排水井的存在对复合振冲碎石桩孔隙水压力发展变化的影响.最后对普通碎石桩和复合碎石桩的地基加固效果进行对比分析.数值模拟结果表明,复合振冲碎石桩由于排水井的存在,使地基加固范围明显增大,并且可以应用于渗透系数较小的粉土和砂质粉土地基中

多态性(polymorphism)也是面向对象程序设计的标志 性特征。前面我们讨论过面向对象的两个重要特性一封装性和 继承性,这三大特性是相互关联的,封装性是基础,继承性是 关键,而多态性是补充。 简单地说,在C++语言中,同一程序的某个运算符或者某 个函数名在不同情况下具有不同的实现的现象,叫做多态性。 其实在C语言中,我们已经接触过多态性的应用,对于不 同类型的数据,运算符“\\”具有不同的运算含义,如果两个 操作数都是整数,那么“\\”进行整数相除,结果也是整数, 而其中一个操作数是实数类型的,那么“”进行的是数学上 普通的除法,因此,面对不同的处理对象,“”运算符有不 同意义

1.1概述 在人类的社会与科技发展史上,图画和图形 占据重要的地位,人们往往习惯于用图来描述生 活和表达思想。 随着人类社会生产规模的扩大和科学技术的 进步,图形作为一种重要的工具和信息载体,其 绘制的精度和数度要求也不断提高,图形的种类 也日趋繁多和复杂。为了对各种图形进行更为深 入的研究和应用,人们运用数学方法来描述他们 的性质和规律,即所谓的形数结合。通常任何一◎ 个图形都可以由数学方程式来表示或逼近;反之 ,很多数学问题也可用图形来形象的表达

提出了一种分数阶的对称性近似平移不变过完备小波的构造方法.首先,给出一种构造具有对称性且具有最小长度的低通滤波器方法.其次,通过拓普利兹矩阵分解法求出对应的具有近似平移不变性的高通滤波器,此方法比其他分解方法具有更低的计算复杂度.此外,利用此构造方法,也得到具有更高阶消失矩的分数阶过完备小波变换.最后,将构造出的分数阶对称平移不变过完备小波应用到轴承故障诊断中.实验结果表明,提出的小波变换能有效地提取出轴承的故障特征

为研究循环动力扰动下岩石细观损伤特性,本文选取花岗岩为研究对象,利用分离式霍普金森压杆(SHPB)进行循环冲击试验,并结合核磁共振系统(NMR),得到了循环动力扰动后花岗岩孔隙度、横向弛豫时间T2谱分布以及核磁共振图像(MRI).试验结果表明:在岩石弹性极限范围内,动力扰动结束后,岩石材料孔隙度降低;初始与最终横向弛豫时间T2缩短,循环扰动过程促使了小孔隙生成,大孔隙尺寸与数量减小;孔隙度降低不意味着所有类型孔隙的数量均减少,相反小孔隙数量是增加的,大孔隙数量减少是动力扰动后花岗岩孔隙度降低的根本原因

采用粉末冶金工艺分别制备含还原铁粉、泡沫纤维铁粉和铁合金粉的铜基摩擦材料，研究了铁粉种类对摩擦材料摩擦磨损性能的影响.当摩擦转速从3000 r·min-1提升至6200 r·min-1，用还原铁粉制备的样品，其摩擦因数随速度的升高出现严重衰退；含泡沫纤维铁粉的样品具有稳定的摩擦因数，试验范围内其波动值不超过0.024，但是磨损严重；采用铁镍合金粉制备的样品可有效减缓高速阶段摩擦因数的衰退，高速下摩擦因数波动低于0.027.以铁铬合金粉制备的样品，其磨耗随摩擦速度的增加几乎不发生变化，抗磨损能力最佳

学习要点： •触发器的工作原理及逻辑功能 •寄存器、计数器的工作原理及构成 •555定时器的工作原理及其应用 •数模/模数转换器的组成和工作原理 11.1 双稳态触发器 11.2 寄存器 11.3 计数器 11.4 555定时器 11.6 数模和模数转换

在冶金、化工等流程型工业领域,生产中的过程控制参数往往具有高维非线性结构特征.为了解决这类高维复杂数据的异常点检测问题,本文引入了软超球体的概念,采用非线性核函数将原始数据映射到高维的特征空间,并在特征空间中确定软超球体的边界.通过检测待识别样本映射到特征空间的位置信息来判定过程参数的设定值是否为异常点,从而避免出现批量的产品质量问题.以某类汽车用钢为应用实例,对实际生产数据进行检测,证明了所提出的基于软超球体的异常点识别算法对于高维的非线性数据具有良好的检测能力