点击切换搜索课件文库搜索结果(627)
文档格式:DOC 文档大小:615KB 文档页数:23
第1~3章检测题(150分钟,满分130分) 一、填空题:(每空0.5分,共25分) 1.任何一个完整的电路都必须有电源、负载和中间环节3个基本部分组成。具有单 一电磁特性的电路元件称为理想电路元件,由它们组成的电路称为电路模型。电路的作用 是对电能进行传输、分配和转换;对电信号进行传递、存储和处理 2.反映实际电路器件耗能电磁特性的理想电路元件是电阻元件;反映实际电路器件 储存磁场能量特性的理想电路元件是电感元件;反映实际电路器件储存电场能量特性的理 想电路元件是电容元件,它们都是无源二端元件
文档格式:PDF 文档大小:2.29MB 文档页数:26
①掌握表面 Gibbs自由能和表面张力的概念;了解影响表面张力的因素。 ②理解弯曲表面附加压力产生的原因:掌握附加压力与曲率半径的关系;能够利用 Laplace公式进行计算。 ③了解弯曲液面上的蒸气压的特点:能够正确使用Km公式并能够解释常见的表面现象
文档格式:DOC 文档大小:473KB 文档页数:11
第二章燃料的采样与制样 第一节概述 煤是粒度及化学性质都很不均匀的散装固体物料,要从大量的煤中采制出能代表这批煤 平均质量的少量样品,具有很大的难度。在煤的采样、制样、化验三个环节中,如果用方差 来表示误差的话,采样的影响占80%,制样占16%,化验占4%,故在煤质分析中,关键 是采样,其次就是制样。只有获得有代表性的样品,才可能进行其后的制样与化验。为了保 证所采集的样品具有代表性,就必须遵循一定的原则,采样科学的方法,了解其技术要求, 并掌握其操作要点才能予以实现
文档格式:PPT 文档大小:1.15MB 文档页数:65
一、内能功和热量 理想气体内能EMiRT内能是状态量,是状态参量T的单值函数。实际气体内能:所有分子热运动的动能和分子间势能的总和。内能是状态参量T、V的单值函数
文档格式:DOC 文档大小:19.5KB 文档页数:1
3.同温度、同物质的量的H2和He两种气体,它们的() A、分子的平均动能相等; B、分子的平均平动动能相等; C、总动能相等; D、内能相等
文档格式:PDF 文档大小:631.44KB 文档页数:9
木建筑由于结构冗余性以及钉接节点超强的吸能耗能能力在抗震中表现良好.交叉层积木是一种新型的建筑材料.本文以交叉层积木3种柔性连接试验为基础,采用Open Sees中Pinching4自定义模型模拟连接滞回曲线的高度非线性、强度退化、刚度退化和捏拢现象.基于主次半循环累积能量的损伤模型,对交叉层积木连接进行损伤分析,并提出该连接的5种性能水平的损伤指数.Pinching4模型与连接试验结果吻合较好,进一步证明该模型模拟木节点连接性能的可行性和有效性.损伤因子对应的损伤程度基本符合试验规律,其平均值在合理范围内,计算结果离散性较低
文档格式:PDF 文档大小:563.36KB 文档页数:6
公路上正常行驶的车辆一旦操纵失控,安装在路侧的护栏就显得极为重要,可避免车辆直接冲出道路发生致命危险.波形梁护栏是最常见的一种被动防护装置,可有效抵御车辆施加的碰撞荷载.依据常规的设计思路,这种护栏可以利用波形梁板、防阻块和立柱的变形来吸收汽车碰撞所产生的能量.但与实际情况不同的是,在这一过程中忽略了地基土体对碰撞过程可能产生的影响.本文通过分别建立不考虑和考虑地基约束作用的碰撞计算模型来研究土体的贡献.在模拟过程中,分别观测货车的运行轨迹、护栏的变形和土体的变形.此外,也分析了不同部件对碰撞能量的吸收比率.与立柱接触区毗邻的土体因受冲击荷载影响,可能发生剪切失效.整个护栏系统中超过10%的系统能量实际上是由土体吸收的,常用的简化固定基模型跟实际情况有一定的出入
文档格式:PPT 文档大小:262.5KB 文档页数:7
一、波动能量的传播 当机械波在媒质中传播时,媒质中各质点均在其平衡位置附近振动,因而具有振动动能同时,介质发生弹性形变,因而具有弹性势能以固体棒中传播的纵波为例分析波动能量的传播
文档格式:PDF 文档大小:693.65KB 文档页数:7
利用热重分析天平,采用非等温燃烧的方法对生物质热解产物——生物质焦与两种无烟煤混合试样的燃烧特性及其反应动力学参数进行了实验研究,考察了不同配比的混合试样的着火温度、燃烧速率最大时温度、燃尽温度和最大燃烧速率等燃烧特征参数,求出了反应的动力学参数活化能Ea和指前因子A.结果表明:活化能和指前因子均随混煤中生物质焦比例的增加而降低,存在动力学补偿效应;煤中掺入生物质焦后,试样燃烧的第一阶段和第二阶段的活化能分别呈现出\U形\曲线和\阶梯形\曲线的规律,且对混合燃料热解过程的作用要优于对固定碳燃烧过程的作用;活化能的计算表明生物质焦的存在有助于改善煤的着火性能,对煤的燃烧有催化促进作用
文档格式:PDF 文档大小:270.08KB 文档页数:6
在语音识别中,卷积神经网络(convolutional neural networks,CNNs)相比于目前广泛使用的深层神经网络(deep neural network,DNNs),能在保证性能的同时,大大压缩模型的尺寸.本文深入分析了卷积神经网络中卷积层和聚合层的不同结构对识别性能的影响情况,并与目前广泛使用的深层神经网络模型进行了对比.在标准语音识别库TIMIT以及大词表非特定人电话自然口语对话数据库上的实验结果证明,相比传统深层神经网络模型,卷积神经网络明显降低模型规模的同时,识别性能更好,且泛化能力更强
首页上页4849505152535455下页末页
热门关键字
搜索一下,找到相关课件或文库资源 627 个  
©2008-现在 cucdc.com 高等教育资讯网 版权所有