在Gurson损伤模型的基础上，采用有限元数值模拟与温热冲压实验相结合的方法，对镁合金板材温热冲压成形过程中的材料损伤过程进行了预测.考虑了板材的塑性各向异性行为，通过用户自定义材料子程序VUMAT将损伤模型嵌入到有限元软件ABAQUS/Explicit中.采用单轴拉伸试验数据与有限元数值模拟结果进行迭代，确定了Gurson模型所需要的材料参数.使用ABAQUS模拟得到了镁合金板材温热冲压过程中微孔洞的演变及分布规律.通过扫描电子显微镜，对不同温度下的AZ31镁合金板材由孔洞增长和聚合引起的内部损伤演化进行了观察分析.研究结果表明，板材中微孔洞的分布与实验数据相吻合，说明本文所提出的方法可以应用于金属板材温热冲压成形性能预测

1. 简介 2. IEEE 算法 3. 数学库 4. 异常和异常处理 A. 示例 IEEE 算法 数学库 随机数生成器 IEEE 建议的函数 IEEE 特殊值 ieee_flags －舍入方向 C99 浮点环境函数 异常和异常处理 ieee_flags － 产生的异常 ieee_handler －捕获异常 ieee_handler －出现异常时终止 libm 异常处理功能 在 Fortran 程序中使用 libm 异常处理 杂项 sigfpe －捕获整数异常 从 C 中调用 Fortran 有用的调试命令 B. SPARC 行为和实现 浮点硬件 浮点状态寄存器和队列 需要软件支持的特殊类 fpversion(1) 函数 － 查找有关 FPU 的信息 C. x86 行为和实现 D. What Every Computer Scientist Should Know About Floating-Point Arithmetic 摘要 简介 舍入误差 浮点格式 相对误差和 Ulp 保护数位 抵消 精确舍入的运算 IEEE 标准 格式与运算 特殊数量 NaN 异常、标志和陷阱处理程序 系统方面 指令集 语言和编译器 异常处理 详细资料 二进制到十进制的转换 求和中的误差 参考书目 定理 14 和定理 8 定理 14 证明 各种 IEEE 754 实现的差别 当前的 IEEE 754 实现 在基于扩展的系统上计算的缺陷 扩展精度的程序设计语言支持

第一部分：引入阻抗和导纳、相量模型，类比运用已经很熟悉的电阻电路解法。 第二部分：只求有效值和只求相位两类特殊问题，引入相量图法。相量分析法是正弦稳态分析的基础。 8-1 变换方法的概念 8-2 复数 8-3 振幅相量 8-4 相量的线性性质和基尔霍夫定律的相量形式 8-5 三种基本电路元件VCR的相量形式 8-6 VCR相量形式的统一——阻抗和导纳的引入 8-7 正弦稳态电路与电阻电路分析方法的类比——相量模型的引入 8-8 正弦稳态混联电路的分析 8-9 相量模型的网孔分析和节点分析 8-10 相量模型的等效 8-11 有效值 有效值相量 8-12 两类特殊问题 相量图法

采用水模型和工业验证的方法针对40 t单流中间包的控流装置进行优化配置研究.通过对单独湍流抑制器控流装置、湍流抑制器+下挡墙组合控流装置、湍流抑制器+下挡墙+上挡墙组合控流装置的研究表明,下挡墙在改善钢液流动形态和减少中间包内死区方面所起的作用大于上挡墙.平均停留时间随下挡墙与长水口的距离增加呈先增大后减小的趋势.确定了单流中间包以湍流抑制器+下挡墙的优化组合形式,死区比例由原来的25.9%降低到了13.6%.通过系统取样分析发现优化后中间包内T.O和N含量大幅降低,正常坯中的大型夹杂物质量分数也由原来的8.4×10-7降低到3.2×10-7

超疏水表面是具有独特性能的一类表面，本身就具有广泛应用前景。石墨烯材料作为理化性质出众的一类材料，由于其高电导率、高导热系数、高比表面积、高透光率和有优异的机械性能，广泛应用于航空航天、石油化工、海洋船舶等领域。目前，基于石墨烯材料构建超疏水表面，是超疏水表面研究中一个较新的方向。本文对超疏水表面的原理进行了概述，重点总结归纳了石墨烯基超疏水材料制备技术的研究现状，包括表面修饰法、沉积改性法、激光诱导法、涂覆法、层层自组装法等，简要介绍了石墨烯超疏水材料在自清洁、油水分离、防覆冰、耐腐蚀、抗菌等领域的应用，并对石墨烯超疏水材料的下一步研究方向进行了展望

第一章 复变函数和解析函数 第二章 复变函数积分 第三章 复变函数级数 第四章 定积分的计算 第五章 δ函数、线性常微分方程的级数解法和本征值问题 第六章 数学物理方程的定解问题 第七章 行波法和分离变量法 第八章 积分变换法 第九章 球坐标下的分离变量法，勒让德多项式和球谐函数 第十章 柱坐标下的分离变量法，贝塞耳函数 第十一章 平面静电场问题和保角变换法 第十二章 非齐次方程的定解问题和格林函数法

深度神经网络技术用于机械设备故障诊断展现出了巨大潜力，但繁重复杂的计算量对计算机硬件提出了严苛的要求，严重限制了其在实际工程中的应用。基于此提出一种新型的轻量级神经网络ShuffleNet，用于高速列车轮对轴承故障诊断研究。该网络模型基于模块化设计思想，包含多个高效率的ShuffleNet单元，通过运用分组卷积与深度可分离卷积技术极大改善了传统卷积操作的运算效率；同时使用通道混洗方法克服了通道分组带来的约束，改进了网络的损失精度。实验分析表明，所提网络模型可有效用于复杂工况下高速列车轮对轴承故障诊断，相比传统卷积神经网络、残差网络和Xception等当前深度神经网络模型，在保证诊断精度的同时，运行效率得到大幅提升。这为深度神经网络技术应用于工程实际，克服计算机硬件条件限制提供了一条新的途径

以金山店铁矿充填采矿法优选为工程背景，将采矿方法优选视为多目标决策的系统工程问题来处理.综合考虑技术、经济、资源利用、劳动效率、安全、环境等多方面因素，构建了较为全面的采矿方法优选多目标决策指标体系.分别采用层次分析法、模糊判断矩阵及Delphi法对决策指标进行赋权，得到了三组单一权重.在此基础上，通过Kendall非参数检验及Spearman等级相关性分析，确定了各赋权方法的相关程度，得到了较为合理的采矿方法优选多目标决策指标的组合权重，并基于组合权重，采用模糊多目标决策确定了最优采矿方法为分段空场嗣后充填法.本文采用的组合权重赋权方法较好地解决了多目标决策时指标权重的分配问题，提高了采矿方法优选指标权重确定的合理性及科学性

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

针对目前视网膜血管分割中存在的细小血管提取不完整、分割不准确的问题，从血管形状拓扑关系利用的角度出发，探索多任务卷积神经网络设计，提出骨架图引导的级联视网膜血管分割网络框架。该框架包含血管骨架图提取网络模块、血管分割网络模块和若干自适应特征融合结构体。骨架提取辅助任务用于提取血管中心线，能够最大限度地保留血管拓扑结构特征；自适应特征融合结构体嵌入在两个模块的特征层间。该结构体通过学习像素级的融合权重，有效地将血管拓扑结构特征与血管局部特征相融合，加强血管特征的结构信息响应。为了获得更完整的骨架图，骨架图提取网络还引入了基于图的正则化损失函数用于训练。与最新的血管分割方法相比，该方法在3个公共视网膜图像数据集上均获得第一名，在DRIVE，STARE和CHASEDB1中其F1值分别为83.1%，85.8%和82.0%。消融实验表明骨架图引导的视网膜血管分割效果更好，并且，基于图的正则化损失也能进一步提高血管分割准确性。通过将骨架提取模块和血管分割模块替换成不同的卷积网络验证了框架的普适性