5.1 参数估计的基本内容 5.2 总体均值区间估计 5.3 两均值之差的区间估计 5.4 总体比例区间估计 5.5 总体标准差及方差的估计

第1章概论 第2章电子商务系统的设计开发过 第3章电子商务系统的规划 第4章系统分析 第5章电子商务系统设计 第6章企业信息门户设计

将岩体破坏接近度指标(FAI)引入隧道支护设计，明确了围岩临界支护时机判别准则。基于有限差分数值计算程序，合理考虑岩体峰后应变软化特性，建立了一种隧道最优支护时机确定方法。通过算例分析，定量探讨了表征支护时机的重要参数，从工程角度阐释了支护时机的本质意义。结果表明：岩体地质强度指标GSI由75减小至25时，支护时机提前8.32 m；岩石材料常数mi由20减小至10时，支护时机提前5.85 m；岩石单轴抗压强度σci由80 MPa减小至40 MPa时，支护时机提前3.74 m；工程扰动参数D由0增加至0.8时，支护时机提前7.44 m。将建立方法在玉渡山隧道工程中进行应用，计算出研究区段的支护时机为3.3 m，经现场监测表明该方法有效、可行。该研究成果可为隧道支护体系的量化设计提供参考

为实现推力矢量飞机的大迎角机动控制，提出一种基于自抗扰控制的三通道解耦控制策略.以第三代战机F16公开数据为基础，添加推力矢量模型，利用双发推力矢量喷管组合偏转产生大迎角机动的期望三轴力矩.在纵向、横向和航向通道分别独立设计自抗扰控制器，将系统中未建模动态、不确定性以及通道间的强耦合视作总扰动进行估计并补偿，并在纵向和航向通道引入角速度阻尼反馈项，使原始飞行器开环动力学闭环近似为一个广义对象，降低了自抗扰控制器的设计阶次.选取眼镜蛇机动和赫伯斯特机动两种典型的过失速机动动作进行控制策略验证，数值仿真结果表明，所设计的三通道独立自抗扰控制器能够消除通道间的强耦合，完成推力矢量飞机的大迎角机动控制.蒙特卡罗仿真测试表明，所提控制策略具有较强的鲁棒性

一、 历史与现状 二 、EDA技术的基本特征 三 、EDA工具简介 四 、ASIC设计—EDA的重要应用 五 、课程主要内容

焊接过程的数值模拟作为一种有效的计算手段,在焊接温度场及残余应力分布的评价中获得了广泛应用,而焊接热源模型的选择及模型参数的确定直接影响到计算和评价结果的准确性.本文通过对近年来常用的电弧焊接热源模型进行梳理,介绍了其研究进展,分析了不同热源模型的特点及适用性.高斯面热源模型和双椭球体热源模型作为基础热源模型,广泛应用于较小尺寸工件和规则轨迹的焊接过程数值模拟,且具有较高的计算精度;简化热源模型和温度替代型热源模型多用于大厚工件的多层多道焊接及复杂轨迹焊接过程的数值模拟,能够实现效率和精度的统一;多丝电弧焊接热源较为复杂,采用修正后的双椭球体叠加热源模型,计算结果能保证一定的精度;结合型热源模型对熔池形状的描述更灵活,在深熔电弧焊的数值模拟中具有优势.本文可为电弧焊接过程数值模拟的热源模型选择和模型参数确定提供有益参考

一、结构概念设计的概念 二、结构的基本构件类型 三、各种构件之间的区别与联系 四、结构概念设计的原则 五、对标准、规范、规程的认识 六、结构概念设计的实例

为了摸清棒材斜辊矫直过程中各曲率的变化规律，应用小曲率平面弯曲弹复理论以及棒材弯曲弹复的曲率方程式，实现棒材一次反弯弹复的计算模型，基于棒材每旋转半周反弯一次的规律以及上一次弹复后的残余曲率认为是下一次弯曲的原始曲率，建立棒材全流程二辊矫直过程弯曲弹复模型，获得整个矫直过程中原始曲率、弯曲曲率、弹复曲率以及残余曲率的演变过程，得到棒材最终的残余曲率.应用该理论模型对现场生产过程进行了计算，与现场结果一致，验证了理论模型的正确性.应用所建立的理论模型对不同直径、不同材料屈服强度、不同原始挠度的棒材矫直过程分别进行分析，获得了不同来料参数情况下矫直过程的变形规律.该模型可以为二辊矫直机辊型优化设计与工艺参数计算提供理论依据

为研究压下对连铸坯内部裂纹产生的影响，利用ABAQUS有限元软件建立了230 mm×280 mm断面大方坯压下数学模型。通过压下模型对重轨钢连铸坯压下过程进行热力耦合模拟计算，对压下过程中产生的内部裂纹进行了预测。首先，对连铸坯不同中心固相率为0.3～0.7的温度场进行计算；然后，利用压下模型计算了连铸坯中心固相率0.3～0.7时凝固前沿的等效塑性应变。研究结果表明，在连铸坯中心固相率为0.3～0.7的位置处分别施加7 mm压下量进行压下，连铸坯凝固前沿等效塑性应变未超过临界等效塑性应变（0.4%），连铸坯未出现内裂纹；同时，对连铸坯在中心固相率为0.6位置处进行了不同压下量的研究，研究结果表明，当连铸坯压下量超过7 mm时，凝固前沿的等效塑性应变超过临界塑性应变（0.4%），连铸坯出现内裂纹，并且压下量越大，连铸坯内裂纹越严重。同时，工业试验结果与模型计算结果基本吻合，验证了模型计算的准确性

为提高热轧换规格首块钢头部卷取温度命中率，采用数据挖掘技术，从历史带钢冷却数据中推断出与实际带钢相匹配的卷取温度模型水冷换热学习系数，并将其应用于模型预设定计算。首先，对冷却特征参数进行识别，按照相对型、绝对型、相等型和策略型四种方式进行定义，并对实际带钢与历史带钢的各项冷却特征参数进行相似距离计算。当历史带钢的总相似距离满足要求时，将其聚类为实际带钢的相似卷，并考虑各相似卷的时间影响，计算相似权重值；随后，基于相似带钢的头部和尾部信息，建立由卷取温度预报误差、偏离学习系数回归值惩罚项和偏离默认值惩罚项等构成的目标函数以及相应的约束条件，采用梯度下降法求解该二次规划问题，通过三次优化逐步计算出学习系数参考值和表征学习系数与带钢速度及目标卷取温度呈双线性关系的两个参数；最后，根据实际带钢的穿带速度、目标卷取温度等冷却条件计算冷却设定所需的学习系数。现场应用表明：基于十万块历史带钢冷却数据驱动的模型参数即时自适应设定算法可增强卷取温度模型对带钢头部冷却的预设定能力，学习系数即时自适应设定能力随着内存中保存的历史带钢冷却数据的多样性和检索出的相似卷数量的增加而提升