一、无形资产概述 (一)无形资产概念 无形资产,是指企业为生产商品 、提供劳务、出租给他人或为管理目的 而持有的、没有实物形态的、能给企业 带来未来经济利益的非货币性长期资产

AMCM89问题蠓的分类 两种蠓Af和Apf由生物学家w. Grongan和w.w. Wirth(1981年)根据它们的触角长度和翼长加以 区分(见图89A-1),9只Af蠓用标记,6只Apf鲸用”标记。根据给出的触角长度和翼长识别出一只标 本是Af还是Apf是重要的

针对钢铁空分企业氧气放散率高、综合能耗高的问题，建立了以减小转炉用氧总量波动和降低系统能耗为目标的转炉用氧调度模型。综合考虑了吹炼区间时长不变、各吹炼区间起始时刻满足工艺要求、钢水温度大于1250 °C、转炉用氧调度前后变动最小等约束，以基于整数空间的粒子群（Particle swarm optimization, PSO）算法进行求解。同时，以国内某大型钢铁企业空分厂为案例，采用Pipeline Studio软件建立该厂区氧气管网输配系统模型，对转炉用氧调度的节能优化效果进行了验证。结果表明，本文提出的转炉用氧节能优化调度在研究时间段尽可能安排单台转炉生产，有效降低多台转炉吹氧重叠时间，在生产时间内错峰用氧，减小转炉用氧总量波动，缓解氧气供求不平衡的矛盾。在120 min研究时长内，调度前后系统氧气放散量由1242.1 m3降低至0，相应的空分系统的电耗节约了1192.42 kW·h，氧压机的压缩能耗增大了41 kW·h，氧气管网输配系统节约总能耗为1151.42 kW·h。综合计算来看，转炉用氧调度应用到全年，预计减少氧气放散总量5.44×106 m3，节约氧气管网输配系统总能耗5.22×106 kW·h

针对目前锂离子电池寿命预测结果不准确的问题，提出了一种多模态分解的锂离子电池组合预测模型，从而学习锂离子电池退化过程的微小变化。该方法在单一长短期记忆（LSTM）预测模型的基础上，采用了自适应噪声完全集成的经验模态分解(CEEMDAN)算法将锂电池容量分为主退化趋势和若干局部退化趋势，然后使用长短期记忆神经网络（LSTMNN）算法分别对所分解的若干退化数据进行寿命预测，最后将若干预测结果进行有效集成。结果表明，所提出的CEEMDAN?LSTM锂离子电池组合预测模型最大平均绝对百分比误差不超过1.5%，平均相对误差在3%以内，且优于其他预测模型

由于协作机器人的结构比普通工业机器人更为轻巧，一般动力学模型所忽略的复杂特性占比较大，导致协作机器人的计算预测力矩误差较大。据此提出在考虑重力、科里奥利力、惯性力和摩擦力等的基础上，采用深度循环神经网络中的长短期记忆模型对自主研发的六自由度协作机器人动力学模型进行误差补偿。在实验中采用优化后的基于傅里叶级数的激励轨迹驱动机器人运动，以电机电流估算关节力矩，获取的原始数据用来训练长短期记忆模型(LSTM)补偿网络。网络的训练结果和评价指标为预测力矩相比实际力矩的均方根误差。计算与实验结果表明，补偿后的协作机器人动力学模型对实际力矩具有更好的预测效果，各轴预测力矩与实际力矩的均方根误差相比于未补偿的传统模型降低了61.8%至78.9%不等，表明了文中所提出补偿方法的有效性

为适应热冲压技术的发展需求，开发了一种新型高热导率高耐磨性能热冲压用模具钢材料。采用扫描电镜（SEM）、透射电镜（TEM）等检测手段对钼钨钒合金化新型模具钢的高温回火性能与组织特征进行了研究。阐明了新型热冲压模具钢回火过程碳化物析出与演变规律。实验结果表明：实验用钼钨钒合金化模具钢材料具有良好的回火二次硬化性能，在500～600 ℃温度区间回火时，回火组织硬度上升；在600 ℃回火出现二次硬化峰值；当回火温度超过600 ℃后，组织软化程度明显，回火硬度开始下降。实验模具钢在高温回火过程中的硬度变化与其合金碳化物的偏聚、析出和聚集长大密切相关。当在560 ℃以下回火时，实验钢组织中未有合金碳化物析出；当回火温度大于560 ℃时，回火组织中开始析出M2C型碳化物；当回火温度高于600 ℃后开始析出MC型碳化物；当在620 ℃长时间回火后M2C型碳化物转化为M6C型碳化物，此时实验钢硬度开始明显下降；而当回火温度高于660 ℃时，新型实验钢组织中主要为M6C和MC型合金碳化物

一、平面曲线弧长 (1)曲线:y=f(x) asxsb=f+fx (2) =x(t) =y(t) astsB s=x'2()+()dt (3) r=r(e) asess s=()+()de 例求下类平面曲线的弧长

为了给数控机床故障的精准诊断提供保障，延长数控机床使用周期，以数控机床历史维修记录为研究对象，对数控机床设备故障领域的命名实体识别进行了研究。在分析历史维修记录中的故障描述特点后，提出了一种基于双向长短期记忆网络（Bidirectional long short-term memory, BLSTM）与具有回路的条件随机场（Conditional random field with loop, L-CRF）相结合的命名实体识别方法。首先，对输入语句进行分词和标注，使用Word2vec中的Skip-gram模型对标注语料进行预训练，将其生成的字向量通过词嵌入层转化为字向量序列；然后，将字向量序列输入BLSTM学习长期依赖信息；最后将句子表达输入L-CRF获取全局最优序列。实验结果表明，该方法明显优于其他命名实体识别方法，为数控机床设备的智能检修与实时诊断任务打下了坚实的基础

第12章假设检验典型例题与综合练 习 一、典型例题 1.U检验 例1某切割机在正常工作时,切割的每段金属棒长度服从正态分布,且其平均长度为10.5cm,标准差为0.15cm.今从一批产品中随机抽取15段进行测量,其结

分级加载压缩蠕变试验未能充分考虑稳定蠕变中的黏塑性应变，故采用三轴循环加卸载压缩蠕变试验来实现岩石的黏弹、塑性应变分离，从而使岩石黏弹、塑性应变在岩石蠕变的各个阶段得以充分考虑。以某水电站闪长玢岩为例，探讨该类岩石蠕变特性。在破坏前，岩石的瞬时弹性应变以及瞬时塑性应变随着偏应力逐级增大呈线性增长；随着偏应力的增加，黏弹性应变和黏塑性应变呈非线性增长。引入一个分数阶Abel黏壶与Kelvin模型串联形成新型黏弹性模型；用分数阶Abel黏壶代替传统的黏塑性模型中的线性牛顿体并基于损伤建立黏塑性损伤模型。然后将新型黏弹性模型和黏塑性损伤模型与瞬时弹性模型和瞬时塑性模型串联组成一个新的岩石蠕变损伤模型。最后将该模型与岩石蠕变曲线进行拟合，从而证明该模型的适用性