第一篇 基础型实验 .1 实验一 电工仪表的使用与测量误差的计算.1 实验二 电路元件伏安特性的测量.4 实验三 直流电路中电位、电压的关系研究.10 实验四 基尔霍夫定律.12 实验五 叠加定理的验证.15 实验六 戴维南定理和诺顿定理的验证.18 实验七 电压源与电流源的等效变换.23 实验八 受控源特性测试.26 第二篇 综合型实验.31 实验九 RC 一阶电路的动态过程研究实验.31 实验十 二阶动态电路响应的研究.34 实验十一 RLC 元件在正弦电路中的特性实验.36 实验十二 RLC 串联谐振电路的研究.39 实验十三 双口网络测试.42 实验十四 RC 选频网络特性测试.45 实验十五 负阻抗变换器.48 实验十六 回转器.52 第三篇 设计型实验.56 实验十七 万用表设计与制作 .56 附 1 典型电信号的观察与测量.97

由于协作机器人的结构比普通工业机器人更为轻巧，一般动力学模型所忽略的复杂特性占比较大，导致协作机器人的计算预测力矩误差较大。据此提出在考虑重力、科里奥利力、惯性力和摩擦力等的基础上，采用深度循环神经网络中的长短期记忆模型对自主研发的六自由度协作机器人动力学模型进行误差补偿。在实验中采用优化后的基于傅里叶级数的激励轨迹驱动机器人运动，以电机电流估算关节力矩，获取的原始数据用来训练长短期记忆模型(LSTM)补偿网络。网络的训练结果和评价指标为预测力矩相比实际力矩的均方根误差。计算与实验结果表明，补偿后的协作机器人动力学模型对实际力矩具有更好的预测效果，各轴预测力矩与实际力矩的均方根误差相比于未补偿的传统模型降低了61.8%至78.9%不等，表明了文中所提出补偿方法的有效性

针对传统最小二乘多项式板形模式识别方法鲁棒性差、各分项物理意义不明确,以及普通BP(back propagation)识别法精度低等问题,选用勒让德多项式作为板形基本模式,提出一种基于二叉树型分层BP的板形模式识别并行计算模型.该模型通过逐层细化预测范围并选用多个神经网络进行递推.实验结果表明,采用此方法不仅增强了系统的抗干扰能力,而且提高了系统的识别精度

为了获取喷嘴振荡腔内的压力脉动信号,提出一种新的检测方法.首先分析自振射流的特性,设计了产生自振射流的喷嘴结构;结合计算流体动力学分析喷嘴腔内动压分布,确定测压点位置;运用流体网络理论分析自振射流的频率特性,在此基础上确定用于实验的微型高响应压力传感器;考虑到腔内振荡信号的非平稳性,采用希尔伯特-黄变换（HHT）信号分析方法.实验结果表明,腔内振荡信号主要集中于40~60 Hz、110~150 Hz和200~310 Hz三个频带,且组成频率成分所对应的幅值差异明显;距离喷嘴出口较近处,自振信号振幅较大,频带窄

提出基于免疫遗传算法与BP网络混合模型的冷连轧机组负荷分配的智能优化新方法,该方法具有学习功能强、计算精度高、使用方便等特点,且适合在线计算.实验证明了该方法的有效性

提出了用神经网络插值代替拉氏插值计算裂纹形成时间(TTCI)值,用极大似然估计代替均秩估计法估计分布参数的方法.考虑到仅对一组TTCI值进行参数估计具有较大的随机性,文中对每种参考裂纹尺寸对应的TTCI值均进行极大似然估计,得出多组TTCI分布参数;然后利用不同参考裂纹尺寸对应的TTCI分布参数之间的关系确定结构细节的当量初始缺陷尺寸分布参数.对某零件的疲劳实验及其原始疲劳质量分析证明了该方法的可行性和合理性

研究了Bi2O3-BaO-SiO2-RxOy玻璃体系的结构及封接性能.应用密度泛函理论计算获得了Bi2O3在SiO2玻璃网络中的能量最优结构,从理论上确定了铋作为网络中间体最可能以[BiO3]形式存在,并讨论了Ba2+、Al3+等在玻璃中的作用及其存在的可能结构.结果表明,该玻璃的热膨胀系数在50~530℃温度为11×10-6 K-1,与氧化钇稳定氧化锆(热膨胀系数10.2×10-6 K-1)电解质和不锈钢SUS430(热膨胀系数11.3×10-6 K-1)合金连接体相匹配.对玻璃粉体进行物相分析表明,该硅酸盐玻璃为非晶体,与理论分析相一致.将氧化钇稳定氧化锆电解质和SUS430合金连接体用Bi-Ba-Si-O玻璃在高温下进行封接实验,结果说明三相界面结合紧密,气密性良好.实验选定的Bi-Ba-Si-O玻璃材料基本满足固体氧化物燃料电池对封接材料的要求

固定床中颗粒间存在着网络状的空隙形成许多可供流体通过的细小通道。这些通道是曲折而且互相 交联,其截面大小和形状又是很不规则的。流体通过如此复杂的通道时的阻力(压降)自然难以进行 理论计算,必须依靠实验来解决问题。现在介绍一种实验规划方法——数学模型法。 4.3.1颗粒床层的简化模型 (1)床层的简化物理模型 在固定床内大量细小而密集的固体颗粒对流体的运动形成了很大的阻力。此阻力一方面可使流体沿 床截面的速度分布变的相当均匀,另一方面却在床层两端造成很大压降

提出了一种联合多种边缘检测算子的无参考质量评价算法，同时考虑一阶和二阶边缘算子，避免了单一算子的局限性.该方法首先将彩色图像转换为灰度图像，然后计算灰度图像的梯度，相对梯度以及LOG特征.本文所使用的特征分为两部分，一部分提取相对梯度方向的标准差，另一部分利用条件熵来量化不同特征之间的相似性和相互关系，并且考虑到人眼特性进行多尺度计算，最后使用自适应增强（AdaBoost）神经网络进行训练和预测.在公共数据库LIVE和TID2008上进行实验，结果表明新方法对失真图像的预测评分与主观评分有较高的一致性，能很好地反映图像质量的视觉感知效果，仅使用10维特征，性能优于现有的主流无参考质量评价算法

大部分入侵检测系统的实现都会产生大量的报警信息,在一定程度上影响了系统管理,误报率也较高,影响了入侵检测的效果.针对这个问题,提出了一种基于节点关联的报警置信度计算方法,位于对等网络之上,节点在收到一系列入侵报警之后,需要进行节点关联,从而对报警信息进行融合,提取有效报警信息.其中根据关联对象的不同,节点关联又包括报警关联和信任关联两个层次,报警关联可用来判断入侵报警的有效性,信任关联可用来判断发起报警节点的可信性,给出了相关算法.仿真实验表明,使用该报警置信度计算方法可以提高入侵报警的检测准确率