利用连轧机耦合振动在线监测系统获得传动轴上扭矩和轧制力信号,经回归分析发现连轧机振动时变形区中性角也存在振动现象.利用轧制理论公式推导了振动时轧制变形区中性角变化规律,建立了由连轧机振动引起的变形区中性角变化增量方程,获得振动时各参数变化对中性角振动的影响规律.研究结果表明,通过有效控制某些参数,可以提高变形区中性角的稳定性,进而抑制连轧机振动现象

利用液压伺服试验系统和声波监测仪开展了岩石和混凝土材料声发射特性试验研究,并在试验基础上研究了损伤变量与声发射参数之间的量化关系.结果表明,损伤变量与声发射参数呈线性关系.采用基于Weibull分布的损伤本构模型及损伤变量与声发射数间的经验公式,推导出应力、应变参量与声发射数参量的耦合模型,该模型参数可以根据应力-应变全曲线及损伤变量与声发射数关系曲线的几何边界条件确定其表达式,方式简单适用.通过与岩石和混凝土试样单轴压缩试验实测结果对比,证实模型可以很好地反映单轴受压状态下岩石和混凝土的应力、应变与声发射数的耦合关系

1.双边变换及其收敛域ROC。 2.ROC的特征,各类信号的ROC,零极点图。 3.Z变换的性质,常用信号的Z变换。 4.Z反变换,利用部分分式展开进行反变换。 5.用Z变换表征LTI系统,系统函数,LTI系统的Z变换分析法。 6.单边Z变换,增量线性系统的分析

在社会科学研究中,一个经常会遇到的问题就是要对定性变量数据进行量化 分析,因为研究中往往使用一些定性( Nonmetric)变量,例如名义变量或序次 变量来反映研究对象的行为、态度等,研究不同性别的顾客对不同品牌商品的喜 好,不同职业的人在吸烟行为上的差异等都属于此类研究。以往在分析这样的定 性变量时,往往需要使用非线性统计方法,例如L< linear等,但在每个变量都 划分成许多类别的情况下,这些分析方法就很难直观地揭示出变量之间的联系以 及变量类别之间的关系

采用Hopkinson拉杆试验系统对800 MPa级冷轧双相钢（DP800）进行动态拉伸试验,动态拉伸选择应变速率为500、1000和2250 s-1.通过比较试验结果得出：双相钢的塑性延伸强度Rp0.2和抗拉强度Rm与应变速率的关系呈指数形式增加;DP800在高应变速率塑性变形会产生绝热温升效应,计算可得DP800在应变速率为2250 s-1时拉伸变形产生的绝热温升为89℃.基于J-C（Johnson-Cook）模型和Z-A（Zerilli-Armstrong）模型,对DP800的本构模型进行了研究,并对J-C模型应变速率效应多项式进行二次化修正,修正后的J-C模型相较于J-C模型对DP800在不同应变速率下的平均可决系数从0.9228提高到0.9886

通过Gleeble 2000上的热模拟压缩实验,分析了Q235低碳钢在不同热加工参数下的动态组织演化特征.结果表明:应变速率和温度对Q235钢的奥氏体形变特征影响强烈.在相同变形温度下,应变速率的提高可以明显推迟动态再结晶的发生:应变速率较低时,降低温度同样可以延迟动态再结晶的发生.利用定量金相技术及线性、非线性拟合算法,建立了 Q235钢热变形过程的唯像本构关系及组织演化动力学模型,并将其应用于Autoforge3.1有限元软件平台.压缩过程有限元模拟分析表明,分别采用Arrhenius双曲正弦方程描述Q235钢的唯像本构关系及Yada模型表征Q235钢变形过程的平均晶粒尺寸,可以满足预测精度,与实际变形过程基本吻合

•拉氏变换的定义——从傅立叶变换到拉氏变换 •拉氏变换的性质，收敛域 •卷积定理(S域) •周期和抽样信号的拉氏变换 •系统函数和单位冲激响应 •拉氏变换与傅氏变换的关系

针对厂坝铅锌露天矿高陡边坡的特点,确定了以\GPS监测手段为主,以水准仪、裂缝仪等监测手段为辅\的监测方案,详细介绍了该方案的设计与布设.以北帮边坡1500 m台阶的监测数据为例进行了变形规律分析,并评价了北帮边坡的综合监测结果.结果表明:在监测点B03～B06的北帮边坡稳定性最差,近600 d的最大位移量为231.1 mm,存在着滑移岩体;1500 m边坡岩体的变形速率曲线显现出明显的S形,凸起段表现为由雨季降水引起的加速变形期;裂缝的累积变形阶段呈现出初期的相对稳定期、中期的变形触发期和第3阶段的稳定变形持续期;北帮中部台阶1500 m边坡的变形较其他台阶边坡显著,稳定性最差.因此,该监测系统的应用效果较好,是高陡边坡变形监测的重要方法之一

（1)对两变量间的相关度的分析的统计技术称为 二元变量技术。若涉及两个以上的变量,采用 的统计技术叫多元变量技术。 （ 2)分析两个变量之间的相关度时,两个变量分 别被定义为自变量和因变量。自变量是指那些 可以影响因变量结果的变量。例如,价格、广 告费或零售点的数量等自变量常用于预测或解 释一个品牌的销售量或市场份额(因变量)

因子分析(factor analysis)是一种数据简化的技术 。它通过研究众多变量之间的内部依赖关系,探求观测数 据中的基本结构,并用少数几个假想变量来表示其基本的 数据结构。这几个假想变量能够反映原来众多变量的主要 信息。原始的变量是可观测的显在变量,而假想变量是不 可观测的潜在变量,称为因子。 例如,在企业形象或品牌形象的研究中,消费者可以 通过一个有24个指标构成的评价体系,评价百货商场的24 个方面的优劣