将核主成分分析方法引入热轧生产过程的监控与诊断中,根据平方预测误差统计量进行生产过程监控,然后利用数据重构和优化的邻域选取策略相结合的方法求出各工艺参数对平方预测误差统计量的作用,分析引起过程异常的主要工艺参数,最后利用仿真和热轧带钢实际生产数据进行实验.结果表明:基于核主成分分析的平方预测误差统计量能较准确诊断过程的异常,并可以找出引起异常的原因,为调整生产过程提供方法支撑,防止次品的出现

基于ABAQUS有限元软件建立了薄带材浪形生成与拉伸过程有限元模型,研究了带材在初应变作用下的浪形缺陷生成规律及其在张力拉伸作用下的应力特性及其变形行为,并进一步分析了浪形缺陷拉伸矫直矫平功效的主要影响因素及其影响规律.薄带钢变形过程可分为浪形生缺陷生成、拉伸矫直和弹性回复三个阶段.针对薄钢带弹性后屈曲浪形和铝带弹塑性后屈曲浪形两类典型浪形形式,研究了浪形缺陷在后屈曲和拉伸变形阶段的浪形陡度变化与系统能量变化规律.研究表明:弹性后屈曲浪形在拉伸矫直过程中浪数和浪高均发生变化,而弹塑性后屈曲浪形仅发生浪高的连续变化.弹性后屈曲浪形矫直后的残余应力分布形式与初始应力分布类似,而弹塑性后屈曲浪形的残余应力分布发生显著差异.浪形缺陷的残余陡度随初始浪形陡度增大而增大,随带厚增加而减小,且弹塑性后屈曲浪形缺陷的矫直效果更为显著

本文通过对整体塑料环热胀、过盈实验数据的数学处理,得出了相对过盈量δ和热胀系数αF的经验计算公式,解决了这两个参数在塑料环设计中科学计算确定问题。文中并以实际塑料环的设计为例,说明了经验计算公式的使用及其准确性

提出一种基于支持向量数据描述(support vector data description,SVDD)的生产过程监控、诊断与优化方法.首先,利用正常样本建立SVDD监控模型,获得控制限;然后,利用贡献图对超过控制限的异常点进行诊断,分析引起异常的主要原因;最后,利用邻近点替换法对异常的生产样本进行工艺参数优化.将新方法应用于热轧薄板的生产过程中,结果表明:新方法比传统的监控方法T2 PCA具有更高的检出率,且可以实现对异常点的工艺参数优化,使之回到受控状态

一、问题的提出 二、导数的定义 三、由定义求导数 四、导数的几何意义与物理意义 五、可导与连续的关系 六、小结思考题

为了解决飞机移动生产线中多并行作业物料的供给问题，构建了飞机移动生产线物料配送与线边存储集成决策的模型并设计了求解算法.在物料组批和小车调度的基础上，引入了物料在线边空间的存储决策，建立了以小车出行趟数最小化为目标的数学模型并设计了一种以免疫算法为框架的启发式算法.在免疫算法较优的全局搜索能力下，综合考虑小车的配送能力与线边空间的重复使用、共享等因素，使用反向动态小车调度算法和物料存储前瞻算法对物料的组批方式、配送时刻和在线边的存放位置三类变量联合进行决策.对提出的算法进行了数值实验，实验结果证明了模型与算法的有效性

一、课程名称:数字电子技术(1) Digital Electronics Technology(1) 课程负责人:曾孝平 二、学时与学分:72+8学时,4.5学分 三、适用专业:通信、电子、生物医电等专业

针对突发灾害事故应急决策过程中存在的模糊性和随机性问题，提出了一种基于云模型的应急决策方法.首先根据突发灾害事故应急的目标和特点选择决策指标并建立决策指标集；然后基于决策者的语言值及其对应的数域确定决策指标的权重值和评价值，利用逆向云发生器算法生成云模型的数字特征；再利用综合云的思想，运用云运算规则，得到各应急方案的评价云；最后把应急方案的评价云与评价标准云进行相似性比较，综合判断应急方案的评价等级并优选最佳的应急方案.实例研究表明：该方法充分利用了专家的群体信息，实现了应急方案决策中定性语言和定量评价之间的有效转化，结果更为直观、合理，便于改善应急决策的客观性和提高应急管理的效率

利用真空感应炉冶炼了不同硫含量的中碳非调质钢，研究了S含量对非调质钢中硫化物形态分布及显微组织的影响．结果表明：在0．025％~0．065％范围内，随S质量分数的增加，非调质钢中硫化物的数量增多，偏聚分布现象加重；晶内铁素体比例随之升高，组织得到细化．通过热力学计算及相图信息研究了硫化物的类型转变．S含量增加时第Ⅲ类MnS在凝固末期以离异共晶形式较早析出，剩余液相中的S在凝固结束时以共晶形式析出为第Ⅱ类MnS．单独MnS以及MnS-V（C，N）复合硫化物均可作为晶内铁素体的有效形核核心，促进铁素体的生成．

作为数学的一个分支,变分法的诞生,是现实世界许多现象不断探索的结果,人们可以追寻 到这样一个轨迹: 约翰·伯努利( Johann Bernoulli,166-1748)1696年向全欧洲数学家挑战,提出 一个难题:“设在垂直平面内有任意两点,一个质点受地心引力的作用,自较高点下滑至较 低点,不计摩擦,问沿着什么曲线下滑,时间最短?