振动信号的周期性冲击及其重复频率是滚动轴承故障诊断的关键.本文提出了一种基于集合经验模式分解和交叉能量算子提取滚动轴承故障特征的方法.首先,应用集合经验模式分解方法将振动信号分解为本征模式函数以满足交叉能量算子对信号单分量的要求.然后根据相关程度和峭度从本征模式函数中选取敏感分量,计算敏感分量和原始信号的瞬时交叉能量及其傅里叶频谱.最后根据交叉能量的频谱结构和特征频率识别轴承故障.通过分析滚动轴承故障仿真信号和实验测试信号,诊断了滚动轴承元件故障,验证了该方法的有效性

面对钢厂智能化发展的时代要求，炼钢–连铸区段工序界面技术受到越来越多冶金学者的关注，其不仅是解决工序关系集合协同–优化问题的重要手段，也影响着工序功能集合解析–优化和流程工序集合重构–优化的效果。本文对炼钢–连铸区段3种典型工序界面技术，即钢包运行控制、天车运行控制和生产运行模式优化的研究进展进行阐述，其中，钢包运行控制包括钢包热状态监测、钢包选配以及钢包调度，天车运行控制包括吊运任务的分配和同跨/异跨天车的协同调度，生产运行模式优化包括工序/设备产能、时间节奏与炉–机对应模式的匹配设计。此外，针对炼钢–连铸区段多工序协同运行的制约因素，指出工序界面技术协同的必要性，并对上述工序界面技术的协同机制与协同方案进行了阐述

针对经典K–means算法对不均衡数据进行聚类时产生的“均匀效应”问题，提出一种基于近邻的不均衡数据聚类算法（Clustering algorithm for imbalanced data based on nearest neighbor，CABON）。CABON算法首先对数据对象进行初始聚类，通过定义的类别待定集来确定初始聚类结果中类别归属有待进一步核定的数据对象集合；并给出一种类别待定集的动态调整机制，利用近邻思想实现此集合中数据对象所属类别的重新划分，按照从集合边缘到中心的顺序将类别待定集中的数据对象依次归入其最近邻居所在的类别中，得到最终的聚类结果，以避免“均匀效应”对聚类结果的影响。将该算法与K–means、多中心的非平衡K_均值聚类方法（Imbalanced K–means clustering method with multiple centers，MC_IK）和非均匀数据的变异系数聚类算法（Coefficient of variation clustering for non-uniform data，CVCN）在人工数据集和真实数据集上分别进行实验对比，结果表明CABON算法能够有效消减K–means算法对不均衡数据聚类时所产生的“均匀效应”，聚类效果明显优于K–means、MC_IK和CVCN算法

 肾小球滤过的有效滤过压、滤过膜通透性、影响滤过的因素  近端小管对葡萄糖、NaCl、HCO3-、水重吸收  远曲小管、集合管的转运功能  抗利尿激素和醛固酮的调节作用  排尿反射 一、肾的结构和血液循环特点 二、肾小球的滤过功能 三、肾小管和集合管的转运功能 四、尿液的浓缩和稀释 五、尿生成的调节 六、尿液及其排放

 如何定义和使用集合  可以使用的不同类型的集合  如何比较类型，如何使用is运算符  如何比较值，如何重载运算符  如何定义和使用转换  如何使用as运算符

集合概述 Collection接口 List接口 集合遍历

一、集合 (Set) 1.集合概念 2. 集合的运算

一、基本概念 1.集合: 具有某种特定性质的事物的总体. 组成这个集合的事物称为该集合的元素

数系的扩充历史 自然数集合N：关于加法与乘法运算是封闭的，但是N关于 减法运算并不封闭。 整数集合Z ：关于加法、减法和乘法都封闭了，但是Z 关于 除法是不封闭的。整数集合Z 具有“离散性

1、概述：排泄及其途径、排泄的意义；尿的成份及其理化特性。 2、尿的形成：肾小球滤过机能；肾小管、集合管的重吸收机能；肾小管、集合管的分泌和排泄机能；影响滤过、重吸收和分泌的因素。 3、肾脏泌尿机能的调节：肾血流量的调节；肾小管、集合管重吸收、分泌和排泄机能的调节