什么是 MATLAB? . MATLAB代表 MATrix LABoratory 它的首创者是美国新墨西哥大学计算机系的系 主任 Cleve Moler博士,他在教授线性代数课程 发现其他语言很不方便,便构思开发了MATLAB 。最初采用 FORTRAN语言编写,20世纪80年代后出现了 MATLAB的第二版,全部采用C语言编写.1984年 Moler博士和一批数学家及软件专家创建了 MathWorks公司,专门开发 MATLAB1993年出现了微机版,到2005年是7.1版

一、例限期采购问题(随机型) 某部门欲采购一批原料,原料价格 原料价格(元)概率p 在五周内可能有所变动,预测得每 种价格的概率如右表所示,试问该

为了探究何种履带式行走机构更加适用于煤矿搜救机器人，采用网络分析法从行走机构行走能力、防爆难易、操控性以及可靠性四个方面对5种常见的履带式行走机构进行性能评价.对5种行走机构的空间通过性、最大越障高度、最大越壕沟宽度和底盘高度进行了理论建模分析，同时提出了驱动电机数量对于防爆难易、操控性以及可靠性影响的数学模型.根据煤矿搜救机器人设计经验以及所推导的理论模型，对5种行走机构采用网络分析法进行了量化评价.最终，评价结果认为角度型行走机构更适于煤矿搜救机器人.基于评价结果，设计了CUMT-V型煤矿搜救机器人行走机构

本研究首先实验肯定了抗磨低合金白口铸铁可以通过稀土变质处理使M3C型碳化物成为板块状及断开分布,从而明显地提高了它们的韧性及抗磨性。稀土变质剂在白口铸铁结晶过程中的作用经试验确认为:(1)形成硫氧化物有利于初生奥氏体在熔体中各处形核,及在固液界面富集造成成份过冷区使奥氏体枝晶轴次发达。两昔均有利于将共晶碳化物隔断;(2)促使共晶转变温度降低,则有利于离异共晶的增长,而扩大共晶转变温度范围;则有利于共晶结晶的体积形核;最后稀土在增长的共晶碳化物上选择吸附则对获得板块状碳化物有利。以上述的稀土变质机理假说为依据,试验开发了采用综合孕育剂及综合变质剂的两步变质处理的新工艺,在采用较少的稀土变质剂用量时,仍可获得较高韧性的白口铸铁

以碳纤维2.5D浅交弯联结构为预制体,分别采用树脂传递成型工艺(RTM)和热压成型工艺(HPM)制备了碳纤维增强酚醛树脂基摩擦材料.通过MS-T3001摩擦磨损试验机考核了材料的摩擦磨损性能,采用扫描电子显微镜、激光三维形貌扫描仪观测了材料的磨损形貌,对比分析了两种成型工艺对材料摩擦学性能的影响.结果表明:随着滑动速度和工作载荷的增大,材料的摩擦系数均减小.热压成型工艺成型摩擦材料的主要磨损形式为磨粒磨损,摩擦系数0.085~0.130,磨损率1.5×10-8 g·N-1·m-1.树脂传递成型工艺成型摩擦材料的主要磨损形式为黏着磨损和疲劳磨损,摩擦系数0.075~0.120,磨损率7.5×10-8 g·N-1·m-1

画出一调谐功率放大器的实用电路图,要求:基极 采用变压器耦合电路,外面定偏压,采用复合输出回路。 若调测该谐振功率放大器,发现集电极输出功率比设计值小得多, 但电流分量较大,试问放大器的工作状态在何处?

本文详细讨论了EXAFS测定的分辨本领、信噪比与实验参数间的相互关联;提出了实验参数临界条件的概念及其确定的方法;在临界条件下分别讨论了分辨本领、信噪比与临界实验参数值的相互关系并由此导出如下结论:1.当入射狭缝,出射狭缝宽度均为临界参数时,EXAFS测定的分辨本领与分光晶体摆动曲线的宽度无关,而信噪比则取决于分光晶体摆动曲线宽度所表征的嵌镶块大小对强度分布和消光效应的影响。2.当接收狭缝,分光晶体摆动曲线的宽度均为临界参数时,入射狭缝可增至最佳宽度,其分辨本领不仅保持不变,还能显著提高信噪比。当入射狭缝继续增大,超过最佳宽度时,信噪比不再增加。文中由此指出:当所用分光晶体完整性欠佳时,以采用结论1的条件为宜;当分光晶体完整性较好则应采用用结论2所提出的条件

一、填空题,每题1分,共21分 1.以确定增值税计税依据所涉及的非增值性项目范围大小为标准划分,我国目前是采用的增值税。 2.我国的消费税采用征收和征收两种方法。 3.在我国,以为确定企业居民身份的标准

本文以在校大学生这个最具代表性的群体作为主要研究主体,通过问卷调查等多种形式采集数据,根据采集到的数据研究分析大学生的学习现状以及学习习惯,了解大学生对于移动学习的一些心理态度,从而更好地提高移动学习的效率以及推动移动学习的发展

CABOSFV_C是一种针对分类属性高维数据的高效聚类算法,该算法采用集合稀疏差异度进行距离计算,并采用稀疏特征向量实现数据压缩.该算法的聚类效果受集合稀疏差异度上限参数的影响,而该参数的选取没有明确的指导.针对该问题提出基于集合稀疏差异度的启发式分类属性数据层次聚类算法(heuristic hierarchical clustering algorithm of categorical data based on sparse feature dissimilarity,HABOS),该方法从聚结型层次聚类思想的角度出发,在聚类数上限参数的约束下,应用新的内部聚类有效性评价指标(clustering validation index based on sparse feature dissimilarity,CVISFD)进行启发式度量,从而实现对聚类层次的自动选取.UCI基准数据集的实验结果表明,HABOS有效地提高了聚类准确性和稳定性