1-1质点在xOy平面内的运动方程为x=3,y=27+3。求:(1)=2s时质点的位矢、速度和加速度:(2)从r=ls 到2s这段时间内,质点位移的大小和方向:(3)0~1s和1~2s两时间段,质点的平均速度;(4)写 出轨道方程

1.焊接结构断裂失效的分类及危害 2.焊接脆性断裂的防治方法 3.焊接疲劳断裂的防治方法 4.焊接应力腐蚀断裂防治方法

锌浸出渣是一种具有较高综合利用价值的固废资源。本文针对锌浸出渣中有价金属的回收以及全质化利用的研究进展进行了归纳总结：锌浸出渣中有价金属的种类多，如锌、铅和银等具有较高的回收价值，其回收工艺主要有火法工艺和湿法工艺。通过对多种典型锌浸出渣回收工艺的优缺点和适用性的详细比较分析，提出了微生物浸出?氯盐浸出联合的方法，该方法可高效浸出锌浸出渣中的锌、铅和银，对不同类型的锌浸出渣具有良好的适用性，展现出了良好的工业应用前景；其次，介绍了锌浸出渣全质化利用的进展，展望了技术发展方向，锌浸出渣全质化利用将朝着制备性能优异、精细化和绿色节能的高端材料方向发展，在实现锌冶炼行业清洁生产的同时努力获得更大的经济效益

1.室内污染控制方法概述 2.室内空气净化方法和原理 3.室内空气净化中一些值得注意的问题 4.室内空气净化方式简介 5.习题 6.参考文献

人机工程学是一门新兴的交叉学科,它是运用人机工程学的理论、观点和方法去解决 人机系统中的安全问题的一门学科,是人机工程学的一个分支 人机工程学立足于对人们在劳动过程中的保护,着重从人的生理、心理、生物力学、 劳动科学诸方面研究生产过程中如何实现人、机、环境三方面因素的协调

介绍了模拟结晶器内渣膜形成的实验方法, 综述了国内外学者在保护渣传热方面所做的研究工作, 包括固态渣膜的界面热阻、保护渣的导热系数、辐射传热以及渣膜的光学性质, 并提出了今后在渣膜形成及传热研究中有待进一步完善的内容和方向.现有的研究结果表明利用热丝法可以对渣膜的形成过程进行原位观察, 采用水冷铜探头法可以获取用于研究渣膜微观组织的固态渣膜样品.渣膜的界面热阻在0.0002~0.002 m2·K·W-1之间.在800℃以下, 保护渣的导热系数在1.0~2.0 W·m-1·K-1范围内, 且随温度的升高而逐渐增加.渣膜中的晶体一方面可以增加渣膜的界面热阻, 另一方面可以提高固态渣膜的反射率, 起到降低辐射热流的作用.此外, 过渡族金属氧化物的加入以及固态渣膜中弥散分布的微小颗粒也能改变渣膜的光学性质, 从而影响通过渣膜的辐射传热

利用实验及CFD模拟软件分别研究非空调工况下以及空调工况的送氧口个数、送氧口管径、送氧流量及送氧方式、不同的气流组织形式(同侧上送下回、异侧上送下回)等发生变化对密闭建筑缺氧房间的富氧特性及富氧效果的影响. 结果表明: 非空调工况下, 送氧口个数、送氧口管径、送氧流量及送氧方式不同, 所形成的富氧区域差别较大, 宜采用管径为6 mm的相背45°的双送氧口进行送氧, 所形成的富氧面积为最大; 空调工况下, 送氧口个数、送氧口管径、送氧流量及气流组织形式不同, 所形成的富氧区域形状大体相似, 均为\椭圆\形状, 宜采用送氧口管径为6 mm的单送氧口且异侧上送下回的气流组织形式; 空调工况下, 送氧流量相同时, 送风风速为0.85 m·s-1所形成的富氧面积比送风风速为1 m·s-1所形成的富氧面积大约20%;当送风风速均为0.85 m·s-1, 送氧流量为1.5 m3·h-1所形成的富氧面积约为0.96 m2, 该富氧面积与单人次活动范围面积相当, 适宜作为空调工况下缺氧房间单人次的富氧基础供氧量. 模拟结果可为缺氧空调房间供氧装置的选择、布置、降低新风量、降低空调能耗等方面提供参考

针对提高Wi-Fi指纹室内定位技术性能，提出了一种基于卷积神经网络（Convolutional neural networks，CNN）的信道状态信息（Channel state information，CSI）指纹室内定位方法。在离线阶段联合定位环境参考点的幅度差和相位差信息，利用CNN进行训练，保存训练后的CNN网络模型作为指纹；在线阶段，针对不同实验场景，对测试数据的幅度差信息和相位差信息进行加权处理，引入改进的基于概率的指纹匹配算法，利用待定位点的CSI信息并通过CNN网络模型预测待定位点的坐标。此外，为增强算法普适性，针对复杂室内场景，提出了双节点定位方案来提高定位精度。在廊厅和实验室室内两种不同定位场景进行了实验，信息联合定位算法分别获得了24.7 cm和48.1 cm的平均定位误差，验证了基于CNN的CSI幅度差和相位差联合定位算法的有效性

假定方差齐同时的两两比较方法选项

为了提高非平衡数据集的分类精度，提出了一种基于样本空间近邻关系的重采样算法。该方法首先根据数据集中少数类样本的空间近邻关系进行安全级别评估，根据安全级别有指导的采用合成少数类过采样技术（Synthetic minority oversampling technique，SMOTE）进行升采样；然后对多数类样本依据其空间近邻关系计算局部密度，从而对多数类样本密集区域进行降采样处理。通过以上两种手段可以均衡测试数据集，并控制数据规模防止过拟合，实现对两类样本分类的均衡化。采用十折交叉验证的方式产生训练集和测试集，在对训练集重采样之后，以核超限学习机作为分类器进行训练，并在测试集上进行验证。在UCI非平衡数据集和电路故障诊断实测数据上的实验结果表明，所提方法在整体上优于其他重采样算法