第2章机器体系机构对语言的影响 2.1计算机的操作 2.2虚拟计算机和绑定时间

机器语言一计算机能够直接识别并执行的二进制机器指令序列 优点:开销小、运行速度快 缺点:难以编写和理解,编程效率很低

为了更加快捷、高效地判定边坡稳定与否，基于机器学习，融合主成分分析法（PCA）、参数调整、影响因素权重分析等，建立了一种边坡安全稳定性评价体系。研究发现，运用PCA可以在保留80%数据原信息的前提下将输入变量维度从六维降至三维，但此时模型效果有所下降；随机森林及梯度提升(XGBoost) 两种学习算法均可搭建有效的边坡安全稳定性评估模型，通过对其预测效果的对比分析，确定XGBoost为最佳评价模型。与此同时，采取卡方检验、F检验以及互信息法3种相关性检验手段，并通过计算评价因子的重要程度且加以可视化展示，明确了容重、坡高、内摩擦角以及内聚力4个内在因素的重要性，最终将评估结果与实际结合提出了边坡安全防护措施

绪论 1研究对象和内容 机械机构和机器的总称机器种类:缝纫机、洗衣机、复印机、汽车、各种机床、内燃机、卷扬机

1.1计算机概述 一、什么是计算机 计算机是一种能对各种信息进行存储和高速处理的工具或电子机器。 对上述定义要强调两点: ①计算机不仅是一个计算工具,而且还是一个信息处理机。 ②计算机不同于其它任何机器,它能存储程序,并按程序的引导自动存取和处理数据,输出人们所期望的信息

一、认识机器 二、机器的分类和组成 三、机械发展历程概述

一、概述 1.机器装配与装配工艺系统图 装配:按照规定的技术要求,将零件或 部件进行配合和联接,使之成为半成品或成 品的过程,称为装配

针对熔化焊在焊接AA7B04铝合金时易在焊缝中出现孔洞等缺陷，且接头性能下降明显、焊后变形大，以及采用铆接等机械连接方式会增加连接件的重量等问题，采用集成了搅拌摩擦焊末端执行器的KUKA Titan机器人对2 mm厚AA7B04高强铝合金进行了焊接，在转速为800 r·min-1的条件下，研究了焊度对焊接过程中搅拌头3个方向的受力Fx、Fy和Fz的影响.研究发现，Fz受焊速的影响显著，随焊速的增加而降低.利用光学显微镜、透射电子显微镜、拉伸试验、三点弯曲试验和硬度测试等方法，研究了不同焊速下AA7B04铝合金接头的微观组织和力学性能.结果表明：当焊速为100 mm·min-1时，接头的抗拉强度最高为447 MPa，可达母材的80%，且所有接头的正弯和背弯180°均无裂纹；接头横截面的硬度分布呈W型，硬度最低点出现在热力影响区和焊核区的交界处，焊速不同会导致不同的焊接热循环，且随着焊速的增加接头的硬度随之增加；焊核区组织发生了动态再结晶，生成了细小的等轴晶粒，前进侧和后退侧热力影响区的晶粒均发生了明显的变形；前进侧热影响区析出η'相，后退侧热影响区因温度较高析出η'相和尺寸较大的η相

1.面向机器语言 机器语言和汇编语言 2.面向过程(数据加工过程)语言: $Ac, fortran, pascal, basic 3.面向对象语言:如c++ 4.智能化语言

针对机器或设备的剩余寿命（Remaining useful life, RUL）预测精度低的问题，提出基于一维卷积神经网络（Convolutional neural network, CNN）和双向长短期记忆（Bidirectional long short-term memory, BD-LSTM）的集成神经网络模型。为了更好地抽取时间序列上的特征，以及产生更多的训练样本，采用滑动窗口对数据进行处理，同时采用卡尔曼滤波对数据进行降噪处理，将数据标准化以及设置RUL标签。与人工提取特征不同，利用一维CNN对数据进行特征提取，并舍弃了CNN中的池化层。然后将提取到的高维特征输入到BD-LSTM进行回归预测，并采用Bagging的方式对此神经网络进行集成来预测RUL。最后通过在NASA的数据集上验证该模型的有效性，以及相比于其他机器学习或者深度学习模型的优越性，实验表明所提模型在RUL预测方面更加准确