以鱼体运动行波方程为动力学基础,参照鱼体尾部运动函数方程设计了\BLRF-I\系列仿鲹科机器鱼.在该系列机器鱼中,采用模块化设计结构,可以方便地更改尾部驱动舵机的数量,形成仅有驱动舵机数量不同、其他机制完全相同的单关节、两关节和三关节仿生机器鱼.对\BLRF-I\系列机器鱼的巡游速度与最小转弯半径进行实验分析.结果表明,\BLRF-I\系列机器鱼尾部驱动舵机数量的增加可以有效地提高巡游速度,最小转弯半径在舵机数量为2时达到最小.进而论证了仿生机器鱼关节数目对机器鱼游动性能的影响,并提出了仿生机器鱼关节数目和巡游速度的关系方程

中锰白口铸铁是适应我国资源和生产条件而研究发展的抵抗磨料磨损材料。由于其优异的经济效益和生产便利,已成功地用于制做砂浆泵体和分级机衬铁等矿山易磨件。本文根据不同成分及热处理的中锰白口铸铁在各类磨料磨损试验机上测试的结果讨论组织对抗磨性的影响及此影响与各类磨料磨损的机制的关系。低应力冲刷磨损的测试是在混砂盘及橡胶轮两种磨损试验机进行。高硬度的马氏体-碳化物组织最抗磨。脆性相的存在对抗磨性不利。硼加入中锰白口铸铁能使碳化物显微硬度和宏观硬度增加,但使强度和韧性降低。硼适量加入对抗磨性有利。这与此类磨损是宏观冲刷磨损机制有关。 高应力碾研磨损的测试是用肖盘对磨和三体滚轮挤轧两种磨损方式进行。抗磨性与硬度和韧性有关,但基体组织的显微硬度时常起决定性影响。中锰白口铸铁采用Cu Cr Mo综合合金化提高淬透性。残留奥体量大对抗磨性不利。这与此类磨损是以显微切削磨损机制为主有关。最后小能量多次冲击磨损的测试是以冲头连续冲撞方式进行。抗磨性与材料的冲击韧性有很大关系。低碳含量,稀土变质处理改变碳化物为断开分布的板块状都可起有利影响。这是由于形变磨损机制在这类磨损中起主要作用。如此可以得出结论,抗磨材料的最合适的组织与磨料磨损的类别和其磨损机制有关

一、定义:关节面失去正常对合关系,称脱位。 二、部分失去正常对合关系,称半脱位。 三、关节周围韧带和关节囊的损伤(一过性脱位)称扭伤

2.1 关系模型及关系操作 2.2 关系的完整性 2.3 关系形式化定义与关系操作 2.4 关系代数

5.1基本呈味物质及人的味觉反应 5.2葡萄酒中的呈味物质及其口感 5.3品尝技术-口感分析 5.4品尝词汇(3)-关于口感的描述 5.4.1关于甜味的描述 5.4.2关于酒度（醇浓）的描述 5.4.3关于酸味的描述 5.4.4关于苦味、涩味的描述 5.4.5关于CO引起的口感的描述

当全球导航卫星系统(global navigation satellite system,GNSS)分布式仿真环境中共享的模型数量非常多时,检索模型和配置仿真任务将成为一个比较复杂的工程.为提高仿真模型选取和仿真任务配置的效率,设计了一套针对GNSS分布式仿真环境中仿真模型的实时智能推荐方法,方法中首先定义了模型关联关系和接口形状的概念,然后提出了一种条件约束下的频繁模式树(FP-tree)结构,并从理论上分析了该结构在检索任务量方面的减少程度,设计并推导了模型关联关系度的计算方法,以及整套智能推荐方法的运行流程.推荐方法在GNSS分布式仿真环境中进行了仿真验证,仿真结果与传统智能推荐方法做对比分析,分析结果表明,该方法针对仿真模型推荐时运行时间短,推荐结果准确度高,能够实时为用户推荐合适的模型

本文研究了奥氏体化温度（轧前的原始奥氏体晶粒大小）、轧制温度、压下率及轧后快冷前的停留时间对热变形奥氏体的再结晶及再结晶奥氏体晶粒大小的影响,确定了轧前奥氏体晶粒尺寸、轧制温度及轧后快冷前的停留时间与奥氏体再结晶临界变形量之间的关系,以及原始奥氏体晶粒大小、轧制温度及压下率与再结晶后奥氏体晶大小之间的关系。也研究了在950°、900°及850℃轧制时的压下率与转变后的铁素体形态之间的关系,再结晶奥氏体晶粒大小与转变后的等轴铁素体晶粒大小的关系。在以上研究的基础上,研究了4C船板在多道轧制后的低温冲击韧性、屈服强度等与控制轧制工艺所决定的轧后铁素体品粒大小之间的定量关系。根据以上研究的结果,初步得出有关低碳钢（4C）控制轧制的两点结论

针对设计模式识别结果的假阴性问题与重叠问题,为提高设计模式实例恢复的精确性,提出一种形式化上下无关文法关系驱动的设计模式检测方法.依据设计模式实例中的参与者属性及其关系,以形式化可视化语言描述模式实例的识别文法.在此基础上,改进该文法检测设计模式实例参与者间的附加关系,并识别共享实例的模式.实验结果表明,新方法不仅减少了模式实例的假阴性结果,还解决了模式实例识别的重叠问题,与其他检测方法的精确度、召回率及F-score指标比较,新方法取得了较好的效果

第一节相关分析的意义和任务 一、相关关系的概念(注意相关关系与函数关系的区别) (一)函数关系 它反映着现象之间存在着严格的依存关系,也就是具有确定性的对应关系,这种关系可用一个数学表达式反映出来

针对机器人谐波减速器关节在转动过程中存在的波动摩擦力矩, 提出一种基于傅里叶级数函数和BP神经网络的建模方法, 并完善机器人的动力学模型, 修正了因波动摩擦力矩带来的关节力矩计算误差. 通过研究谐波减速器关节的波动摩擦力矩在不同影响因素下的变化特性, 采用傅里叶级数与BP神经网络结合的方法对波动摩擦力矩进行建模. 通过添加傅里叶级数函数作为BP神经网络的辅助输入, 克服了力矩误差曲线因存在高频周期性波动而难以拟合的困难. 在离线环境下训练神经网络, 完成对关节波动摩擦力矩的建模, 进而完善机器人的动力学模型和修正关节中存在的波动摩擦力矩. 验证实验表明, 使用完善后的动力学模型可以有效计算谐波减速器关节的波动摩擦力矩, 并使修正后的力矩误差维持在[-0.5, 0.5] N·m的范围之内, 方差为0.1659 N2·m2, 是修正前的24.23%