1.双边变换及其收敛域ROC。 2.ROC的特征,各类信号的ROC,零极点图。 3.Z变换的性质,常用信号的Z变换。 4.Z反变换,利用部分分式展开进行反变换。 5.用Z变换表征LTI系统,系统函数,LTI系统的Z变换分析法。 6.单边Z变换,增量线性系统的分析

利用液压伺服试验系统和声波监测仪开展了岩石和混凝土材料声发射特性试验研究,并在试验基础上研究了损伤变量与声发射参数之间的量化关系.结果表明,损伤变量与声发射参数呈线性关系.采用基于Weibull分布的损伤本构模型及损伤变量与声发射数间的经验公式,推导出应力、应变参量与声发射数参量的耦合模型,该模型参数可以根据应力-应变全曲线及损伤变量与声发射数关系曲线的几何边界条件确定其表达式,方式简单适用.通过与岩石和混凝土试样单轴压缩试验实测结果对比,证实模型可以很好地反映单轴受压状态下岩石和混凝土的应力、应变与声发射数的耦合关系

3.1 成象模型与视觉坐标系 3.2 齐次坐标与N矢量 3.3 透视变换 3.4 平面对偶原理 3.5 直射变换、对射变换与标准极变换 3.6 平移运动

范围变更控制 范围变更控制所关心的是:a)对造成范围变更的因素施加影响,以保证 变更得到各方的同意:b)判断范围变更确已发生:c)在实际变更发生时 对其进行管理。范围变更控制必须与其它控制过程(进度控制、成本控 制、质量控制等,见第43节)全面结合起来

6.1 变频调速的基本控制方式 6.2 异步电动机电压.频率协调控制的稳态机械特性 6.3 电力电子变压变频器的主要类型 6.4 变压变频调速系统中的脉宽调制（PWM）技术 6.5 基于异步电动机的稳态数学模型变压变频调速系统 6.6 异步电动机的动态数学模型和坐标变换 6.7 基于动态模型按定子磁链控制的直接转矩控制系统

通过Gleeble 2000上的热模拟压缩实验,分析了Q235低碳钢在不同热加工参数下的动态组织演化特征.结果表明:应变速率和温度对Q235钢的奥氏体形变特征影响强烈.在相同变形温度下,应变速率的提高可以明显推迟动态再结晶的发生:应变速率较低时,降低温度同样可以延迟动态再结晶的发生.利用定量金相技术及线性、非线性拟合算法,建立了 Q235钢热变形过程的唯像本构关系及组织演化动力学模型,并将其应用于Autoforge3.1有限元软件平台.压缩过程有限元模拟分析表明,分别采用Arrhenius双曲正弦方程描述Q235钢的唯像本构关系及Yada模型表征Q235钢变形过程的平均晶粒尺寸,可以满足预测精度,与实际变形过程基本吻合

采用凸轮式高速形变试验机,压缩端面上带凹槽并在凹槽里充满不同软化温度的玻璃粉作润滑剂的圆柱形试件的方法,其变形温度为850—1150℃,变形速度为5—80S-1,变形程度为Ln(h0/h1)=0—0.6931。对40MnB等四个合金结构钢进行高温高速下塑性变形阻力实验研究。本文不仅提供了40MnB变形阻力计算图表,而且对目前常用变形温度对变形阻力的影响项具有两种不同结构型式的拟合曲线采用非线性回归进行分析比较,提出了拟合精度较高的变形阻力数学模型

针对厂坝铅锌露天矿高陡边坡的特点,确定了以\GPS监测手段为主,以水准仪、裂缝仪等监测手段为辅\的监测方案,详细介绍了该方案的设计与布设.以北帮边坡1500 m台阶的监测数据为例进行了变形规律分析,并评价了北帮边坡的综合监测结果.结果表明:在监测点B03～B06的北帮边坡稳定性最差,近600 d的最大位移量为231.1 mm,存在着滑移岩体;1500 m边坡岩体的变形速率曲线显现出明显的S形,凸起段表现为由雨季降水引起的加速变形期;裂缝的累积变形阶段呈现出初期的相对稳定期、中期的变形触发期和第3阶段的稳定变形持续期;北帮中部台阶1500 m边坡的变形较其他台阶边坡显著,稳定性最差.因此,该监测系统的应用效果较好,是高陡边坡变形监测的重要方法之一

快速(真空)变压吸附循环周期较短,床层压力周期性变化快,使吸附床内流动及传热传质特性变化较大,本文研究吸附及解吸压力对快速变压吸附制氧床内速度及循环性能的影响.快速变压吸附(rapid pressure swing adsorption,RPSA)循环中原料气充压阶段气流速度远大于顺流的气体流速极限值,快速真空变压吸附(rapid vacuum pressure swing adsorption,RVPSA)循环中原料气充压阶段气流速度略大于顺流的气体流速极限值,而RPSA循环和RVPSA循环中放空降压阶段气流速度均较大.在所研究的吸附和解吸压力范围内,RPSA循环和RVPSA循环中气体温度在循环周期内变化均约为10℃,而RVPSA循环中气体温度在循环周期内温度梯度更大.RPSA循环中吸附压力越高,氧气回收率越高,床层因子越小;而RVPSA循环中解吸压力越低,氧气回收率越高,床层因子越小

系统研究了面向复杂系统监测时变信号的实时故障检测与识别问题.采用滑窗Mallat小波快速变换克服传统小波变换的时域全局依耐性并提高计算效率,使之适应于实时故障检测;针对时变信号的故障模式识别难题,在故障检测基础上采用改进动态循环神经网络(improved dynamic recurrent neural network,IDRNN)进行智能故障识别.最后将滑动时窗小波检测模块及最优IDRNN网络模块嵌入某型完整卫星姿态控制系统仿真平台进行在线故障诊断.试验结果表明:实时条件下的滑动窗口小波变换与传统小波变换具有一致性,IDRNN对于时变信号识别具有较好的时域泛化能力,将滑窗移动时不变小波方法与IDRNN结合可以实现面向复杂系统监测实时信号的故障检测及复合模式分类