5.1组合体的形体分析法 5.2组合体三视图的画法 5.3组合体的尺寸标注 5.4读组合体视图的方法

第一章 引论（控制理论的一般概念） 第二章 线性系统的数学模型 第三章 时域分析法 第四章 根轨迹法 第五章 频率特性法 第六章 线性系统的校正方法 第七章 非线性的系统

第一章 引论（控制理论的一般概念） 第二章 线性系统的数学模型 第三章 时域分析法 第四章 根轨迹法 第五章 频率特性法 第六章 线性系统的校正方法 第七章 非线性的系统

为了提升航班运行风险预测精度，基于某航空公司2016—2018年航班运行风险数据，在验证15个风险时间序列的混沌特性后，构建基于多变量混沌时间序列的风险预测模型。首先，对15个风险时间序列进行多变量相空间重构，采用主成分分析法（PCA）对相空间进行降维处理；然后，基于迭代预测的方式，分别采用极限学习机、RBF神经网络、回声状态网络和Elman神经网络建立风险短期预测模型；最后，以降维后的相空间作为输入，计算并比较分析未来1～7 d的风险预测结果。结果表明：多变量相空间重构后总维数为62维，经PCA降维处理，降至31维；在不同的预测模型中，降维后RBF模型预测效果最佳；其中，预测第1天结果相对误差<25%出现频数为82.62%，至第5天仍达75%以上；该模型第1天预测结果的修正平均绝对百分比误差（MAPE）值为11.32%，且前5 d均低于20%，满足航空公司使用要求。1～5 d预测结果对航班风险管控具有实践操作价值，证明基于多变量混沌时间序列的风险预测方案可行、有效

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

5.1 频率特性及其表示法 5.2 典型环节对数频率特性曲线的绘制 5.3 极坐标图(Polar plot)，幅相频率特性曲线，奈奎斯特曲线 5.3.1 积分与微分因子 5.3.2 一阶因子 5.3.3 二阶因子 5.3.4 传递延迟 5.4 对数幅-相图(Nichols Chart)尼柯尔斯图 5.5 奈奎斯特稳定判据(Nyquist Stability Criterion) 5.5.1 预备知识 5.5.2 影射定理 5.5.3 影射定理在闭环系统稳定性分析中的应用 5.5.4 奈奎斯特稳定判据 5.5.5 关于奈奎斯特稳定判据的几点说明 5.5.6G(s)H(s) 含有位于 j 上极点和/或零点的特殊情况 5.6 稳定性分析 *5.6.1 条件稳定系统 *5.6.2 多回路系统 *5.6.3 应用于逆极坐标图上的奈奎斯特稳定判据 *5.6.4 利用改变的奈奎斯特轨迹分析相对稳定性 5.7 相对稳定性 5.7.1 通过保角变换进行相对稳定性分析 5.7.2 相位裕度和增益裕度

5.1 频率特性及其表示法 5.2 典型环节对数频率特性曲线的绘制 5.3 典型环节的幅相曲线的绘制 5.4 稳定裕度和判据 5.3 极坐标图(Polar plot)，幅相频率特性曲线，奈奎斯特曲线 5.3.1 积分与微分因子 5.3.2 一阶因子 5.3.3 二阶因子 5.3.4 传递延迟

2.1 放大器概述 2.2 放大器基本分析法 2.3 晶体管偏置电路 2.4 晶体放大器的三种基本组态 2.5 场效应管放大器 2.6 有源负载放大器 2.7 多级放大器 2.8 放大器的表示法

浙江大学：《化工原理》本科课程教学资源（PPT课件）第四章 热量传递基础 §4.3 对流传热 §4.3.1理论分析法求α §4.3.2实验方法求α §4.3.3 类比法求α 对流传热系数小结 α的数量级

5.1频率特性及其表示法 5.2典型环节对数频率特性曲线的绘制 5.3极坐标图(Polar plot),幅相频率特性曲线,奈奎斯特曲线 5.3.1积分与微分因子 5.3.2一阶因子 5.3.3二阶因子 5.3.4传递延迟