6.1概述 6.2人体对振动的响应以及平顺性 6.3路面统计特性 6.4汽车振动系统的简化及单质量系统的振动 6.5车身和车轮双质量系统的振动

以平煤集团十一矿综掘工作面为研究背景,根据经验和实际情况,确定了与掘进机相配套的长压短抽式通风除尘系统.运用数值分析和现场测试相结合的方法,对综掘工作面粉尘分布规律进行了研究.基于GAMBIT技术建立工作面的几何模型,应用计算流体力学FLUENT软件对该工作面应用长压短抽式通风除尘系统前后的粉尘分布进行数值模拟.数值模拟结果与现场粉尘质量浓度测试结果相近.结果表明,采用长压短抽式通风除尘系统除尘效率达95%以上,可使综掘工作面的粉尘质量浓度接近或达到1.0×10-5kg·m-3

采用三维刚塑性有限元法对四种径向精锻变形道次的变形分布进行了数值模拟计算;结合模拟实验讨论了变形分布对锻材组织及质量的影响。结果表明,变形分布的均匀性和渗透性的结合是获得高质量锻材的必要条件,工艺中应给予考虑

第六章软件测试 6.1基本概念 软件开发过程必须伴有质量保证活动。软件测试是软件质量保证的关键元素,代表了规约、设计和编码的最终检查

在气体吸附分离过程中,吸附床内气体流动过程实质上是一个变质量流动过程.借助二维模型对吸附床内气体的速度分布进行了研究,在模型中考虑了吸附引起的质量变化和床层的径向空隙率的分布.结果表明:(1)多孔介质本身对流动有着重整作用,使流动趋于均匀分布,但是进口端的吸附剂受入口效应的影响较大,在此区域速度呈W形分布,部分区域达到流化状态;(2)在吸附步骤,速度在传质区有着较大的变化,在其他的三个步骤内,速度沿吸附剂床层近似线性变化;(3)降压步骤中,床中气体速度较高,对颗粒冲击较大,易引起摩擦和粉化,应合理控制降压速率;(4)气体吸附引起的质量变化对压力和速度有着重要影响,不能轻易忽略

带钢热连轧是一个多阶段的生产过程,在工序繁多的加工过程中与产品质量直接相关的控制参数和目标参数近百个.如何找到控制参数和目标参数之间存在的信息加以利用,提高热轧带钢产品质量一直是科研人员和工程技术人员努力的目标.研究表明,利用数据挖掘方法结合热连轧生产的工业特点,提取潜在的、有用的、最终可理解的工艺知识,得到质量缺陷与控制状态的对应关联关系,通过控制变量权值向量和数据挖掘高危关联状态集合综合分析,可以迅速对带钢质量问题的产生原因进行定位,找出关键控制变量做出调整,减少经济损失,提高生产效率,为热轧带钢产品质量问题分析提供科学、准确的思路

食品质量与安全问题是一个全球性问题,一个涉及政治稳定、经济繁荣、人类健康与种 族繁衍等方面的重要问题。进入21世纪后,人类在自身发展过程中对全球生态环境以及食 物链的不良影响,通过一系列食品安全事件暴露出来。食源性疾病在世界各国的爆发与流行 不断发生;化学药物(农药、抗生素和生长促进素等)对食品质量与安全的影响逐渐突出;经 动物及其制品传染给人的“人畜共患病”(例如疯牛病)更使人胆战心惊。各种导致食品质量 与安全问题的因素随着食品加工规模化发展,以及食品贸易全球化进程而影响、涉及世界各 国。我国近几年来食品质量与安全问题突显严重受到食品业、科技界和消费者的高度关注

第十二章 软件项目计划 ◼ 问题定义 ◼ 可行性研究 ◼ 软件风险分析 ◼ 项目实施计划 第十三章 软件工程管理 ◼ 管理的目的与内容 ◼ 软件估算模型 ◼ 软件成本估计 ◼ 人员的分配与组织 ◼ 项目进度安排 ◼ 软件知识产权保护 第十四章 软件质量管理 ◼ 从质量保证到质量认证 ◼ 质量保证 ◼ 软件可靠性 ◼ 程序正确性证明 ◼ CMM软件能力成熟度模型 ◼ ISO9000 国际标准 ◼ 软件度量 第十五章 软件工程环境 ◼ 什么是软件工程环境 ◼ CASE环境的组成与结构 ◼ CASE环境实例 ◼ Rational SUITE Enterprise Studio ◼ 青鸟系统

为解决进行PM2.5质量浓度预测中多因素回归模型的不稳定、神经网络模型的过拟合及局部最小等问题，提出应用支持向量机和模糊粒化时间序列相结合的方法，对PM2.5质量浓度未来变化趋势和范围进行预测.根据PM2.5不同季节的日变化周期模式，确定以24 h为周期的粒化窗宽，利用三角型隶属函数对数据样本进行特征提取作为支持向量机的输入，并在k重交叉验证法下采用网格划分寻找出模型的最佳参数.以2013年3月—2014年2月北京市海淀区万柳监测点四个季节PM2.5的1 h质量浓度监测值为样本数据，应用该方法建立PM2.5质量浓度的时间序列预测模型，并在MATLAB平台下应用LIBSVM工具实现计算过程.结果表明，基于模糊粒化时间序列的预测模型，能较好解决PM2.5机理性建模方式下由于影响因素考虑不全而造成的预测结果不稳定，对模糊粒子拟合效果较好

针对传统基于BP神经网络建立的连铸坯质量预测模型训练速度慢、适应能力弱、预测精度低等问题,本文提出一种基于极限学习机的连铸坯质量预测方法,对方大特钢60Si2Mn连铸坯中心疏松和中心偏析缺陷进行预测,并与BP和遗传算法优化BP神经网络预测模型的预测结果进行分析对比.结果表明:BP及GA-BP神经网络预测模型对连铸坯中心疏松和中心偏析缺陷的预测准确率分别为50%、57.5%、70%和72.5%;而基于极限学习机的连铸坯预测模型预测准确率更高,对连铸坯中心疏松和中心偏析缺陷的预测准确率分别为85%和82.5%,且该模型具有极快的运算时间,仅需0.1 s.该模型可对连铸坯质量进行迅速准确地分析,为连铸坯质量预测的在线应用提供了一种新的方法