在Hermite矩模型基础上,根据Kaimal谱生成某典型风机结构正常风速条件下,三种不同概率特性风场(高斯、非高斯硬化和软化),在考虑来流风向和平均风速联合概率密度条件下,以塔架基础连接处为例,对风机进行疲劳寿命可靠性分析.由叶片的气动模型和多体动力,计算出风机的动力响应,并对响应的时域和频域特性进行分析.基于线性损伤累积理论和Paris公式,对来流全风向条件下的裂纹形成寿命和裂纹扩展寿命进行了详细讨论.结果表明,裂纹形成寿命对风荷载的非高斯性较为敏感,而裂纹扩展寿命对风荷载的非高斯性并不敏感,需要考虑风荷载的非高斯性对风机结构疲劳损伤的影响.此外,在考虑全风向来流条件下,疲劳裂纹形成和扩展阶段的失效位置相同,均在主导风向上

第1章：有效性：从什么可以推出什么？ 第2章（上）：真值函数——亦或不是？ 第2章（下）真值函数——亦或不是？ 第3章：名称与量词：空无一物是某物吗？ 第4章（上）：摹状词与存在：古希腊人崇拜宙斯吗？ 第4章（下）：摹状词与存在：古希腊人崇拜宙斯吗？ 第5章：自指：本章是关于什么的？ 第6章：必然与可能：什么会是一定如此的？ 第7章：条件句：“如果”中有什么？ 第8章：将来和过去：时间是真实的吗？ 第9章：同一性与变化：有什么是一成不变的吗？ 第10章：模糊性：如何在滑坡上停止下滑？ 第11章：概率：缺少参照类的奇怪情形 第12章：互逆概率：你无法忽略其差别！ 第13章：决策论：远大期望 第14章：一点历史与进阶阅读

对不同浇铸条件下的低碳钢连铸板坯进行了凝固钩（Hook）的特征研究，根据凝固钩的形貌概括了凝固钩的不同类型，统计了凝固钩周围气泡和夹杂物的分布，讨论了不同浇铸参数对铸坯凝固钩深度的影响，并通过Bikerman方程和弯月面凝固理论对凝固钩的不同特征进行了解释.结果表明：按形貌可将凝固钩分为完整叶状、双凝固钩、弯曲截断型和二次凝固型四种类型，其中二次凝固型的凝固钩出现的概率最高为46.8%，而完整叶状、弯曲截断型和二次凝固型的凝固钩出现概率分别为25.3%、7.6%和6.3%；研究发现，凝固钩周围的夹杂物数量明显多于其他区域的夹杂物数量，说明凝固钩能够捕获结晶器内上浮的夹杂物；对比不同浇铸参数发现，采用结晶器电磁制动装置（FC-Mold）、减小结晶器水口浸入深度、增大浇铸拉速均能够减小凝固钩的深度；Bikerman方程的计算结果和弯月面凝固理论能在机理上解释凝固钩的形貌特征

概率论与数理统计是研究随机现象统计规律性的学科而随机现象的规律性在相同的 条件下进行大量重复试验时会呈现某种稳定性.例如,大量的抛掷硬币的随机试验中,正面 出现频率;在大量文字资料中,字母使用频率工厂大量生产某种产品过程中,产品的废品 率等.一般地,要从随机现象中去寻求事件内在的必然规律,就要研究大量随机现象的问题 在生产实践中,人们还认识到大量试验数据测量数据的算术平均值也具有稳定性.这 种稳定性就是我们将要讨论的大数定律的客观背景在这一节中

第一章 热力学的基本规律.1 §1.1 热力学若干基本概念 物态方程.2 §1.2 热力学第一定律 焓 理想气体内能.6 §1.3 热力学第二定律 卡诺定理.9 §1.4 克劳修斯不等式 熵 热力学基本方程.11 §1.5 理想气体的熵及应用.14 §1.6 自由能和吉布斯函数.15 第二章 均匀物质的热力学性质.18 §2.1 内能、焓、自由能和吉布斯函数的全微分.19 §2.2 麦氏关系的简单应用.21 §2.3 气体的节流过程和绝热膨胀过程.22 §2.4 基本热力学函数的确定.25 §2.5 特性函数.27 §2.6 热辐射的热力学理论.28 第三章 单元系的相变.31 §3.1 热动平衡判据.32 §3.2 开系的热力学基本方程.35 §3.3 单元系的复相平衡条件.36 §3.4 单元复相系的平衡性质.38 §3.5 临界点和气液两相的转变.41 §3.7 相变的分类.44 第六章 近独立粒子的最概然分布.47 §6.1 粒子运动状态的经典描述.48 §6.2 粒子运动状态的量子描述.50 §6.3 系统微观运动状态的描述.54 §6.4 等概率原理.57 §6.5 分布和微观态.58 §6.6 玻耳兹曼分布.62 §6.7 玻色分布和费米分布.65 §6.8 三种分布的关系.67 第七章 玻耳兹曼统计.69 §7.1 热力学量的统计表达式.70 §7.2 理想气体的物态方程.73 §7.6 理想气体的熵.75 §7.4 能量均分定理.77 §7.5 理想气体的内能和热容量.80 §7.7 固体热容量的爱因斯坦理论.83 第八章 玻色统计和费来统计.86 §8.1 热力学量的统计表达式.87 §8.3 玻色一爱因斯坦凝聚.89 §8.4 光子气体.93 §8.5 金属中的自由电子气体.97

§2.1 回归分析概述 (Regression Analysis) 一、变量间的关系及回归分析的基本概念 二、总体回归函数 三、随机扰动项 四、样本回归函数 §2.2 一元线性回归模型的参数估计 (Estimation of Simple Linear Regression Model) 一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干 扰项方差的估计 §2.3 一元线性回归模型的统计检验 Statistical Test of Simple Linear Regression Model 一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间 §2.4 一元线性回归分析的应用——预测问题 一、Ŷ0是条件均值E(Y|X=X0)或个值的一个无偏估计 二、总体条件均值与个值预测值的置信区间

提出了一种基于免疫原理的故障检测及诊断系统模型.通过对检测对象正常工作状态下获得的自己模式串的阴性选择,随机产生初始检测器;利用基于人工免疫的进化学习机制,实现对检测对象异常工作状态下获得的非己模式串进行学习和记忆;利用进化学习结果和系统故障信息库知识,区分和标记不同故障在状态空间上对应的区域.将抗原学习过程中抗体集合变异所产生的各代抗体集合看作随机序列,给出了序列的收敛条件及证明,证明了所提出的动态免疫进化学习算法是概率弱收敛.应用于机床齿轮箱故障检测和诊断问题的实验结果表明了所提出方法的有效性

11.1杂凑函数的定义 定义11.1一个函数族:01→{1n>m}称为强无 碰撞压缩函数族,若下面两个条件成立。 (1)计算hn(x)是容易的,即存在一个多项式时间 算法F,若F的输入为10和x∈{0,1,则其输出为 hn(x). (2)给定算法F要找两个不同的消息x1≠x2(x=2D, 使得(x)=hx(x)是困难的,即对每一个多项式时 间概率算法M',每一正多项式p(n)和一切充分大 的n有Prhn))∈Cn(Un)}<1/p(n)(11.1) 其中Un表示{0,1}上的均匀分布随机变量

§2.1 回归分析概述 (Regression Analysis) 一、变量间的关系及回归分析的基本概念 二、总体回归函数 三、随机扰动项 四、样本回归函数 §2.2 一元线性回归模型的基本假设 (Assumptions of Simple Linear Regression Model) 一、关于模型设定的假设 二、关于解释变量的假设 三、关于随机项的假设 §2.3 一元线性回归模型的参数估计 (Estimation of Simple Linear 一、参数的普通最小二乘估计（OLS） 二、参数估计的最大或然法(ML) 三、最小二乘估计量的性质 四、参数估计量的概率分布及随机干扰项方差的估计 §2.4 一元线性回归模型的统计检验 Statistical Test of Simple Linear Regression Model 一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间 §2.5 一元线性回归分析的应用——预测问题 一、预测值条件均值或个值的一个无偏估计 二、总体条件均值与个值预测值的置信区间 §2.6 实例及时间序列问题

利用自制的密闭氮化系统研究不同制备条件的锰球的氮化反应.考察锰粉粒度、成球压力和黏结剂添加量对氮化反应的影响,并测量锰球氮化过程中实时增重和温度曲线.实验结果表明：锰粉粒度由16~40目变成60~80目时,球心温度到达峰值的时间由164 s缩短为101 s,球心最大温升由147℃增至233℃,氮化1 h的转化率由90.81%增至93.64%;成球压力由266 MPa增至443 MPa,球心峰值温度将提前89 s到达,球心最大温升将提高22℃,氮化1 h的转化率由91.59%增至94.92%;黏结剂添加量由1 g增至3 g,氮化1 h的转化率由92.90%降至89.80%;正态对数分布的概率密度函数可用来近似拟合转化速率与时间的关系