本文用最小二乘配点法分析弹性壳体弯曲问题。采用了加权残数法中的混合法-事先既不满足壳体弯曲定解微分方程式亦不满足边界条件,所选试函数为文献[1]中提到的双重幂级数。对于4边简支圆柱壳,其数值计算解与经典解析解误差不超过1.5%;对于悬臂圆柱壳,取其特例一悬臂效分析时,其结果与解析解误差亦不大。用本法可以编制出壳体弯曲问题的通用计算程序

本章讨论各种子程序的结构、功能以及子程序与主程序或子程序之间的数据交互作用。语句函数不具备子程序的一般书写特征，但其作用与子程序相同，也一并放在本章讨论。通过本章的学习，读者应能熟练地选择并设计恰当的子程序形式来构造自己的程序，从而提高程序设计能力

1、比例环节（又叫放大环节） 特 点：输出量按一定比例复现输入量， 无滞后、失真现象

一、权力的定义 权力是一个人或群体对其他人或群体施加影响,使其按照施加者的意愿去行事的能力。 1、权力的特性 1、权力具有情景性。 2、权力是潜在的。 3、权力是依赖的函数

对于离散的数据或图形函数，常规方法也不能 给出合理的积分或微分。然而离散数据又是计 算机时代的基本特点

一、离散型随机变量的数学期望 二、连续型随机变量的数学期望 三、随机变量函数的数学期望 四、数学期望的性质

掌握随机变量的数学期望、方差、协方差、相关系数等几个基本概念及其性质并会求一 些随机变量及函数的数学期望与方差为后面的学习打下基础

为实现弹药传输机械臂中不可测参数的辨识,建立了机械臂的虚拟样机,并将其作为样本数据的来源;考虑到样本数据的连续性和平滑特性,使用函数型数据分析和函数型主成分分析对样本数据进行了特征提取,并利用提取的特征参数和待辨识参数作为训练样本对极限学习机(ELM)进行了训练.为提高极限学习机的辨识精度和泛化能力,利用粒子群算法对极限学习机的输入层与隐含层的连接权值和隐含层节点的阈值进行了优化.最后,分别利用仿真数据与测试数据对此方法进行了验证,仿真数据的辨识结果表明,优化后的极限学习机具有更高的辨识精度和泛化能力;同时,通过对比将测试数据的辨识结果代入模型中进行仿真得到的支臂角速度与测试角速度,验证了此方法的可行性和有效性

本文的重点是用包络法系统地讨论了平面包络弧面蜗杆传动的啮合特性,其中包括接触线、界限线、非工作区、根切和综合曲率。並提出一些主要参数较佳值的选择。本文所用的包络法,是在一般包络法的基础上,结合隐函数组和吸收运动学法的某些优点,作了改进

针对梯度功能材料(FGM)制备过程的复杂性,提出了利用神经网络信息处理机制进行制备材料的特性预估;实例分析表明,这一方法是有效的.同时,针对BP学习算法速度较慢,易陷入局部极小的缺点,改用函数型连接网络来提高学习速度.试验表明学习速度提高显著