针对采用以太网控制自动化技术(EtherCAT)工业总线的感应电机交-直-交变频矢量控制系统的入侵检测技术进行了研究. 首先通过对EtherCAT总线协议进行深度解析, 结合目前为止已经发现的EtherCAT工业总线常见协议漏洞, 提取协议数据包的关键特征并构建EtherCAT总线协议入侵检测规则库, 采用三维指针链表树作为针对EtherCAT总线协议规则库的检索数据结构; 其次, 根据感应电机交-直-交变频矢量控制系统的物理模型, 进行模型参数仿真计算, 并根据仿真计算值, 构建矢量控制模型入侵特征的最小二乘支持向量机(least square support vector machine, LSSVM)分类器, 使用混沌粒子群优化(choatics particle swarm optimization, CPSO)算法对分类器的参数进行优化, 二者共同构成了CPSO-LSSVM入侵检测分类算法. 异常数据包在被分类后, 会被传递给Suricata入侵检测引擎进行精确规则匹配; 最后为该入侵检测系统搭建物理实验环境, 经过测试, 本文中的交-直-交变频矢量控制模型仿真结果动态性能良好, 与实际矢量控制系统参数的波形变化趋势相近. 通过抽取KDD Cup99测试数据集中的一部分对该入侵检测系统实施DOS攻击、R2L、U2R以及PROBING攻击行为, 验证该入侵检测系统的有效性

提出了一种高孔隙率开孔泡沫金属的结构简化几何模型,运用热电比拟理论在胞孔尺度上分析并求解了有效热导率的计算表达式,并根据已有实验数据进行模型修正.同时模拟分析了金属泡沫三维矩形通道内空气流动的对流换热情况,与实验结果进行了对比验证.研究表明,本文提出的胞孔有效热导率修正模型对铝泡沫金属有一定的适用性;相同孔隙率条件下,泡沫金属通道内强制对流的对流换热系数随孔密度的增加(即孔径的减小)而增大,但付出的代价是阻力也随之增大;相对而言,低孔密度的泡沫金属具有较好的对流换热综合性能

对神经网络和传统模式识别技术的基本原理和应用特点进行比较.根据已有烧结合成O'-Sialon的实验数据,利用改进后的人工神经网络,构筑了材料相组成及性能的预测模块,并与模式识别技术处理得到的结果进行了比较.在此基础上,探索了合成O'-Sialon-BN复合材料的工艺条件,并通过实验结果进行了验证

自然界普遍存在对流换热,它比导热更复杂。 到目前为止,对流换热问题的研究还很不充分。(a)某些方面还处在积累实验数据 的阶段;(b)某些方面研究比较详细,但 由于数学上的困难;使得在工程上可应用 的公式大多数还是经验公式(实验结果)

建立了以纯金属原子半径、熔点、沸点和原子化焓预测表面张力的人工神经网络模型．训练后的神经网络能较好的拟会实验数据.对40种金属的表面张力进行回想和预测结果与实验值的偏差在可接受范围内，表明人工神经网络在纯金属表面张力预测方面有一定的前景．

两者是紧密相联系的 概率论:纯数学的一个分支,从一些公理和定义出发,用演绎法( deduction)建立理论 统计学:应用数学的一个分支,用归纳法( induction)处理问题。 例如:掷硬币的实验 设p为掷硬币时其正面朝上的概率,则其反面朝上的概率为1;

序言 测量误差及数据处理 实验一 长度测量 实验二 固体和液体密度的测定 实验三 单摆实验 52 实验四 简谐振动特性研究与弹簧劲度系数测量 实验五 验证牛顿第二定律 实验六 拉伸法测定金属丝的杨氏模量 实验七 液体表面张力系数的测定（拉脱法） 实验八 刚体转动惯量的测定

针对多约束的炼钢-连铸重计划问题，提出了一种按扰动时炉次的状态进行炉次分类求解的重计划方法.将重计划问题中的约束分成强制约束和柔性约束两类，针对正在作业炉次设计了基于时间顺推和遗传算法的混合算法，针对未作业炉次设计了基于时间倒推和遗传算法的混合算法，通过强制约束结合混合算法搜寻可行解，然后在可行解中利用柔性约束搜寻最优解.采用钢厂的生产实绩数据进行仿真实验验证了该方法的可行性和有效性

实验一 C程序的运行环境和运行一个C程序的方法 实验二 数据类型、运算符和表达式 实验三 最简单的C程序设计 实验四 选择结构程序设计 实验五 循环控制 实验六 数组 实验七 函数 实验八 编译预处理 实验九 指针 实验十 结构体和共用体 实验十一 位运算 实验十二 文件

针对含动态再结晶粘塑性模型中的材料参数应用传统的测试方法很难准确测定的问题,吸收了遗传算法、增广高斯-牛顿算法、Levenberg-Marquardt算法和可变多面体算法的优点,构造了一套混合的全局优化算法.以26Cr2Ni4MoV为例,以镦粗实验提供的实验数据和刚塑性有限元模拟提供的数值解差值的l2范数的平方作为目标函数,应用构造的算法识别了该模型中的材料参数,计算结果和实验结果符合良好