深度神经网络技术用于机械设备故障诊断展现出了巨大潜力，但繁重复杂的计算量对计算机硬件提出了严苛的要求，严重限制了其在实际工程中的应用。基于此提出一种新型的轻量级神经网络ShuffleNet，用于高速列车轮对轴承故障诊断研究。该网络模型基于模块化设计思想，包含多个高效率的ShuffleNet单元，通过运用分组卷积与深度可分离卷积技术极大改善了传统卷积操作的运算效率；同时使用通道混洗方法克服了通道分组带来的约束，改进了网络的损失精度。实验分析表明，所提网络模型可有效用于复杂工况下高速列车轮对轴承故障诊断，相比传统卷积神经网络、残差网络和Xception等当前深度神经网络模型，在保证诊断精度的同时，运行效率得到大幅提升。这为深度神经网络技术应用于工程实际，克服计算机硬件条件限制提供了一条新的途径

在冷连轧无取向硅钢薄带过程中，为了实现锥形工作辊窜动自动控制边降，需要合理的确定功效系数与策略。这种系数的获得，不只需要研究本道次的轧辊弹性变形、薄带横向流动、机架间变形对窜辊效率的影响，更重要的是需研究上游机架窜辊对下游机架的影响。这就需要高效的仿真模型来完成以上计算。基于边降区域的金属横向流动理论，建立了将横向流动视为纯剪切增量的数值模型，避免了沿带宽方向建立刚度矩阵，从而提高了计算效率。同时考虑了薄带在机架间发生的轧后屈服流动，由于锥形工作辊窜动，打破了带钢断面的等比例遗传关系，使得轧后带钢在边部区域需要缩宽并减薄来补偿边部延伸率差。所建立的数值模型通过工业现场实验验证，相比于原有模型具有更高的精度。完成了两个机架连续计算，研究了上游机架窜辊对下游机架出口边降的影响。研究发现，第一机架的边降控制范围最宽，第二、三机架控制范围逐渐变窄。根据该规律设计了根据三点边降偏差的配合调控策略，相比单点策略在工业应用中取得了更好效果

数字信号处理学科是随着半导体器件和计算机技术的发展而出现的，它将数字或符号表示的序列，通过计算机或专用的硬件处理设备，用数字的方式去处理，以得到人们所要求的信号形式。例如，对信号滤波，选择了信号的有用分量，而抑制了无用分量；或是估计信号的特征参数。总之，数字信号处理的内容丰富多彩，凡是用数字的方式对信号进行滤波、变换、估计、识别等，都是数字信号处理的研究对象。 1.1模拟信号的数字化处理过程 1.2 数字信号处理系统具有的特点 1.3 数字信号处理涉及的主要内容 1.4 数字信号处理的框架结构

提出一种应用于大容量超高速(4000kW/3600r·min-1)双馈变频调速控制方法,研制出相应的实际控制系统.根据系统中负载电机、大功率变流器和工程化矢量空间计算的离散数学模型,以PSIM6.0的SIMCAD环境为开发平台,建立起双馈电机变频调速矢量控制系统算法仿真平台,计算出相关的仿真结果,并以此为基础设计、研制出实际应用控制系统.6500MW冲击发电机机组实验运行结果表明,系统电流响应超调量小,激磁和转矩分量解耦,动态过程磁链平滑,验证了系统仿真模型的有效性.该控制系统具备与直流传动系统相同的优越动、静态品质

深度神经网络近年在计算机视觉以及自然语言处理等任务上不断刷新已有最好性能，已经成为最受关注的研究方向.深度网络模型虽然性能显著，但由于参数量巨大、存储成本与计算成本过高，仍然难以部署到硬件受限的嵌入式或移动设备上.相关研究发现，基于卷积神经网络的深度模型本身存在参数冗余，模型中存在对最终结果无用的参数，这为深度网络模型压缩提供了理论支持.因此，如何在保证模型精度条件下降低模型大小已经成为热点问题.本文对国内外学者近几年在模型压缩方面所取得的成果与进展进行了分类归纳并对其优缺点进行评价，并探讨了模型压缩目前存在的问题以及未来的发展方向

针对冷连轧机动态变规格特性,提出了以变规格前的带钢张力设定值为控制目标的变规格机架速度控制策略.通过建立张力作用下带钢弹性变形的数学解析模型,推导计算了单步小压下变规格时变规格机架的速度控制规律,并根据流量相等原则对变规格后的冷连轧机前面机架进行速度设定.当变规格前后带钢的几何尺寸或材料特性差异较大时,提出利用楔形段方式完成动态变规格,采用上述张力控制目标策略推导计算了楔形段动态变规格方式每个中间厚度的轧制速度和辊缝设定值控制规律.本策略可将变规格造成的厚度偏差控制在变规格机架之间,同时避免了变规格机架与其他机架轧制因素通过张力的耦合,使轧制过程的动态变规格控制易于实现

本题中所使用的长度单位为 E(=30.24cm)；容积单 位为 G(=3.785L(升)). 某些州的用水管理机构需估计公众的用水速度 (单位是 G/h)和每天总用水量的数据。许多地方没有测 量流入或流出水箱流量的设备，而只能测量水箱中的 水位(误差不超过 5%). 当水箱水位低于某最低水位 L 时，水泵抽水，灌入水箱内直至水位达到某最高水位 H 为止。但是也无法测量水泵的流量，因此在水泵启 动时无法立即将水箱中的水位和水量联系起来。水泵 一天灌水 1~2 次，每次约 2h. 试估计在任意时刻(包括 水泵灌水期间)t 流出水箱的流量 f(t)，并估计一天的总 用水量

§2.1 回归分析概述 (Regression Analysis) 一、变量间的关系及回归分析的基本概念 二、总体回归函数 三、随机扰动项 四、样本回归函数 §2.2 一元线性回归模型的基本假设 (Assumptions of Simple Linear Regression Model) 一、关于模型设定的假设 二、关于解释变量的假设 三、关于随机项的假设 §2.3 一元线性回归模型的参数估计 (Estimation of Simple Linear 一、参数的普通最小二乘估计（OLS） 二、参数估计的最大或然法(ML) 三、最小二乘估计量的性质 四、参数估计量的概率分布及随机干扰项方差的估计 §2.4 一元线性回归模型的统计检验 Statistical Test of Simple Linear Regression Model 一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间 §2.5 一元线性回归分析的应用——预测问题 一、预测值条件均值或个值的一个无偏估计 二、总体条件均值与个值预测值的置信区间 §2.6 实例及时间序列问题

近年来路径跟踪控制的发展十分迅猛，研究者们发表了大量的研究成果。考虑到在相同或相近工况下的路径跟踪控制存在一些共性的技术问题与解决思路，从低速路径跟踪控制和高速路径跟踪控制两个角度对近年来的研究成果进行了回顾。在关于低速路径跟踪控制的研究工作中，研究者们较为重视前轮转角速度约束等系统约束对路径跟踪精确性的影响。目前减少系统约束影响的方法包括在规划参考路径时将系统约束纳入考虑，采用预瞄控制使控制器提前响应，以及采用线性模型预测控制（LMPC）或非线性模型预测控制（NMPC）等模型预测控制方法作为路径跟踪控制方法等。考虑到NMPC既能减少系统约束的影响，又无需人为设置预瞄距离，且对定位误差等扰动因素具有较强的鲁棒性，加之低速路径跟踪控制对实时性的需求较低，因此可以认为NMPC能够满足低速路径跟踪控制的绝大多数需求。高速路径跟踪控制在受系统约束影响之外，还面临着较高车速带来的行驶稳定性不足问题的挑战，因此常采用能够将动力学层面的复杂系统约束纳入考虑且计算成本较低的LMPC作为路径跟踪控制方法。不过仅采用动力学层面的LMPC控制方法无法完全解决高速路径跟踪控制中路径跟踪精确性和车辆行驶稳定性之间存在耦合的问题，目前常见的解决思路是在路径跟踪控制中加入额外的速度调节或权重分配模块。此外，在高速路径跟踪控制中，地面附着系数等环境参数的影响也较大，因此地面附着系数等环境参数的估算也成为了高速路径跟踪控制领域的重要研究方向

第一章 等切面曲线和相似曲线 第二章 旋转网球的轨迹 第三章 道路照明问题 第四章 平面三体问题的轨道 第五章 半导体的内部场 第六章 某些最小二乘问题 第七章 广义台球问题 第八章 镜面曲线 第九章 光滑滤子 第十章 雷达问题 第十一章 圆的保形映射 第十二章 陀螺 第十三章 标度问题 第十四章 热流问题 第十五章 模拟贯穿现象 第十六章 玻色粒子系统的热容量 第十七章 金属自由挤压加工 第十八章 Gauss积分 第十九章 Runge-Kutta显式公式的符号计算 第二十章 双相半波整流器的瞬时反应 第二十一章 输电设备中的电路 第二十二章 Newton和 Kepler定律 第二十三章 点云的最小二乘拟合 第二十四章 社会过程建模 第二十五章 解析函数的等值图 第二十六章 非线性最小二乘法:飞机的最准确的定位 第二十七章 计算平面日晷