理解结构体的概念和它对于编程的重要性； 理解定义结构体类型和定义结构体变量的区别； 能够用“ .”和“->”分量运算符操作结构体变量和指向结构体的指针变量； 能够定义并使用结构体数组； 了解用typedef定义数据类型。 定义结构体类型变量的方法； 结构体变量的引用； 结构体变量的初始化； 结构体数组； 指向结构体类型数据的指针； 用指针处理链表； 用typedef定义类型

工业生产过程 能源计量 一次能源（煤炭、原油、瓦斯气、石油气、天然气） 二次能源（电力、焦炭、煤气、成品油、液化石油气、 蒸汽）及含能工质（压缩空气、氧、氮、氢、水）等 生物技术

任何物体,只要其绝对温度大于零度,都会不停地以电磁波的形式向外辐射能量,温度越高,辐射 能越多;同时,又不断吸收来自外界其他物体的辐射能,并转化为热能。当物体向外界辐射的能量与其 从外界吸收的辐射能不等时,该物体与外界就产生热量的传递,这种传热方式成为热辐射

正弦稳态电路的相量图解法 在正弦稳态电路分析中,有时利用相量图求解 比较方便。相量图作为一种几何方法,具有形 象直观的特点,若与解析方法配合使用,两者 能够相辅相承,更利于求解。 利用相量图分析正弦电路时,正确选择参考相 量(即初相位为零值的相量)是关键。一般情 况下,串联电路常以电流为参考相量,对并联 电路,常以各支路的公共电压为参考相量

3.1系统的宏观和微观储存能 Macroscopic and microscopic energy of system 3.2热量、功量及质量引起的能量传递------传递中的能量 Energy transfer by Heat, Work and Mass 3.3热力学第一定律与闭口系统的能量平衡方程 The first law of thermodynamics and Energy balance equation of closed system 3.4开口系统的能量平衡方程 Energy balance equation of open system 3.5稳态稳定流动的能量平衡 Energy balance for steady-flow systems 3.6工程中的几种稳态稳定流动装置 Some steady-flow engineering devices

研究了氧对Sm(Co,Fe,Cu,Zr)z永磁体性能的影响,并借助SEM、EDS和TEM等方法分析了永磁体的显微组织变化.讨论了影响磁体性能的原因.结果表明:在氧含量不高时(质量分数<0.32%)对磁性能的影响不明显,永磁体具有良好的磁性能;在0.32%~0.4%时,随氧含量的增加磁性能开始下降;氧含量大于0.4%后,磁性能急剧恶化;当大于0.7%后,磁性能基本消失.随着氧含量的增加,磁体的晶粒尺寸减小,以Sm2O3为主的白色析出物增多.非磁性相的增多和有效Sm含量的减少是影响磁性能的主要原因

在实验室1573～1673 K条件下对铁水预处理过程进行了脱氮研究.结果表明,铁液中氧、硫和碳含量都在不同程度上影响氮在铁水中的溶解度,并用线形回归方法得到了氮溶解度与碳含量的关系式.预处理过程中初始碳含量对脱氮影响较为明显,在供氧强度相同的条件下,脱氮量随着铁水中碳含量的增加而增加.同时研究发现过程脱碳的同时能有效地脱氮,且脱碳量越大脱氮率越高.终点最低氮含量可达13×10-6,脱氮率超过50%,可满足超低氮钢对铁水中氮含量的要求

3.5 稳定流动能量方程式的应用 3.8 理想气体s的计算 3.3 闭口系能量方程 3.4 开口系统稳定流动能量方程 3.7 理想气体焓变化的计算 3.6 理想气体内能变化计算 3.1 热力学能和总能 3.2 系统与外界传递的能量

采用烟气分析方法连续获得转炉炉内脱碳反应信息,通过倒推计算法研究了转炉吹炼过程中钢水脱碳速度转折点的临界碳含量.结果表明:熔池搅拌能对反应后期脱碳速度转变的临界碳含量影响比较大,随着底吹供气强度增加,搅拌强度增强,临界碳含量[C]d降低,当熔池搅拌能大于一定值时熔池搅拌能变化对临界碳含量[C]d影响不大.对于顶吹转炉,供氧强度对临界碳含量[C]d影响很大,随着供氧强度提高,临界碳含量[C]d显著降低

针对单核学习支持向量机无法兼顾学习能力与泛化能力以及多核函数参数寻优问题，提出了一种基于群体智能优化的多核学习支持向量机算法。首先，研究了五种单核函数对支持向量机分类性能的影响，进一步提出具有全局性质的多项式核和局部性质的拉普拉斯核凸组合形式的多核学习支持向量机算法；其次，为增加粒子多样性及快速寻优，将粒子群优化算法引入了遗传算法中的杂交操作，并用此改进的群体智能优化算法对多核学习支持向量机进行参数寻优。最后，分别采用深度特征与手工特征作为识别算法的输入，研究表明采用深度特征优于手工特征。故本文采用深度特征作为多核学习支持向量机的输入，以交叉遗传与粒子群混合智能优化算法作为其寻优方式。实验选取合作医院数据集对所提算法进行训练并初步测试，进一步为了验证所提算法的泛化能力，选取公开数据集LUNA16进行测试。实验结果表明，本文算法易于跳出局部最优解，提升了算法的学习能力与泛化能力，具有较优的分类性能