数字集成电路是用来专门处理数字信号的，各种逻辑门、触发器、存储器等 电路都是数字集成电路。通常，数字信号是二进制信号。数字电路的工作特点是: 电路输出的二进制信号与输入二进制信号有一定的逻辑关系，这个逻辑关系就称 为电路的逻辑函数。 在正常的电压工作范围内，数字信号电压的幅度是被量化了的：某一电压范 围代表二进制状态中的一个状态，另一电压范围则代表了另一个状态。这两个范 围之间是不确定范围，不确定范围应尽可能小，这就使电路完全工作在非线性状 态，如图 3-1 所示

电子设备所需的直流电源，一般都是采用由交流电 网供电，经“整流”、“滤波”、“稳压”后获得。所 谓“整流”指把大小、方向都变化的交流电变成单向脉 动的直流电，能完成整流任务的设备称为整流器。所谓 “滤波”指滤除脉动直流电中的交流成分，使得输出波 形平滑，能完成滤波任务的设备称为滤波器。所谓“稳 压”指输入电压波动或负载变化引起输出电压变化时， 能自动调整使输出电压维持在原值。本章将着重介绍单 相桥式整流电路、电容滤波电路、串联型稳压电路、开 关型稳压电路的原理和应用

全书共分八章：第一章是从应用的角度介绍电力半导体器件的特性；第二、三章是讲述利用相控原理的可控整流与有源逆变和交一交变频器；第四章是讲述研究DC一DC变换的斩波器的工作原理；第五章主要是研究采用PWM技术的无源逆变器；第六章是功率因数校正；第七章是软开关技术及其应用；第八章是开关电源。本书的第六~八章是电力电子学最新的内容，其中，电感电流连续的功率因数校正的原理电路分析，直流环节谐振的软开关逆变器的补偿损耗电流的计算公式，电压电流工作波形的计算；推导出的反激式、正激式、半桥式和桥式变换的开关电源的输入输出和导通时间的统一公式，这些都是由我们首先完成但还没有正式发表过论文的科研工作的成果。本书可作为授课80学时左右的本科电工类学生的专业用书，也可供相关专业的技术人员作为参考！

在对系统进行分析设计过程中，稳定性起着主导作用。定性地说，如果系统从所需要的工作点附近起动后，意味着系统以后一直将运行停留在这一点周围，那么该系统称作是稳定的。 本章讨论的主要内容是自治系统和非自治系统Lyapunov稳定性理论，同时也给出了系统不稳定条件。 3.1 非线性系统与平衡点 3.2 稳定的概念 3.3 线性化与局部稳定性 3.4 Lyapunov直接方法 3.5 时变系统稳定性理论 3.6 非自治系统的Lyapunov分析 3.7 输入-状态稳定性 3.8 不稳定性定理 3.9 用Barbalat引理作类Lyapunov分析

结合影像学和人工智能技术对病灶进行无创性定量分析是目前智慧医疗的一个重要研究方向。针对肝细胞癌（Hepatocellular carcinoma, HCC）分化程度的无创性定量估测方法研究，结合放射科医师的临床读片经验，提出了一种基于自注意力指导的多序列融合肝细胞癌组织学分化程度无创判别计算模型。以动态对比增强核磁共振成像（Dynamic contrast-enhanced magnetic resonance imaging, DCE-MRI）的多个序列为输入，学习各时序序列及各序列的多层扫描切片在分化程度判别任务的权重，加权序列中具有的良好判别性能的时间和空间特征，以提升分化程度判别性能。模型的训练和测试在三甲医院的临床数据集上进行，实验结果表明，本文所提出的肝细胞癌分化程度判别模型取得相比几种基准和主流模型最高的分类计算性能，在WHO组织学分级任务中，判别准确度、灵敏度、精确度分别达到80%，82%和82%

针对机器或设备的剩余寿命（Remaining useful life, RUL）预测精度低的问题，提出基于一维卷积神经网络（Convolutional neural network, CNN）和双向长短期记忆（Bidirectional long short-term memory, BD-LSTM）的集成神经网络模型。为了更好地抽取时间序列上的特征，以及产生更多的训练样本，采用滑动窗口对数据进行处理，同时采用卡尔曼滤波对数据进行降噪处理，将数据标准化以及设置RUL标签。与人工提取特征不同，利用一维CNN对数据进行特征提取，并舍弃了CNN中的池化层。然后将提取到的高维特征输入到BD-LSTM进行回归预测，并采用Bagging的方式对此神经网络进行集成来预测RUL。最后通过在NASA的数据集上验证该模型的有效性，以及相比于其他机器学习或者深度学习模型的优越性，实验表明所提模型在RUL预测方面更加准确

微震能级随时间发生变化，高能级微震事件与冲击地压有良好的对应关系，为预测矿山微震能量时序变化，基于一维卷积神经网络（Convolutional neural networks，CNN），建立微震能级时间序列预测模型；通过模型训练，实现以前十次微震事件的能量级别作为输入来预测下一次微震事件的能量级别。由于微震样本数据类间不平衡问题，导致模型测试时将106能量级别的微震事件全部判断为105能量级别的微震事件，为进一步提高模型对106能级微震事件预测的准确率，对模型进行改进并使用混合采样方法训练改进后的模型；利用砚北煤矿250202工作面微震能级实测部分数据，改进后模型的总体测试正确率达到98.4%，其中106能量级别的微震事件测试正确率提升到99%。将模型应用于砚北煤矿250202工作面进行微震能级时序预测，模型的预测正确率整体达到93.5%，且对高能级微震事件的预测正确率接近100%

风能、太阳能等间歇式能源的引入和工业生产中大功率动态负载的增加，使得智能电网电力负荷越来越多呈现出大范围随机频繁波动的特点.动态负荷的增加对智能电能表的有功电能测量带来新挑战.传统的测量算法是针对稳态负荷而提出，因此无法解决智能电能表动态计量性能的改善问题.本文在传统MA （moving average）算法的基础上提出一种SDPA （segmented dot product accumulation）动态有功电能测量算法，该算法可在一定程度上减小动态功率条件下的测量误差.首先，分别讨论了传统MA和ⅡR （infinite impulse response）滤波器算法的动态响应速度和动态电能误差特性，指出两种算法对动态输入信号测量的局限性，并理论分析了影响各自动态计量性能的因素.以此为基础，提出智能电能表有功电能动态测量的SDPA算法，通过将待测的动态功率信号按周期截短、分段执行点积运算、并累加求和的方式实现动态测量.另外，通过按周期抽取的算法实现方式可以大大减少存储空间、提高运行速度.理论和仿真结果表明，与传统MA和ⅡR滤波器相比，SDPA算法在动态响应时间为一个基波周期的前提下，动态电能测量可达到较低误差水平

为了提升航班运行风险预测精度，基于某航空公司2016—2018年航班运行风险数据，在验证15个风险时间序列的混沌特性后，构建基于多变量混沌时间序列的风险预测模型。首先，对15个风险时间序列进行多变量相空间重构，采用主成分分析法（PCA）对相空间进行降维处理；然后，基于迭代预测的方式，分别采用极限学习机、RBF神经网络、回声状态网络和Elman神经网络建立风险短期预测模型；最后，以降维后的相空间作为输入，计算并比较分析未来1～7 d的风险预测结果。结果表明：多变量相空间重构后总维数为62维，经PCA降维处理，降至31维；在不同的预测模型中，降维后RBF模型预测效果最佳；其中，预测第1天结果相对误差<25%出现频数为82.62%，至第5天仍达75%以上；该模型第1天预测结果的修正平均绝对百分比误差（MAPE）值为11.32%，且前5 d均低于20%，满足航空公司使用要求。1～5 d预测结果对航班风险管控具有实践操作价值，证明基于多变量混沌时间序列的风险预测方案可行、有效

Win32操作系统平台提供了强大的多任务功能，其中 “进程”（Process）和“线程”(Thread)是其控制多任务的 两个重要概念。早期的Windows 3.x只能依靠应用程序之间 的协同来实现协同式多任务，而Windows 95/NT实行的是 抢占式多任务。 在Win 32(Windows 95/NT)中，每一个进程可以同时执 行多个线程，这意味着一个程序可以同时完成多个任务。 对于象通信应用程序那样的既要进行耗时的工作，又要保 持对用户输入响应的应用来说，使用多线程是最佳选择。 当进程使用多个线程时，需要采取适当的措施来保持线程 间的同步