掌握主动脉的起止、区分，主动脉弓的三大分支。颈外动脉的分支及其主要分布；掌浅弓和掌深弓的组成和位置；腹主动脉脏支的名称、分支和分布。熟悉肺动干的起始与分支。颈总动脉的起始与分支，颈动脉窦和颈动脉小球的位置与作用；锁骨下动脉的主要分支分布，腑动脉和肱动脉的起始与终止；胸主动脉和腹主动脉壁支的名称及分布；髂总动脉的起始与分支；髂内、外动脉的主要分支分布；下肢动脉干的名称和位置。了解胸主动脉脏支

耦合场分析的定义 耦合场分析是指在有限元分析的过程中考虑了两种或者多种工 程学科（物理场）的交叉作用和相互影响（耦合）。例如压电分析考 虑了结构和电场的相互作用：它主要解决由于所施加的位移载荷引起 的电压分布问题，反之亦然。其他的耦合场分析还有热-应力耦合分 析，热-电耦合分析，流体-结构耦合分析，磁-热耦合分析和磁-结构 耦合分析等等

针对实际振动信号中多分量分离问题,在生成微分方程解调技术的基础上,提出一种新的迭代分解方法.首先采用生成微分方程(generating differential equation,GDE),估计初始振动信号的瞬时频率和幅值包络,然后对瞬时频率通过低通滤波分离出第一个频率,基于此频率对原始信号通过高通滤波器后提取的成分作为第一个分量,最后用初始信号减去第一个分量的余值作为下一次迭代的初始值,迭代同样的步骤分析分解直到获取所有信号分量,以低于能量比阈值作为迭代终止条件.本方法不需要先验信息.通过仿真信号验证并与传统方法进行对比分析,证明了方法的有效性.通过实测轴承试验信号的故障分析,证明了方法的实用性

采用Thermo-Calc软件分别计算硅在不同温度Zn-50%Al-xFe-ySi(原子数分数)熔池液相中的溶解度及不同温度Zn-30%Al-2%Fe-xSi(质量分数)熔池中开始形成τ5渣相和FeAl3渣相消失时该熔池中硅含量,采用平衡合金法测定Zn-50%Al-xFe-ySi合金液相中硅的溶解度和不同硅含量的Zn-30%Al-2%Fe-xSi合金的相平衡关系.当温度分别为540、560、580、600和620℃时,硅在Zn-50%Al-xFe-ySi体系液相中的溶解度(原子数分数)计算值分别为0.82%、0.95%、1.11%、1.28%和1.47%,实验结果与计算结果吻合很好.当熔池温度分别为580、600和620℃时,在Zn-30%Al-2%Fe-xSi合金中刚开始出现τ5相时所对应硅质量分数的计算值分别为0.6%、0.72%和0.84%,发生FeAl3相消失对应的锌池中硅质量分数的计算值分别为1.12%、1.22%和1.34%,实验结果与计算预测结果基本一致

种或几种物质分散在另一种物质中所构成的体系系统称为“分散体系”。被分散的物质 称为“分散相”;另一种连续相的物质,即分散相存在的介质,称“分散介质 按照分散相被分散的程度,即分散粒子的大小,大致可分为三类: 1.分子分散体系。分散粒子的半径小于10-m,相当于单个分子或离子的大小。此时 分散相与分散介质形成均匀的一相,属单相体系。例如,氯化钠或蔗糖溶于水后形成的“真 溶液

含硫胶结充填体随着养护龄期的延长会出现膨胀开裂现象，存在明显裂隙的充填体试件再进行单轴抗压强度测试其结果十分离散，已不能有效地获得充填体力学参数.在室内进行配比试验，采用数字图像处理技术对得到的充填体表面裂隙图像进行二值化、去噪等预处理，而后计算其分形维数并分析其演化规律，且将分形维数与单轴抗压强度关联分析.研究结果表明：充填体试件面表的裂隙存在自相似性，表面裂隙越发育，其分形维数越大；分形维数与单轴抗压强度存在负相关关系，分形维数越小，其单轴抗压强度越高；分形维数可判别含硫充填体试件的完整性，当充填体表面裂隙的分形维数小于某阈值时，强度试验的结果更为可靠

着重论述飞行控制系统的关键分系统，包括新型传感器分系统、计算机分系统、余度伺服作动器分系统及自动检测、显示分系统的研制与试验技术。 第1章 概述 第2章 飞行控制计算机分系统 第3章 伺服作动分系统 第4章 传感器分系绕 第5章 控制显示分系统 第6章 机内自检测(BIT)分系统 第7章 部件试验

1.膜分离概述 2.膜的分类膜分离概述 3.膜分离技术的发展历史 4.膜分离机理 5.膜分离组件与设备 6.膜污染、防治与清洗 7.膜分离技术的应用 8.膜分离技术的展望与趋势 9.各种膜分离技术介绍

农药残留分析是研究环境和农副产品、食品中农药残留种类与含量的科 学,在常量(商品农药的有效成分)、微量和超微量水平上研究农药分析的 理论与方法。随着分析科学技术的飞速发展,农药残留分析的技术水平在不 提高,分析方法在不断创新。但是农药残留分析(包括商品农药分析)结果 的准确度,很重要的一环是取决于分析对象的取样、分离提纯等处理技术

鉴别分析是一种进行统计鉴别和分组的技术手段。它可以就一定数量案例的 个分组变量和相应的其他多元变量的已知信息,确定分组与其他多元变量之间 的数量关系,建立鉴别函数( discriminant function)o然后便可以利用这一数量 关系对其他已知多元变量信息、但未知分组类型所属的案例进行鉴别分组。沿用 多元回归模型的称谓,在鉴别分析中称分组变量( grouping variable)为因变量, 而用以分组的其他特征变量称为鉴别变量( disciminant variable)或自变量。其 实,这里的自变量并不一定是真正的“原因”变量,有时可能倒是真正的“结 果”或“反应”变量。它们与类型变量的关系从本质上并没有越过相关的范畴。 不过,既然我们要参照其值来进行分组,权且称之为自变量