本章是介绍与公共税收相关的问题。主要包括税收的特征；税收制度的对生产、分配、资源配置的影响，我国现行的主要税种等问题。在本章中较为重要的问题是：如何在税收的征收过程中处理好公平与效率的问题关系。征税可以增加政府收入与为公共支出税累资本，但征税过程不能一味地只考虑政府收入的增加，造成竭泽而渔的结果。 第一节 公共税收制度建立的基本原则 一、效率原则 二、公平原则 三、中性原则 第二节 公共税收制度的经济效应 一、公共税收制度的特征 二、公共税收制度对生产的作用 三、公共税收制度对分配的作用 四、公共税收制度对消费的作用 第三节 公共税收制度的内容 一、公共税收形式的分类 二、公共税收制度的结构 三、我国现行主要税种形式 四、我国现行税收制度中存在的问题

财政赤字与公债是政府支出过度所引起的，但政府的支出过度并非就是政府的过错行为。巨大的开支和受制约的收入，会形成财政赤字与公债，但有时它又能促进经济发展与人们生活的稳定。财政赤字与公债的存在既需探究它的成因，也要限定它的规模，还要合理地让它们发挥作用。这是本章所要研究的任务。 第一节 财政赤字 一、财政赤字形成的原因 二、财政赤字对经济的影响 三、财政赤字的后果与对策 第二节 公债 一、公债的分类 二、公债对经济的影响 三、公债的发行与管理 四、公债规模 第三节 赤字与公债的交互作用 一、赤字与公债形成交互的环境 二、赤字与公债对经济的正交互 三、赤字与公债对经济的负交互

教学目标及要求：理解决策活动与计划的普遍存在，决策与计划贯穿组织、控制、领导等各项管理职能之中，在管理中处于极其重要的地位。 教学内容：本章主要介绍决策的原则、过程和方法。让学生了解计划是管理的基本职能之一，计划与决策的区别和联系，计划的作用，计划的类型，计划的工作步骤，计划的方法，目标的定义及分类，目标的作用，设计良好目标的特征，目标管理的产生及发展，目标管理的过程及其优缺点。 教学重点与难点：决策的原则是满意原则而不是最优原则：程序化决策与非程序化决策：集体决策与个人决策优缺点；决策的定量方法：目标管理法

现有的大坝整体性态评价方法以定性评价为主，主观性较强.针对这一问题，以单测点监控模型的计算值与监测仪器实测值之间的残差为基础，提出采用多测点融合残差表征大坝整体性态.结合信息熵理论研究了不同测点的残差变化规律，从而对各测点残差的融合权重进行了分配，计算了融合残差.通过对融合残差进行分布分析，利用逆向云发生器、正向云发生器建立了表征大坝不同性态的概念云，即评价标准.在此基础上，结合云相似度算法，建立了大坝整体性态的评价模型.算例表明，该模型能够有效识别大坝监测资料中的异常测值，并能够定量、客观地评价大坝整体性态，评价结果合理、可靠，可为保障大坝安全运行提供重要参考

深锥浓密机的面积或占地大小主要由其固体通量决定.通过量筒静态沉降实验，计算得到深锥浓密机固体通量，分析了絮凝剂单耗、料浆浓度对深锥浓密机固体通量的影响，得到了两种因素对深锥浓密机固体通量的影响规律.结果表明，尾矿在5～30 g·t−1的絮凝剂单耗下，基本呈现二次函数关系；料浆的固相质量分数为6%～26%时，固体通量呈现先增大后减小的趋势，与实验所得的规律相契合.通过对絮凝剂单耗和料浆浓度耦合效应下的固体通量方程回归分析，得到三者之间的数学关系，进而确定二者对固体通量的贡献为：料浆浓度>絮凝剂单耗.结合絮凝剂及料浆浓度对固体通量的影响分析，总结了絮凝剂单耗和料浆浓度贡献值不同的原因.最后，结合单因素和耦合条件下的数学方程，对深锥浓密机的设计和运行提出工程建议.在深锥浓密机运行过程中，需要优先保证料浆浓度，其次是絮凝剂单耗

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

采用高温摩擦磨损试验机研究了HTCS-130和DAC55两种热作模具钢在100~700℃范围内的耐磨性差异及磨损机制, 并结合X射线衍射仪(XRD)、扫描电子显微镜(SEM)、光学轮廓仪等手段对表面相组成、磨损表面、截面形貌等进行分析. 结果表明: 两种钢的磨损率均在100~700℃范围内呈现先增后减的趋势; 其磨损机制表现为在100℃和300℃分别发生黏着磨损和黏着-轻微氧化磨损; 500℃时磨损机制转变为单一氧化磨损, 磨损表面氧化层由FeO、Fe2O3和Fe3O4组成, 亚表面发生轻微软化并出现塑性变形层; 700℃时磨损进入严重氧化磨损阶段, 氧化物数量急剧增多, 同时由于马氏体基体回复导致材料出现严重软化, 磨损表面形成连续的氧化层. HTCS-130钢优异的热稳定性能使得基体具有较高硬度和更窄的摩擦软化区, 能够更好地支撑氧化层, 从而在700℃下比DAC55钢更耐磨

针对胶结充填体脆性强、易开裂等问题，以聚丙烯纤维为加筋材料，通过设置水泥与尾砂质量比为1∶10和1∶20，纤维掺量为0、0.05%、0.15%和0.25%的充填体进行无侧限抗压强度试验，探究纤维掺量对胶结充填体强度及变形特性的影响，借助扫描电镜（SEM），从微观角度探讨纤维对充填体力学性质的作用机制。研究结果表明：充填料浆的屈服应力随纤维掺量增加呈线性增大，其流态模型符合Bingham流体；随着纤维掺量的增加，充填体的无侧限抗压强度呈先增大后减小趋势，纤维最优掺量为0.15%；掺入纤维有效地减缓了裂纹的扩展，约束了充填体的变形，充填体的峰后应变软化延长，残余强度增大，破坏特征由脆性向延性转变；纤维的加固效果主要受纤维与尾砂?水泥基体界面之间的黏结与摩擦作用控制

无人驾驶车辆自身具有强烈的非线性、信号时延和参数不确定性，对它的控制还受到道路附着系数的变化、侧向风等外界因素影响。因此传统控制方法往往难以对其稳定和精确地控制。神经网络所具有的学习能力、自适应能力和近似非线性映射的能力，为解决车辆模型参数的不确定性、外界的扰动以及车辆自适应控制问题提供了有效的途径。针对上述几个方面，对近几年国内外学者将神经网络应用到无人驾驶车辆运动控制中所取得的成果与进展进行了归纳分类，分别介绍了应用情况并对优缺点进行评价。最后总结了神经网络在无人驾驶车辆运动控制中存在的主要问题，并展望了可能的发展方向

铰接式车辆的路径跟踪控制是矿山自动化领域中的关键技术，而数学模型和路径跟踪控制方法是铰接式车辆路径跟踪控制中的两项重要研究内容。在数学模型研究中，铰接式车辆的无侧滑经典运动学模型较为适合作为低速路径跟踪控制的参考模型，而有侧滑运动学模型作为参考模型时则可能导致侧滑加剧。此外基于牛顿–欧拉法建立的铰接式车辆四自由度动力学模型原则上满足路径跟踪控制的需求，但是还需要解决当前的四自由度模型无法同时反映瞬态转向特性和稳态转向特性的问题。在路径跟踪控制方法研究中，反馈线性化控制、最优控制、滑模控制等无前馈信息的控制方法无法有效解决铰接式车辆跟踪存在较大幅度曲率突变的参考路径时误差较大的问题，前馈–反馈控制可以用于解决上述问题，但是在参考路径具有不同幅度的曲率突变时需要解决自动调整预瞄距离的问题，而模型预测控制，尤其是非线性模型预测控制，可以更加有效地利用前馈信息，且不需要考虑预瞄距离的设置，从而可以有效提高铰接式车辆跟踪存在较大幅度曲率突变的参考路径时的精确性。此外，对于基于非线性模型预测控制的铰接式车辆路径跟踪控制，还需深化三个方面的研究。首先，该控制方法仍然存在误差最大值随参考速度增大而增加的趋势。其次，目前该控制方法以运动学模型作为预测模型，无法解决铰接式车辆以较高的参考速度运行时侧向速度导致的精确性下降和安全性恶化的问题。最后，还需对这种控制方法进行实时性方面的优化研究