第1章概论 1.1光纤通信发展的历史和现状 1.1.1探索时期的光通信 1.1.2现代光纤通信 1.1.3国内外光纤通信发展的现状 1.2光纤通信的优点和应用口 1.2.1光通信与电通信 1.2.2光纤通信的优点 1.2.3光纤通信的应用 1·3光纤通信系统的基本组成 1.3.1发射和接收 1.3.2基本光纤传输系统 1.3.3数字通信系统和模拟通信系统

Unit 1 About Computer Text 1 Can You recognize Them? or Modern computers are electronic and digital devices. Figure 1-1 shows the basic organization of a personal computer, Figure 1-2 shows a notebook computer

1-1 实际电路和电路模型 1-2 电路分析的变量 1-3 电路元件 1-4 基尔霍夫定律

为了提高永磁同步电机的转速控制性能,克服扰动对伺服控制的影响,提出了一种基于新型趋近律和扰动观测器的滑模控制方法.设计了一种新型趋近律,以解决传统趋近律滑模面趋近时间和系统抖振之间的矛盾,提高系统响应快速性.综合考虑系统存在内部参数摄动和外部负载扰动,设计了滑模扰动观测器,并将观测值前馈补偿到速度控制器输出端;将观测器切换增益设计为扰动观测误差的函数,以削弱滑模观测值抖振.仿真结果显示,与传统趋近律相比,采用新型趋近律可有效提高系统的响应速度,快速准确的跟踪速度阶跃信号;滑模观测器可准确的观测系统扰动的变化;当系统加入负载扰动时,PI控制最大转速波动值为75 r·min-1,而基于新型趋近律和扰动观测器的滑模控制最大转速波动值较小为30 r·min-1,鲁棒性更好.实验结果显示,采用基于新型趋近律和扰动观测器的滑模控制方法可以快速跟踪400 r·min-1的速度指令,调节时间为0.12 s,稳态跟踪误差为±4 r·min-1,且转速无超调;滑模观测器可准确无超调的估计系统扰动值,进一步提高系统的抗扰动性能;当电机以400 r·min-1稳速运行时,加入0.6 N·m的负载扰动,基于新型趋近律和扰动观测器的滑模控制方法最大转速波动为23 r·min-1,与PI控制相比,转速波动减小了8%.上述仿真和实验结果具有较好的一致性,表明基于新型趋近律和扰动观测器的滑模控制方法可以有效抑制滑模控制系统的抖振,提高转速控制系统的鲁棒性和动态响应性能

为了研究脱碳渣在脱磷期的重新利用,基于多功能转炉炼钢法进行连续循环冶炼实验.实验发现：脱磷阶段渣中较低的Fe O含量、吹炼5 min左右,[C]≥2.8%的条件下,可实现转炉熔池内铁液[P]≤0.025%的脱磷效果,并对低（Fe O）含量炉渣的脱磷可行性进行热力学计算;随着循环的进行,石灰加入量逐渐降低,由65 kg·t-1降低至31 kg·t-1,转炉冶炼终点钢水[P]量由0.018%降低至0.005%,2~4炉后达到平衡状态;在循环过程中,脱磷阶段结束倒出炉渣60~80 kg·t-1,整个循环结束一次性倒出剩余全部炉渣120~130 kg·t-1,平均渣量为83 kg·t-1左右,较普通工艺的120 kg·t-1渣量有大幅度减少

1-1 实际电路和电路模型 1-2 电路分析的变量 1-3 电路元件 1-4 基尔霍夫定律

采用热膨胀仪测定Al质量分数分别为0.77%和1.43%以及无Al的热挤压模具钢SDAH13的连续冷却转变曲线，并结合光学显微镜、扫描电镜及显微硬度仪分析Al元素对SDAH13钢相变点、连续转变规律、组织以及硬度的影响.结果表明：Al元素显著提高SDAH13钢的Ac1、Ac3和Ms点，降低淬火残留奥氏体含量，同时扩大铁素体及奥氏体两相区.在1060℃奥氏体化温度下，Al元素对SDAH13钢贝氏体相变的临界冷速（0.30℃·s-1）无明显影响，但使贝氏体相区变宽，Al质量分数分别为0.77%和1.43%的SDAH13钢的珠光体相变的临界冷速（0.05℃·s-1和0.3℃·s-1）均高于无Al的SDAH13钢的临界冷速（0.02℃·s-1），且Al质量分数为1.43%的SDAH13钢在0.02—0.08℃·s-1冷速下出现先共析铁素体组织.Al的加入还使SDAH13钢淬火硬度有所降低

针对传统算法在抗光照变化影响、大位移光流和异质点滤除等方面的不足,从人类视觉认知机理出发,提出了一种基于机器学习和生物模型的运动自适应V1-MT (motion-adaptive V1-MT,MAV1MT)序列图像光流估计算法.首先,引入基于ROF模型的结构纹理分解(structure-texture decomposition,STD)技术,有效解决了光照和色彩变化的影响.其次,利用多V1细胞加权组合及非线性正则化模拟MT细胞模型,并结合岭回归训练学习得到运动自适应的权重,解决对目标的运动速度感知问题.最后,引入由粗到精的增强方法和图像金字塔局部运动估计采样,将V1-MT运动估计模型应用于实际大位移视频序列.理论分析和实验结果表明,新方法能更加拟合人眼视觉信息处理特性,对视频序列具有普适、有效、鲁棒的运动感知性能

本文證明了在無限域Ω上,具條件（K）的核:K（s,t）在Ω×Ω上可測,且$\\begin{array}{l}(i)k(s,t) = O(\\frac{1}{{n - \\delta }}),r = {\\rm{||s - t}}|| \\to ,\\delta > 0\\\\s = ({s_1},{s_2}, \\ldots \\ldots {s_n}),t = ({t_1},{t_2}, \\ldots \\ldots {t_n})\\\\(ii)K(s,t) = O(\\frac{1}{{{p^n} + \\alpha }}),\\rho = \\sqrt {||s|{|^2} + ||t|{|^2}} \\to \\infty ,\\alpha > o,\\end{array}$所確定的積分算子是由L2(Ω)映入L2(Ω)的全連續算子。這裏Ω是n維歐氏空間Rn中的域，又證明在條件(K*)——條件(K)加設K（s,t）在s≠t處連續——的條件下，則是由有界連續函數空間C*（Ω）映入C*（Ω）的全連續算子。關於有限域的情形是有ΜИХЛИН氏(1)所推算的，現在對於遠處的性能加設了在(ii)的限製下，就可以推到無線域情形，它的推演依靠著核K2(s,t)=$\\int_\\Omega ^k {(s,u)} \\overline {k(t,u)} du$的性能而獲得的，主要結果是由定理1、2的證明騎著重要的作用

4.1普通极值问题 设f(x1…,xn)是集合ScR\上的函数,如果对P=(x1,…,xn),存在P在R\中 的邻域U,使得ⅦP=(x1…xn)∈S∩U,恒有∫(x1…,x)≤∫(x19…,x2) (f(x1,…xn)≥f(x,…,x),则f(x0…,x)称为f(x1…,x)在S上的局部极大值