原油及其各馏分的性能评价实验 1 概说 2 实验内容说明 3 实验方法与步骤 4 实验报告的撰写 附录 1 原油评价方法 1.1 原油评价的内容 1.2 原油的分类 1.3 原油的取样和脱水 1.4 原油一般性质的测定 1.5 原油评价数据表 附录 2 石油和石油产品试验方法 实验一 原油蒸馏试验 实验二 石油产品馏程的测定 实验三 石油产品闪点的测定（闭口杯法） 实验四 石油产品运动粘度的测定 实验五 石油馏分油催化裂化

通过分析粒径/管径比、紊流强度及颗粒群浓度对垂直固液两相流中大颗粒的阻力系数及颗粒沉降末速度的影响,得出在一定条件下颗粒的临界雷诺数提前,阻力系数突降0.1,使颗粒的沉降末速度急增.并在此基础上,给出了可用于工业试验的最小水力提升水流速度

基于某海上风电塔进行现场监测、有限元模拟及室内振动台试验研究，考虑桩-土相互作用并对结构进行精细化数值模拟分析，研究了不同冲刷深度下结构自振周期的变化及不同冲刷深度对结构地震动作用下动力响应的影响规律.现场监测结果表明：6#风机结构受海水冲刷严重，与同时期建造的15#风机相比振动幅度明显，说明冲刷深度对结构的影响不可忽略.数值模拟分析表明：冲刷深度主要影响结构高阶振型，使结构自振周期变长，增幅最大达33%.由于冲刷致使土层对高柔性结构约束减弱，结构将产生大的振动进而导致风机停摆；在遭遇7度罕遇地震时，应立即停止发电工作.室内缩尺振动台试验与数值模拟所得结果的变化曲线较为均匀，趋势上较吻合，充分验证了数值模拟的准确性

这章的习题可以分为两种类型:一类是用 Verilog hDl语言描述一个逻辑 电路;另一类是根据 Verilog HDl谙言的描述画出相应的逻辑电路图 用 Verilog HDL语言描述一个逻辑电路 解题方法和步骤:

针对单核学习支持向量机无法兼顾学习能力与泛化能力以及多核函数参数寻优问题，提出了一种基于群体智能优化的多核学习支持向量机算法。首先，研究了五种单核函数对支持向量机分类性能的影响，进一步提出具有全局性质的多项式核和局部性质的拉普拉斯核凸组合形式的多核学习支持向量机算法；其次，为增加粒子多样性及快速寻优，将粒子群优化算法引入了遗传算法中的杂交操作，并用此改进的群体智能优化算法对多核学习支持向量机进行参数寻优。最后，分别采用深度特征与手工特征作为识别算法的输入，研究表明采用深度特征优于手工特征。故本文采用深度特征作为多核学习支持向量机的输入，以交叉遗传与粒子群混合智能优化算法作为其寻优方式。实验选取合作医院数据集对所提算法进行训练并初步测试，进一步为了验证所提算法的泛化能力，选取公开数据集LUNA16进行测试。实验结果表明，本文算法易于跳出局部最优解，提升了算法的学习能力与泛化能力，具有较优的分类性能

提出一种基于参考模型的视网膜特征量化方法，结合医生诊断过程中关注的视网膜形态变化特征，提出一系列适用于计算机判断分析视网膜状态的可量化特征.在完成正常光学相干断层成像（OCT）中视网膜内界膜（ILM）、光感受器内外节交界处（ISOS）、布鲁赫膜（BM）分割提取的基础上，利用统计方法构建正常视网膜参考模型.结合参考模型和医生所关注的视网膜厚度、边界平滑度以及边界连续性，实现视网膜不同区域厚度特征、厚度比值特征、梯度特征、曲率、标准差、相关系数特征的计算.基于正常OCT图像所构建的参考模型，获取了正常视网膜的厚度及形态特征量化数值.通过分析比较异常OCT图像与参考模型特征数值之间的差异，可以对应表征出异常图像中病变导致的异常形态所在位置及严重程度.实验结果表明，通过参考模型获得的正常视网膜特征信息可以为医生提供数值参考，同时对异常OCT图像量化得到的特征数值可以表现出图像中的异常形态，为后续的异常判断提供基础

轧件发生局部变形是楔横轧的主要工艺特征，尤其小断面收缩率轧件轴向流动能力弱，内外变形差异显著导致楔横轧成形困难.除了容易产生心部破坏缺陷，在轧件表层一定范围内出现的螺旋组织缺陷，也会降低产品的机械性能.本文通过轧制实验，展示出轧件螺旋组织缺陷宏观上呈现为车削后在表层一定深度范围内沿展宽螺旋线分布的亮带，微观上由轧件表面折叠向内部延伸呈带状分布的组织形态.结合有限元数值模拟方法研究了缺陷产生的主要原因，发现由于成形区的金属发生沿展宽负向的金属流动，导致轧件形成沿展宽螺旋线分布的表面折叠和小轴向应变带.同时，螺旋带附近较大的径向压缩使轧件由表面向内部沿折叠裂纹方向组织具有方向性.采用对模具楔尖倒圆角局部改善金属沿负展宽方向的轴向流动，可以既消除表层螺旋组织缺陷，又避免轧件心部损伤风险，使成形质量满足使用要求.经实验验证，确定了模具楔尖圆角的最优取值

10.1 二端口网络的一般概念 10.2 二端口网络的基本方程和参数 10.3 二端口网络的输入阻抗、输出阻抗和传输函数 10.4 线性二端口网络的等效电路 10.5 二端口网络的特性阻抗和传输常数 10.6 二端口网络应用简介

一 点态收敛 二 函数项级数（或函数序列）的基本问题 三 函数项级数（或函数列）的一致收敛性 四 一致收敛性判别 五 小结

油箱壳外形复杂,拉深成形过程中容易出现侧壁起皱和圆角处破裂的缺陷,成形工艺参数的确定非常重要.结合分类与回归决策树(classification and regression tree,CART)的人工智能技术和模型交叉验证方法,通过调用Python平台开源库Scikit-Learn对油箱壳拉深成形数值模拟结果进行知识挖掘,筛选出对油箱壳拉深成形影响大的工艺参数;以基尼指数(Gini index)最小化作为最优特征值及最优切分点选择的依据,构建了工艺参数与性能指标关系的CART决策树,提取出了可靠的工艺设计规则.油箱壳拉深实例表明,CART决策树理论的知识发现技术是实现板料成形过程数值模拟结果潜在知识挖掘的可行途径