从茶叶中提取咖啡因 薄层色谱分离法 正溴丁烷的制备 肉桂酸的制备 苯胺的制备 乙酰苯胺的制备 呋喃甲醇和呋喃甲酸的制备 乙酰水杨酸的制备 甲基橙的制备

一、引言 二、挠曲线的微分方程 三、用积分法求弯曲变形 四、弯曲刚度条件 五、用叠加法求弯曲变形 六、简单静不定梁

gn_7_1 挠度 梁变形后其横截面形心处的垂直位移称为挠度。（F 书 p194 图 8-1(b),并将xow 坐标中的 w 轴改向上，成为通常的右手系） gn_7_2 转角 梁变形前后同一横截面位置所发生的相对转动（大小）称为转角。（同上图） gn_7_3 挠曲线 梁在受载弯曲后，其轴线将弯成一连续曲线，这条曲线称为挠曲线。（同上图）

概念类 gn_3_1 有效挤压面 挤压面面积在垂直于总挤压力作用线平面上的投影。(F 书 P.56 图3—14 第一个图与 L 书 p.64 图 2.45 第二、三两个图组合) gn_3_2．剪切 相距很近的两个平行平面内，分别作用着大小相等、方向相对（相反）的两个力，当这两个力相互平行错动并保持间距不变地作用在结构上时，结构中在这两个平行面间的任一（平行）横截面将只有剪力作用，并产生剪切变形

1 对于力对点之力矩矢应有清晰的理解，对于平面问题中力对点之矩应能熟练计算。 2 深入理解力偶和力偶矩的概念。明确力偶的性质和力偶的等效条件。 3 掌握力偶系的合成方法，能应用平衡条件求解力偶系的平衡问题

gn_11_1 理想受压直杆 受轴向压力作用时，没有初曲率和初始缺陷的杆件。 gn_11_2 理想受压直杆稳定性 当轴向压力小于一定数值时，任一微小挠动使直杆偏离原直线平衡位置。去掉干扰时，杆件能恢复到原直线平衡位置，则称原平衡位置是稳定的；

针对超声心动图像质量差、噪声多，传统卷积神经网络架构对超声心动图像的学习能力有限、表达不充分的缺点，提出了一种基于标准切面识别的房间隔缺损（Atrial septal defect，ASD）智能辅助诊断模型。该模型通过对超声心动图像进行切面识别，充分融合其不同切面的语义特征，使得诊断的准确率得到明显提升。此外，还对其进行双边滤波保边去噪，并基于此模型搭建房间隔缺损智能辅助诊断系统（简称ASD辅助诊断系统）。结果表明，该ASD辅助诊断系统的准确率高达97.8%，且与传统卷积神经网络相比大大降低了假阴性率

第十章 压杆稳定 一、压杆稳定的概念 二、两端铰支细长压杆的临界压力 三、其他支座条件下细长压杆的临界压力 四、欧拉公式的适用范围 五、压杆稳定性校核 六、提高压杆稳定性的措施

gn_10_1 组合变形 杆件在外载作用下其横截面上有两种以上内力，其相应变形也是两种或两种以上基本变形（拉压、扭转、弯曲）的组合，称之为组合变形

针对装备各类故障样本分布不平衡、现有算法故障诊断精度较低的问题，通过引入p范数约束多核极限学习机和基于AdaBoost的集成学习策略，定义了一种p范数约束下正则化加权多核集成极限学习机的故障诊断模型。首先，在p范数约束下，基于各类故障样本自身规模，分别进行了两种自适应的样本权重分配；其次，在每层分类器的优化中，将多核学习的多源数据融合能力和极限学习机运算高效的特点相结合，同时，将样本的权重$ {\\boldsymbol{W}} $