一、一阶常系数齐次线性差分方程的求解 二、一阶常系数非齐次线性差分方程的求解 三、小结

软件介绍 动力分析 ▪ Dynamic Option 桩-土相互作用分析 ▪ Interface 隧道分析 ▪ Structure Element 流固耦合分析 ▪ Fluid-Mechanical Interaction 学习方法及经验介绍

一、概述 二、 膜分离操作模型 三、 膜组件应用形式及其适用范围 四、分离膜性能

1. C650车床电气控制电路分析 2. XA6132型卧式万能铣床电气控制 3. T68型卧式镗床电气控制电路分析 4.起重机械电气控制电路分析

针对装备各类故障样本分布不平衡、现有算法故障诊断精度较低的问题，通过引入p范数约束多核极限学习机和基于AdaBoost的集成学习策略，定义了一种p范数约束下正则化加权多核集成极限学习机的故障诊断模型。首先，在p范数约束下，基于各类故障样本自身规模，分别进行了两种自适应的样本权重分配；其次，在每层分类器的优化中，将多核学习的多源数据融合能力和极限学习机运算高效的特点相结合，同时，将样本的权重$ {\\boldsymbol{W}} $

随着我国隧道工程建设的快速发展,由隧道病害引发的隧道质量和安全问题越发常见.通过地质雷达探测隧道病害对于减少隧道质量和安全问题具有十分重要的意义,为了提高病害探测的效率及可靠性,基于雷达反射波信号多维度分析,提出一种隧道病害智能辨识的新方法.根据反射波信号时域、频域及时频域分析结果提取病害信号辨识的6个典型特征,利用支持向量机算法对典型特征的训练构建病害信号的二分类模型,实现了病害水平分布范围的自动辨识;再依据病害信号的第一本征模态函数分量振幅包络计算病害深度分布范围,最终实现隧道病害的智能辨识.结合某隧道回填层雷达实测数据对智能辨识算法的性能进行评价,与人工辨识结果的对比表明,该智能算法对于病害的辨识能力较强,病害的识别率高达100%,但辨识结果中同时存在少量误判,准确率达78.6%,满足工程应用的需求.该算法可用于隧道工程各类地质雷达探测数据中病害的智能辨识,而对于其他领域的地质雷达探测数据,本文研究成果亦可为不同类型探测目标智能辨识算法的设计提供可行思路

2.1分离变量方法 分离变量法是将分离变量形式的 试探解代入偏微分方程中,将求解偏 微分方程的问题转化为求解常微分方 程组的问题,是求解数学物理方程的 经典而有效的方法之一

1、了解分馏的原理和意义； 2、了解分馏柱的种类和选用方法； 3、学习实验室里常用分馏的操作方法

分别采用X射线衍射、金相显微镜、原子力显微镜和透射电镜等组织表征手段以及室温拉伸和热膨胀系数测试等性能测试方法,对比研究了高温退火、低温时效处理对冷拔Fe-Ni合金丝微观组织演变、拉伸强度以及热膨胀系数的影响.研究结果表明:原始丝材强度高,但是室温热膨胀系数较大;而950℃退火导致晶粒粗化以及位错密度降低,虽然室温热膨胀系数低,但强度不足.相比之下,500℃较低温度的时效处理,能获得最优的强度/热膨胀系数组合(1189 MPa/0.2×10-6℃-1).对Fe-Ni合金丝相应的强化机制以及热膨胀系数的影响因素分别进行了讨论分析,分析结果表明:细晶强化与位错强化是该合金丝的主要强化机制,而热膨胀系数则主要受溶质原子-位错交互作用影响.揭示出,合适的热处理工艺选择对于Fe-Ni合金丝力学性能/热膨胀性能优化具有重要意义

1.内力在变形体内某一截面上分布的描述 T M 用截面法求某一截面上的内力，得出该截面上的 内力分量：