韩非子讲过一个耳熟能详的故事。 “楚人有鬻盾与矛者,誉之曰:‘吾盾之坚,莫能陷也。又誉其矛曰:吾 矛之利,于物无不陷也。或曰;‘以子之矛陷子之盾何如?其人弗能应也。” 这就是流传至今的自相矛盾的故事。 当年读到这个故事,主要是着重于做人的哲学和文字的锤炼。学习了逻辑学 课程之后,回想起这个小故事,突然有了新的理解,了解到故事中蕴涵的矛盾律法 则

第一节 支原体 是一类缺乏细胞壁、形态上呈高度多形性，能通过除菌滤器，在无生命培养基中能生长繁殖的最小原核细胞型微生物。由于它们能形成有分支的长丝，故称之为支原体。 第二节 衣原体 是一类专性细胞内寄生、有独特发育周期、能通过细菌滤器的原核细胞型微生物。归属于广义的细菌范畴。 衣原体科包括沙眼衣原体、肺炎衣原体、鹦鹉热衣原体和家畜衣原体等四种。 第三节 立克次体 对人致病的立克次体有五个属立克次体属、柯克斯体属、东方体属、埃立克体属和巴通体属

所谓替代检测法就是用一个好元件代换怀疑有故障的元件。此法 ，对检修汽车音响软故障有独到的实效。在汽车音响各级放大电路 的检修巾，常常会遇到一些用常规仪表不好检测的故障件，因而不 能对它们的好坏进行判断，如小容量（0.01F以下）电容器失效( 容量减小或开路等)。此时，可用相同型号(或类似的)好元器件替换 被怀疑的元件，这样就能迅速地找出故障元件，恢复机器的正常工 作状态

首次提出将小波分解应用于非平稳时间序列的预测中,通过小波分解将非平稳时间序列分解为多层近似意义上的平稳时间序列,并且用AR(n)模型对分解后的时间序列进行预测,进而得到最终的预测结果.将该方法应用于压缩机轴承座磨损的趋势预测中,通过与基于BP网络的预测方法相比较表明:该方法预测精度高,而且预测速度快,可以有效地应用设备状态的预测和设备故障趋势的分析中

为了确定板带连轧中多台轧机振动的起振顺序,首先在形态非抽样小波一般框架的基础上,构造了一种基于多尺度平均滤波器的形态非抽样小波.然后通过仿真实验,得到此形态非抽样小波尺度与频率之间的关系.最终利用基于多尺度平均滤波器的形态非抽样和S变换的方法对轧机振动信号进行分析,成功提取了故障频率的起振时间,确定了轧机的起振顺序

系统研究了面向复杂系统监测时变信号的实时故障检测与识别问题.采用滑窗Mallat小波快速变换克服传统小波变换的时域全局依耐性并提高计算效率,使之适应于实时故障检测;针对时变信号的故障模式识别难题,在故障检测基础上采用改进动态循环神经网络(improved dynamic recurrent neural network,IDRNN)进行智能故障识别.最后将滑动时窗小波检测模块及最优IDRNN网络模块嵌入某型完整卫星姿态控制系统仿真平台进行在线故障诊断.试验结果表明:实时条件下的滑动窗口小波变换与传统小波变换具有一致性,IDRNN对于时变信号识别具有较好的时域泛化能力,将滑窗移动时不变小波方法与IDRNN结合可以实现面向复杂系统监测实时信号的故障检测及复合模式分类

针对高炉故障诊断系统快速性和准确性的要求，提出基于全局优化最小二乘支持向量机的策略.首先，采用变尺度离散粒子群对最小二乘支持向量机的参数和故障特征的选取进行优化；然后，利用核主元分析法对选取的特征向量进行压缩整理；最后，构造了以Fisher线性判别率为标准的启发式纠错输出编码.仿真结果表明，通过对故障训练样本有意义地分割重组，用较少的最小二乘支持向量机分类器，得到较高的故障判断准确率且增强了整个系统的实时性

上海交通大学：《概率论与数理统计》课程教学资源（数学名人小故事）概率论与数理统计的起源与发展

由于轴承故障声信号的混响及临近的机械设备的噪声，造成声信号的频域分析很困难．通过小波变换原理，对滚动轴承故障声信号进行时频分析．通过对声信号的多尺度分解，分离出由故障造成的声信号突变．实验结果表明，较之以往的时域、频域信号处理技术，该方法对声音信号分解更趋合理，是一种可靠和有效的滚动轴承故障诊断新方法．

复旦大学：《中国当代小说选读》教学资源_失败青年故事的限制与可能——以《可悲的第一人称》为例