为研究隔热隔音超细玻璃纤维棉燃烧火焰蔓延特性，采用火焰蔓延特性测试仪探究玻璃纤维棉暴露于辐射热源和明火条件下燃烧火焰蔓延特性。结果表明：当点火时间从15增大至85 s，火焰沿Y轴正向蔓延最远距离从280增至435 mm，火焰蔓延速率整体呈现先减小、后增大、再减小趋势，分析认为火焰蔓延速率中途会增大是因为试样在制样时切割出切口，使局部氧气在一定程度上得到补充。随辐射板温度在700～820 ℃范围内增大，火焰沿Y轴正向蔓延最远距离从280不断增大至390 mm，增幅达110 mm，说明增大辐射板温度对促进火焰蔓延有显著作用，而火焰沿Y轴正向蔓延最远距离的增长速率不断减小。通过监测燃烧过程中不同位置玻璃纤维棉内部实时温度，得到距离点火源越近的监测点温度整体偏高，同时最高温度出现的时间大于点火时间。得到火焰沿Y轴正向蔓延最远距离与玻璃纤维棉厚度的定量拟合曲线，得到玻璃纤维棉厚度在12～48 mm越大，对阻止火焰蔓延与扩散的效果越明显，分析认为这是由于大厚度玻璃纤维棉在燃烧时，有更多热量沿内部厚度方向传播，从而减小了火焰热量沿Y轴正向的传播速度和蔓延距离

第二章企业因特网站点建设 一、教学目的和要求 通过本章教学使学生了解企业因特网站点的概念及创建步骤,了解企业网站建设与推广方法,分析了解优秀网站的基本要素,掌握企业网站的主要功能等。 二、内容提要 1、因特网站点概述 2、企业网站的技术构成 3、企业网站的页面组成与设计 4、企业网站的经营发展策略

第六章6-2欧氏空间中特殊的线性变换(续) 命题正交矩阵的特征多项式的根的绝对值等于1证明设入∈C是正交矩阵A的特征多项式的根,则≠0.齐次线性方程组(e-a)X=0在C内有非零解向量

3.1 使用点对点信道的数据链路层 3.1.1 数据链路和帧 3.1.2 三个基本问题 3.2 点对点协议 PPP 3.2.1 PPP 协议的特点 3.2.2 PPP 协议的帧格式 3.2.3 PPP 协议的工作状态 3.3 使用广播信道的数据链路层 3.3.1 局域网的数据链路层 3.3.2 CSMA/CD 协议 3.4 使用广播信道的以太网 3.4.1 使用集线器的星形拓扑 3.4.2 以太网的信道利用率 3.4.3 以太网的 MAC 层 3.5 扩展的以太网 3.5.1 在物理层扩展以太网 3.5.2 在数据链路层扩展以太网 3.6 高速以太网 3.6.1 100BASE-T 以太网 3.6.2 吉比特以太网 3.6.3 10 吉比特和 100 吉比特以太网 3.6.4 使用以太网进行宽带接入

数字网中要解决的首要问题是网同步问题,因为要保证发端在发送数字脉冲 信号时将脉冲放在特定时间位置上(即特定的时隙中),而收端要能在特定 的时间位置处将该脉冲提取解读以保证收发两端的正常通信,而这种保证收 发两端能正确的在某一特定时间位置上提取/发送信息的功能则是由收/发两 端的定时时钟来实现的

第一节 概述 第二节 同步发电机组的机电特性 第三节 自动调节励磁系统的作用原理和数学模型 第四节 负荷特性 第五节 柔性输电装置特性

汇编语言的特点 面向机器的低级语言,通常是为特定的计算机或计算机系列专门设计的保持了机器语言的优点,具有直接和简捷 的特点。 可有效地访问、控制计算机的各种硬件设备, 如磁盘、存储器、CPU、I/O端口等。目标代码简短,占用内存少,执行速度快, 是高效的程序设计语言。 经常与高级语言配合使用,应用十分广泛

3.7傅立叶变换的基本性质 1.对称性和叠加性 2.奇偶虚实性 3.尺度变换特性 4.时移特性和频移特性 5.微分和积分特性 6.卷积定理(§3.8) 7、 Paseval定理

胀断连杆是汽车精密传动用高端产品，需具高强高韧和裂解加工脆性解理断裂特性。连铸化生产高碳易切削胀断连杆用微合金非调质钢是当前的发展方向。基于大方坯连铸生产典型工艺及其铸态组织、成分均匀性分析，研究了胀断连杆加工过程常见断口形貌不合的钢坯遗传性因素。以常用德系C70S6钢为例，采用250 mm×280 mm断面弧形连铸机，解析其在一定结晶器电磁搅拌条件下所浇铸大方坯的铸态低倍结构和枝晶形貌，并分析其不同晶区的成分分布特点。结果表明，当前连铸条件下大方坯中心缩孔和后续热轧棒材探伤合格率可控，但铸坯初凝坯壳凝固前沿发生明显的C、S负偏析白亮带区及其柱状晶偏转现象。金相试样图像分析和相场法凝固模拟表明，铸坯中柱状晶具有逆流生长特征，其偏转角是一次枝晶尖端向旋流方向逆向生长的结果。自铸坯角部至宽、窄面中心，实测柱状晶区的一次枝晶偏转角约在?7°到27°之间。利用X射线能谱分析（EDS）进一步检测了钢中主要合金元素Si、Mn、Mo在铸坯不同晶区的分布，揭示了其铸态偏析特征与差异性。据此，探讨了这种铸态组织和成分偏析对后续热轧棒材和连杆成品组织的遗传性，以及对其胀断加工断口不合的影响，可为源头铸态质量的控制提供依据

针对分类数据, 通过数据对象在属性值上的集中程度定义了新的基于属性值集中度的类内相似度(similarity based on concentration of attribute values, CONC), 用于衡量聚类结果中类内各数据对象之间的相似度; 通过不同类的特征属性值的差异程度定义了基于强度向量差异的类间差异度(dissimilarity based on discrepancy of SVs, DCRP), 用于衡量两个类之间的差异度.基于CONC和DCRP提出了新的分类数据聚类有效性内部评价指标(clustering validation based on concentration of attribute values, CVC), 它具有以下3个特点: (1)在评价每个类内相似度时, 不仅依靠类内各数据对象的特征, 还考虑了整个数据集的信息; (2)采用几个特征属性值的差异评价两个类的差异度, 确保评价过程不丢失有效的聚类信息, 同时可以消除噪音的影响; (3)在评价类内相似度及类间差异度时, 消除了数据对象个数对评价过程的影响.采用加州大学欧文分校提出的用于机器学习的数据库(UCI)进行实验, 将CVC与类别效用(category utility, CU)指标、基于主观因素的分类数据指标(categorical data clustering with subjective factors, CDCS)指标和基于信息熵的内部评价指标(information entropy, IE)等内部评价指标进行对比, 通过外部评价指标标准交互信息(normalized mutual information, NMI)验证内部评价效果.实验表明相对其他内部评价指标, CVC指标可以更有效地评价聚类结果.此外, CVC指标相对于NMI指标, 不需要数据集以外的信息, 更具实用性