一、这是“多余条件”吗?（论文文献综述）
卢声怡[1]（2021）在《“多余”并不多余——习题改编的“增加条件”策略与教学价值例谈》文中研究说明数学问题,按数学教育家波利亚的分析,包括已知与未知以及它们之间的联系。人教版教师教学用书中也指出,"两个相关的信息和一个问题构成一个数学问题"。在小学数学课堂上,我们习惯称之为"有哪些数学信息""要求什么数学问题""怎样求"。能够分析条件与问题之间的联系,制定解题方案并执行,
邓威威,刘淑杰,梅志恒[2]（2021）在《基于ADAMS的舱体多余物检测效果影响因素分析》文中研究指明为分析舱体类设备多余物检测效果影响因素,提出基于正弦激励的舱体设备多余物振动检测方法,研究了振动加速度、振动频率、多余物材质和粒径参数4个因素对粒子碰撞噪声检测（PIND）法效果的影响.通过单因素仿真试验探究了各因素对多余物检测效果的影响规律及原因,并采用正交试验法设计ADAMS仿真分析试验和振动试验,通过极差计算确定关键影响因素.结果表明,影响检测效果的关键因素为多余物材质,并给出多余物材质和粒径的识别方案及最佳振动试验条件,为舱体内部多余物参数的进一步识别分类提供了参考.
马哲冬[3]（2021）在《基于活动多余物检测的算法研究》文中研究说明近年来随着我国航天事业的飞速发展,由于航天产品造价昂贵,可重复利用率差等因素的存在,使得检测活动多余物的技术愈来愈重要。活动多余物产生主要是生产过程不规范,工人操作不当等原因生成的,多余物的存在可能会导致整个产品失效。而航天产品的一个重要指标就是可靠性,所以活动多余物的检测成为亟待解决的问题。本课题在此背景下,提出了检测活动多余物材质的算法。首先,借助基于微粒碰撞噪声检测法（Particle Impact Noise Detection,PIND）方法的活动多余物检测装置,将被测物体放置在检测转台上,通过PIND方法检测出活动多余物信号。根据检测到的活动多余物信号选择合适小波包进行信号分解,计算分解后各频段的能量占,并根据该比值重构活动多余物信号,同时滤除噪声。然后对重构后的信号在时域、频域上进行特征值的提取。并借鉴语音信号中梅尔频率倒谱系数（Mel Frequency Cepstrum Coefficient,MFCC）特征值的提取方式,对活动多余物提取MFCC特征值。对得到的特征值样本进行主成分分析,并根据方差贡献率的大小来确定主成分从而实现数据降维的目的,该过程不仅实现了特征值样本的降维,而且又保留了原特征值样本集的主要信息。最后采用支持向量机方法,对降维后的特征值样本分为训练样本和测试样本。训练样本作为支持向量机分类器输入参数,使用训练样本生成的分类器模型对测试样本进行样本类别预测,实现自动检测活动多余物的材质,通过实验验证,其分类准确率高达90%。本文采用了理论和实践相结合的研究方法,参考了现有的检测活动多余物的算法,保证了检测活动多余物的算法符合实验要求,提高优化了算法的准确性和活动多余物检测材质的准确率。
邹佳瑞[4]（2021）在《高中化学必修教材开放性习题的比较研究 ——以“人教版”和“鲁科版”为例》文中进行了进一步梳理《普通高中化学课程标准（2017年版）》在“教材编写建议”中提到:化学教材是化学课程的物化形态与文本素材,而化学习题是化学教材的重要组成部分,是日常学习评价的重要内容和手段,是落实核心素养的重要评价依据。为了鼓励学生从不同角度分析和解决问题,培养学生的发散思维和创新精神,化学习题应具有开放性。那么,最新的人教版和鲁科版高中化学必修教材中开放性习题的数量与质量有何差异?其开放性习题的开放程度又是如何?当面对开放性问题时,学生思维水平又处于何种程度?这一系列问题就显得尤为重要。本研究在阅读有关开放性习题的相关文献后,以2019年开始使用的人教版与鲁科版高中化学必修教材为例,对其中的开放性习题进行统计与对比分析,得出如下结论:从数量上,人教版必修教材开放性习题的数量大于鲁科版必修教材。从质量上,两种版本必修教材的开放性习题均倾向于让学生运用创新和辩证的思维去解决问题。从开放程度上,人教版必修教材的开放性习题对情境的模拟较全面,知识上倾向于跨学科融合,策略上鼓励学生间讨论交流解决问题;而鲁科版必修教材的开放性习题情境上有所欠缺,知识上倾向于化学知识,策略上鼓励学生通过师生间交流解决问题。最后,我们选取人教版和鲁科版必修教材中的10道典型例题对学生进行测试,测试结果表明:面对开放性的问题时,学生的思维水平普遍处于单点结构层次,但如果能够更多地提供一些信息,部分学生可以达到更高层次水平;同时通过学生平均得分情况也可以说明两种版本必修教材的开放性习题存在着差异。我们也基于此结果给出了必修教材开放性习题的使用建议。
朱钰麒[5]（2021）在《基于话头结构理论的留学生话题共享现象研究》文中提出语篇教学在对外汉语教学中具有重要地位,理解汉语的意合机制有助于提高留学生的语篇连贯能力。在话头结构理论中,汉语的意合过程表现为标点句间构造成分共享关系的过程。本文以该理论为指导,基于HSK动态作文语料库,对留学生作文中的话题共享现象进行探究,分别考察了汉语水平、语言类型、文章体裁这三项因素对共享现象的影响。文章主要做了以下工作:第一,针对研究问题,评述当前处理策略,并引介话头结构理论的相关内容和标注体系;第二,对该理论应用于汉语中介语研究作出适应性处理,并对语料实施标注;第三,对语料标注结果进行数据统计和差异性分析。研究发现:（1）留学生对话头结构的使用与母语类型无关,与水平等级、文体相关。高水平组的留学生使用话头结构频率较高,偏误率较低,整体使用优于低水平组,但低水平组的留学生同样具有成分共享意识;叙事性语篇的话头支配度较高,话头语段作用略强于议论体,但二者均明显低于汉语母语者的话头支配度,留学生语篇中普遍存在话头转换频繁的问题。此外,叙事体的偏误率高于议论体,是由其事件性引起的。（2）留学生在构建成分共享关系时的难度级差体现为:话头句法位置相同的共享—→动词宾语产生的新支模式—→话头在原配句中是修饰语的共享≈介词宾语产生的新支模式—→兼语句产生的新支话题句;（3）留学生较常出现的偏误类型是话头多余偏误和话头缺失偏误。随着留学生汉语水平的提高,话头多余偏误的数量明显减少,但话头缺失偏误没有明显改善。原因可能是引起话头多余偏误的因素比较单一,留学生较易掌握,但引起话头缺失偏误的因素比较多样,涉及到汉语的意合机制,留学生并未受过相关训练,很难改正相关偏误。理清话头结构是分析篇章结构的前提。本文研究展示并分析了留学生语篇中的话题共享现象。据此不仅能根据偏误类型和难度级差进行针对性教学,促进留学生语篇的连贯性,有利于对外汉语写作教学的发展;还能在此基础上继续研究留学生语篇中构建逻辑关系的动态过程,探究留学生对汉语语义关系的理解。此外,本文所做的理论适应性说明也能供后续采用该理论进行习得研究的人员参考,为后续相关研究奠定了基础。
邓威威[6]（2021）在《基于颗粒碰撞噪声检测法的舱体多余物检测》文中指出随着我国航空航天事业的发展,对舱体类设备的可靠性提出了更高的要求。舱体设备内部多余物颗粒的存在导致系统故障频发,造成了严重的航天事故和经济损失。因此本文借鉴基于颗粒碰撞噪声检测（PIND）的密封电子设备多余物检测方法,针对舱体设备内部多余物检测问题展开研究,旨在确定多余物PIND检测的试验条件和各因素影响规律,实现不同材质和粒径多余物的识别分类。针对形状尺寸更大的舱体设备,传统沿轴线转动舱体的人工检测方式检测效率和准确率低的问题,提出了基于PIND法的振动台施加激励的舱体多余物检测方法。采用ADAMS仿真分析和实验研究相结合的方法,研究了振动加速度、频率、多余物材质和粒径参数4个因素对检测效果的影响。通过单因素仿真探究了各因素对多余物检测效果的影响规律及最佳振动试验条件。采用正交试验法设计仿真和振动实验,并通过极差分析确定多余物材质参数为影响检测效果的关键因素,指出多余物材质和粒径的识别方案,为舱体设备多余物的检测和识别提供理论参考。针对多余物颗粒材质特征提取不足和分类决策算法识别效率低等问题,提出了基于集合经验模态分解（EEMD）和多分类相关向量机（M-RVM）的舱体多余物材质识别方法。借鉴密封电子设备多余物检测识别方法,提出基于EEMD的分解方法,有效避免了多余物信号经EMD分解后IMF分量中出现的模态混叠问题。结合希尔伯特-黄变换（HHT）法和小波包变换法,分别提取表征多余物材质信息的IMF相关系数序列、Hilbert谱质心向量和能量分布向量三个特征量,并将其作为输入量输入训练好的M-RVM识别分类模型中进行小钢珠、铝粒、焊锡粒、橡胶粒和扎带5种材质多余物的识别分类。结果表明,基于EEMD和M-RVM的舱体多余物材质识别方法具有较好的分类效果,总体识别正确率达89.2%。针对多余物粒径识别方法研究不足,传统粒径识别方法无法满足舱体多余物检测需求的问题,提出了基于混沌理论和聚类分析的多余物粒径识别方法。通过分析多余物信号时间序列的非线性和混沌特性,选取关联维数、K熵、Lyapunov指数三个混沌特征参数,全面表征多余物粒径特征信息,并通过聚类算法实现不同粒径多余物的识别分类。结果表明,该多余物粒径识别方法可以有效对粒径为1.0mm、1.5mm、2.0mm、2.5mm、3.0mm的5种多余物颗粒进行分类,总体识别正确率达86%。
王浩[7]（2021）在《舵面负载模拟系统控制策略研究》文中研究表明舵面负载模拟系统是一种地面条件下飞行器伺服控制机构的半实物仿真试验设备,主要用于复现飞行器舵面所受的各种空气动力载荷,以实现对伺服控制机构的检测和验证,从而确保飞行器的飞行控制精度。因此,舵面负载模拟系统对空气动力载荷谱的复现精度,将直接影响飞行器伺服控制机构检测结果的可信度和可靠性,并最终会关系到飞行器的飞控性能。然而,舵面负载模拟系统属于典型的被动式加载系统,将会受到多余力矩以及其它因素的干扰,严重影响载荷谱的跟踪精度,这对舵面负载模拟系统的动态加载控制带来了极大挑战。论文依托航天院某所舵面负载模拟系统项目,以舵面负载模拟系统为研究对象,为提高系统载荷谱动态跟踪精度,提出了基于神经网络的复合控制策略,并通过仿真与实验对其进行了分析及验证。首先,介绍了舵面负载模拟系统的结构组成及工作原理,建立了舵面负载模拟系统的数学模型,作为后续系统理论特性分析的研究基础;分析了系统在无扰和有扰条件下的动态特性,研究了不同结构参数对系统性能的影响,并给出了结构设计方面的合理性建议。其次,分析了舵机系统在不同工作阶段下的干扰特性,揭示了舵面负载模拟系统多余力矩的产生机理;研究了系统多余力矩的特性,并探究了多余力矩的影响因素,为多余力矩的抑制奠定理论基础。再次,针对提高系统动态加载精度的问题,对PID控制、基于前馈补偿的复合控制以及基于神经网络的复合控制分别进行相应算法的推导和控制器设计。然后,利用Matlab/Simulink进行仿真分析,包括多余力矩抑制以及多余力矩干扰下的不同载荷谱（含有常值载荷、三角波载荷、正弦波载荷）动态加载仿真实验,对比仿真结果,分析不同控制策略下的控制效果。最后,根据课题要求,给出负载模拟系统的相关设计;在此基础之上,搭建了实验加载验证系统,编写了测控软件程序,进行了多余力矩抑制实验和多余力矩干扰下的动态加载实验,验证了本文所提出控制策略的有效性,并与PID控制策略以及基于前馈补偿的复合控制策略的控制效果进行对比分析。
李硕[8]（2021）在《基于监督学习的多余物微粒重量估计技术》文中认为密封电子元器件中的多余物问题是阻碍电子系统可靠性的主要因素之一。解决多余物问题不仅要判断多余物的有无,更要依据多余物微粒自身性质,对元器件生产工艺流程进行评估,从生产环节减少多余物的产生。目前对多余物重量问题分析较少,本文基于监督学习开展多余物微粒重量估计技术研究。首先,本文在微粒碰撞噪声检测原理的基础上,提出多余物重量估计的研究方案。根据常见多余物重量范围和检测设备灵敏度,设计并选取含有多余物的密封继电器和密封电子元件两大类样本库。然后,引入希尔伯特黄变换与传统多余物特征提取方法相结合,对多余物重量特征进行提取。经过特征筛选,将相关度低、重要性差的特征剔除后,组成描述多余物重量的特征集。经过验证,新特征集能够较为全面的描述多余物重量信息。本文基于监督学习的分类和回归两种方法,分别对于密封继电器和电子元件数据集进行多余物微粒重量的定性和定量分析。通过八种分类算法建立不同的多余物重量定性分析模型,对模型进行超参数优化以获取最佳分析性能。通过五种回归算法建立不同的多余物重量定量分析模型,实现对多余物重量的定量估计。最后,在以上研究成果基础上,建立基于Py Qt5的多余物重量估计平台。实验结果表明,基于监督学习的多余物重量估计技术能够对多余物重量进行有效评估。
李超然[9]（2021）在《基于Boosting算法的密封电子元器件组件信号识别技术》文中提出密封电子元器件是航天系统中不可或缺的基础组件,其内部的多余物严重影响着整体系统的可靠性与稳定性。微粒碰撞噪声检测法是目前主流的多余物检测技术,该方法在识别特殊干扰信号和组件信号方面存在一些不足。针对上述问题,本文通过基于Sakoe-Chiba约束的动态规整算法在特殊干扰信号训练集中寻优出模版和阈值,结合本文设计的LB＿Hust、LB＿Keogh、Sakoe-ChibaDTW层级过滤算法准确、高效地识别并剔除特殊干扰信号;针对傅里叶变换对组件信号和多余物信号进行分解时遗失信号局部信息的问题,采用小波包变换提取能量特征来解决,并使用PCA对提取到的能量特征进行降维,通过LDA来弥补PCA在降维过程中类别信息的缺失;通过使用Boosting算法的分类结果作为新特征加入到原始样本中,本文设计一种基于分类结果的串行融合方式并使用Cat Boost算法、XGBoost算法和Logistic算法作为基分类器进行融合模型的搭建,由实验结果可知该融合模型在5组多余物信号和组件信号数据样本中各项分类指标均稳定在98%。通过上述改进,本文实现了特殊干扰信号的有效剔除和组件信号的准确识别,为后续多余物定位、多余物质量评估等技术奠定了基础。
肖太馨[10]（2021）在《泰国学生习得“不”和“没（有）”的偏误研究》文中研究说明在当前“一带一路”的引领下,汉语在对外交流中扮演着重要角色。在这种情况下,加快来华留学生的汉语学习进程、汉语习得研究就成为十分迫切的课题。而随着中泰往来的日益频繁,走出国门来到中国留学的人数也在不断增多。泰国学习汉语的人数也在不断增加,泰国掀起了一股“汉语热”,为推广汉语、传播中国文化提供了难得的机会。为了加强中泰之间的交流与合作,因此有必要对来华泰国学生的汉语教学进行专门研究。本论文以红河学院泰国学生“不”和“没（有）”的习得情况为研究内容,旨在探索泰国学生习得汉语否定结构的规律,以期为对外汉语推广教育工作提供参考。本文首先简要介绍了本研究的目的和意义,简要总结了泰国学生习得“不”和“没（有）”研究的历史和现状,并简要介绍了本研究需要的研究理论。同时,收集了红河学院汉语言专业大一到大四的所有泰国学生汉语写作课的平时作业、期中测试卷、期末测试卷共计435篇作文、约22万字作为研究语料,从一个总体的角度来探究泰国学生习得“不”和“没（有）”的偏误情况;其次,为了进一步发现并补充完善泰国学生在作文语料中没有使用到的句型,本文借助问卷调查的方式我们收集整理了泰国学生学习汉语否定副词的偏误语料,归纳出带“不”的13个结构和带“没（有）”的9种结构,总结并统计这22个结构的偏误类型和偏误率;第三,根据泰国学生习得偏误的类型,结合二语习得理论、偏误分析理论、对比分析理论和中介语理论等相关理论,同时将结合汉语和泰语的“不”和“没（有）”否定结构的异同点,详细分析了泰国学生出现偏误的原因并发现学生的习得重难点;最后,在分析泰国学生学习汉语否定结构的偏误类型及产生偏误原因的基础上,结合泰国学生习得否定副词“不”和“没（有）”的特点,对泰国学生汉语否定结构教学提出教学建议,为对外汉语教学领域的工作者、研究者提供参考:从否定副词“不”和“没（有）”的语法结构和语义方面进行教学、根据学生的学习阶段进行教学、结合学生的母语进行对比教学、在实际教学中全方位、多层次地贯彻汉语否定结构的教学。
二、这是“多余条件”吗?（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、这是“多余条件”吗?（论文提纲范文）
（1）“多余”并不多余——习题改编的“增加条件”策略与教学价值例谈（论文提纲范文）
| 一、“真的多余吗？”——“多余”源于相关性判断 |
| 1. 如何判断“多余”：分析条件与问题之间的联结 |
| 2. 辩证认识“多余”：变换问题，则多余与否亦变化 |
| 二、“好像是多余的……”——多余条件的编制策略 |
| 1. 数据属性与呈现形式的影响 |
| 2. 表述顺序与呈现位置的影响 |
| 三、“其实更有用！”——多余条件的教学价值 |
| 1. 在四能培养中灵活应用“多余” |
| 2. 在多种解法中深入理解“多余” |
（2）基于ADAMS的舱体多余物检测效果影响因素分析（论文提纲范文）
| 0 引 言 |
| 1 颗粒碰撞仿真模型的建立 |
| 1.1 多余物与舱体内壁接触形式定义 |
| 1.2 振动激励定义 |
| 2 单因素仿真试验分析 |
| 2.1 振动力学试验条件中加速度和频率的影响 |
| 2.2 多余物粒径和材质的影响 |
| 3 关键影响因素的确定 |
| 3.1 仿真试验及结果分析 |
| 3.2 振动试验及结果分析 |
| 4 结 论 |
（3）基于活动多余物检测的算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究目的和意义 |
| 1.2 多余物检测技术研究现状 |
| 1.2.1 国内外的多余物研究现状 |
| 1.3 多余物检测方法及算法的研究现状 |
| 1.4 本文主要研究内容以及论文安排 |
| 第2章 小波包信号分析相关理论 |
| 2.1 傅里叶变换 |
| 2.2 小波分析 |
| 2.2.1 连续小波变换 |
| 2.2.2 离散小波变换 |
| 2.2.3 正交多分辨分析 |
| 2.2.4 Mallat算法 |
| 2.3 小波包分析 |
| 2.3.1 小波包理论 |
| 2.3.2 小波包的分解特性 |
| 2.3.3 小波包算法 |
| 2.3.4 小波包基函数和分解尺度选择 |
| 2.3.5 小波包能量 |
| 2.4 小波包在多余物材质判断应用 |
| 2.5 本章小结 |
| 第3章 最优特征样本构建方法研究 |
| 3.1 活动多余物的特征值提取 |
| 3.1.1 多余物信号的多域特征提取 |
| 3.1.2 多余物信号频域特征值提取 |
| 3.1.3 声发射信号的MFCC算法 |
| 3.2 主成分分析 |
| 3.2.1 主成分分析定义 |
| 3.2.2 主成分分析方法步骤 |
| 3.3 主成分分析在活动多余物材质判断的应用 |
| 3.4 本章小结 |
| 第4章 支持向量机理论分析 |
| 4.1 支持向量机原理 |
| 4.1.1 线性支持向量机 |
| 4.1.2 非线性支持向量机 |
| 4.2 核函数及参数选择 |
| 4.3 支持向量机在多余物判断中的应用 |
| 4.4 本章小结 |
| 第5章 实验研究 |
| 5.1 实验平台 |
| 5.2 数据处理及模型训练方法 |
| 5.2.1 特征值提取 |
| 5.2.2 主成分分析降维 |
| 5.3 支持向量机分类器 |
| 5.4 SVM模型数据处理分析结果 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间所取得的相关科研成果 |
| 致谢 |
（4）高中化学必修教材开放性习题的比较研究 ——以“人教版”和“鲁科版”为例（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 问题提出 |
| 1.2 本研究的目的和意义 |
| 1.3 研究方法 |
| 2 文献综述、概念界定和理论基础 |
| 2.1 文献综述 |
| 2.2 核心概念界定 |
| 2.3 理论基础 |
| 3 开放性习题的比较研究 |
| 3.1 开放性习题评价框架的设计 |
| 3.2 开放性习题的数量统计及分析 |
| 3.3 开放性习题的典型案例分析 |
| 3.4 基于SOLO分类评价法调查学生对必修教材开放性习题的适应性 |
| 4 研究结论及必修教材开放性习题使用建议 |
| 4.1 研究结论 |
| 4.2 必修教材开放性习题使用建议 |
| 4.3 研究展望 |
| 参考文献 |
| 附录 |
| 致谢 |
（5）基于话头结构理论的留学生话题共享现象研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 问题提出 |
| 1.2 研究意义 |
| 1.3 全文架构 |
| 第二章 相关研究及理论基础 |
| 2.1 汉语篇章话题研究 |
| 2.2 留学生语篇研究 |
| 2.3 话头结构理论 |
| 2.3.1 研究背景 |
| 2.3.2 基本概念 |
| 2.3.3 流水模型 |
| 第三章 留学生语料的话头结构标注 |
| 3.1 研究问题 |
| 3.2 研究语料 |
| 3.2.1 水平判定 |
| 3.2.2 语言分类 |
| 3.2.3 文体分类 |
| 3.3 针对语料的适应性处理 |
| 3.3.1 标点混用的处理 |
| 3.3.2 对标点缺失、误加的处理 |
| 3.4 标注原则 |
| 3.4.1 全覆盖无遗漏标注 |
| 3.4.2 忠实原文标注 |
| 3.4.3 以话题共享为标注重心 |
| 3.5 标注规范 |
| 3.5.1 流水模型标记 |
| 3.5.2 偏误类型标记 |
| 3.5.3 话头—话体的句法关系类型标记 |
| 3.6 标注语料的质量检验 |
| 第四章 留学生语料话头结构的统计与分析 |
| 4.1 总体使用 |
| 4.2 正确使用 |
| 4.2.1 正确使用话头结构时的差异分析 |
| 4.2.2 构建成分共享关系的难度级差 |
| 4.3 使用偏误 |
| 4.3.1 话头多余 |
| 4.3.2 话头缺失 |
| 4.3.3 话头跨标点句共享 |
| 4.3.4 话头共享混乱 |
| 4.3.5 话头结构使用偏误的差异分析 |
| 4.4 本章小结 |
| 第五章 结语 |
| 5.1 研究发现 |
| 5.2 不足与展望 |
| 参考文献 |
（6）基于颗粒碰撞噪声检测法的舱体多余物检测（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 多余物检测方法的研究现状 |
| 1.2.1 PIND法的国内外研究现状 |
| 1.2.2 多余物材质识别方法的国内外研究现状 |
| 1.2.3 多余物粒径识别方法的国内外研究现状 |
| 1.3 本文主要研究内容 |
| 2 舱体多余物检测效果影响因素分析 |
| 2.1 颗粒碰撞噪声检测 |
| 2.1.1 PIND检测原理 |
| 2.1.2 声发射信号传播机理 |
| 2.2 多余物检测信号特征分析 |
| 2.2.1 多余物信号 |
| 2.2.2 固有机械信号 |
| 2.2.3 干扰信号 |
| 2.2.4 背景噪声 |
| 2.3 各因素对检测效果影响规律仿真分析 |
| 2.3.1 多余物颗粒碰撞动力学模型 |
| 2.3.2 振动试验条件 |
| 2.3.3 多余物粒径 |
| 2.3.4 多余物材质 |
| 2.4 显着性影响分析 |
| 2.4.1 仿真及结果分析 |
| 2.4.2 多余物振动检测实验系统 |
| 2.4.3 实验结果与分析 |
| 2.5 本章小结 |
| 3 基于集合经验模态分解和多分类相关向量机的多余物材质识别 |
| 3.1 EEMD分解方法 |
| 3.1.1 EMD分解法的基本原理 |
| 3.1.2 模态混叠与EEMD分解方法的提出 |
| 3.2 希尔伯特变换 |
| 3.3 改进的HHT仿真分析 |
| 3.4 基于EEMD的多余物材质特征提取 |
| 3.4.1 舱体多余物检测信号的采集 |
| 3.4.2 信号的预处理 |
| 3.4.3 IMF相关系数序列 |
| 3.4.4 Hilbert谱质心向量 |
| 3.4.5 能量分布向量 |
| 3.5 基于多分类相关向量机的多余物材质识别 |
| 3.5.1 相关向量机 |
| 3.5.2 多分类相关向量机 |
| 3.5.3 基于M-RVM的多余物材质识别方法 |
| 3.5.4 实验验证 |
| 3.6 本章小结 |
| 4 基于混沌理论和聚类分析的多余物粒径识别 |
| 4.1 混沌理论 |
| 4.2 多余物信号混沌特性分析 |
| 4.2.1 混沌特性 |
| 4.2.2 混沌特征参数 |
| 4.3 基于混沌理论的多余物粒径特征提取 |
| 4.3.1 不同粒径多余物信号采集 |
| 4.3.2 相空间重构 |
| 4.3.3 粒径特征提取 |
| 4.4 基于聚类分析的不同粒径多余物识别 |
| 4.4.1 K-means聚类 |
| 4.4.2 多余物粒径的判别 |
| 4.4.3 实验验证 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文情况 |
| 致谢 |
（7）舵面负载模拟系统控制策略研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题研究的背景与意义 |
| 1.2 负载模拟系统发展概况 |
| 1.2.1 国外相关发展概况 |
| 1.2.2 国内相关发展概况 |
| 1.3 负载模拟系统加载方式研究现状 |
| 1.4 负载模拟系统多余力抑制技术研究现状 |
| 1.5 论文主要研究内容及章节安排 |
| 2 舵面负载模拟系统数学建模与分析 |
| 2.1 舵面负载模拟系统的结构及工作原理 |
| 2.2 负载模拟系统数学模型的建立 |
| 2.2.1 动力机构的数学模型 |
| 2.2.2 其它环节的数学模型 |
| 2.2.3 负载模拟系统的模型 |
| 2.3 加载系统动态特性分析 |
| 2.3.1 无扰特性分析 |
| 2.3.2 有扰特性分析 |
| 2.4 加载系统结构参数对系统性能的影响 |
| 2.4.1 连接刚度对系统性能的影响 |
| 2.4.2 负载惯量对系统性能的影响 |
| 2.5 多余力矩的产生及其特性分析 |
| 2.5.1 多余力矩的定义 |
| 2.5.2 多余力矩的产生机理 |
| 2.5.3 多余力矩的特性分析 |
| 2.5.4 多余力矩的影响因素 |
| 2.6 本章小结 |
| 3 舵面负载模拟系统的控制策略研究 |
| 3.1 PID控制策略 |
| 3.1.1 PID控制器设计 |
| 3.2 基于前馈补偿的复合控制策略 |
| 3.2.1 前馈补偿原理 |
| 3.2.2 基于前馈补偿的复合控制器设计 |
| 3.3 基于神经网络的复合控制策略 |
| 3.3.1 神经网络概述 |
| 3.3.2 单神经元自适应PID控制 |
| 3.3.3 RBF神经网络系统辨识 |
| 3.3.4 基于神经网络的复合控制器设计 |
| 3.4 本章小结 |
| 4 舵面负载模拟系统的仿真分析 |
| 4.1 PID控制仿真分析 |
| 4.1.1 多余力矩及抑制仿真分析 |
| 4.1.2 多余力矩干扰下的动态加载仿真分析 |
| 4.2 基于前馈补偿的复合控制仿真分析 |
| 4.2.1 多余力矩抑制仿真分析 |
| 4.2.2 多余力矩干扰下的动态加载仿真分析 |
| 4.3 基于神经网络的复合控制仿真分析 |
| 4.3.1 多余力矩抑制仿真分析 |
| 4.3.2 多余力矩干扰下的动态加载仿真分析 |
| 4.4 本章小结 |
| 5 实验研究 |
| 5.1 舵面负载模拟系统的设计 |
| 5.1.1 负载系统的实现方案 |
| 5.1.2 单通道机械结构的设计 |
| 5.2 实验加载验证系统的搭建 |
| 5.2.1 机械负载台的结构设计 |
| 5.2.2 液压能源系统的设计 |
| 5.2.3 测控系统的设计 |
| 5.2.4 软件控制程序的设计 |
| 5.2.5 主要元件的选型 |
| 5.3 多余力矩的抑制实验研究 |
| 5.4 多余力矩干扰下的动态加载实验研究 |
| 5.4.1 恒值载荷谱动态加载实验 |
| 5.4.2 正弦波载荷谱动态加载实验 |
| 5.4.3 三角波载荷谱动态加载实验 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（8）基于监督学习的多余物微粒重量估计技术（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 多余物检测国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 多余物重量估计研究现状 |
| 1.4 论文主要研究内容 |
| 第2章 研究方案和数据集建立 |
| 2.1 引言 |
| 2.2 多余物微粒重量估计方案设计 |
| 2.2.1 总体研究方案 |
| 2.2.2 多余物重量数据采集设备 |
| 2.3 实验样本制作 |
| 2.4 样本采集 |
| 2.5 本章小结 |
| 第3章 多余物重量估计的数据处理 |
| 3.1 引言 |
| 3.2 数据清洗 |
| 3.3 希尔伯特-黄变换 |
| 3.3.1 经验模态分解 |
| 3.3.2 变分模态分解算法 |
| 3.4 多余物重量特征集建立 |
| 3.4.1 特征提取 |
| 3.4.2 特征筛选 |
| 3.5 实验验证 |
| 3.6 本章小结 |
| 第4章 基于监督学习的多余物重量定性分析 |
| 4.1 引言 |
| 4.2 基于贝叶斯算法的重量定性模型超参数优化方法 |
| 4.2.1 超参数贝叶斯优化 |
| 4.2.2 超参数优化方法验证 |
| 4.3 基于监督学习的多余物重量定性分析方法 |
| 4.3.1 常用监督学习分类算法 |
| 4.3.2 评价指标 |
| 4.3.3 识别模型建模分析 |
| 4.4 实验验证 |
| 4.4.1 继电器多余物重量定性建模及分析 |
| 4.4.2 电子元件多余物重量定性建模及分析 |
| 4.4.3 特定重量多余物识别建模及分析 |
| 4.5 本章小结 |
| 第5章 基于监督学习的多余物重量估计定量分析 |
| 5.1 引言 |
| 5.2 多余物微粒定量分析模型选择 |
| 5.2.1 常见监督学习回归算法 |
| 5.2.2 模型评估指标 |
| 5.3 基于监督学习多余物重量定量分析模型建立 |
| 5.3.1 基于线性回归分析方法 |
| 5.3.2 基于树回归分析方法 |
| 5.3.3 基于神经网络分析方法 |
| 5.3.4 模型对比评估分析 |
| 5.4 基于PyQt5 的多余物微粒重量估计模型平台 |
| 5.5 整体实验验证 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间的学术成果 |
（9）基于Boosting算法的密封电子元器件组件信号识别技术（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 组件与多余物检测技术的研究现状 |
| 1.3 组件信号识别存在的问题 |
| 1.4 课题研究意义 |
| 1.5 主要内容以及章节安排 |
| 第2章 数据预处理 |
| 2.1 引言 |
| 2.2 检测信号数据集的建立 |
| 2.2.1 信号采集 |
| 2.2.2 脉冲提取 |
| 2.2.3 脉冲规整 |
| 2.3 特殊干扰信号处理 |
| 2.3.1 动态时间弯曲距离的信号辨识方法 |
| 2.3.2 DTW算法处理特殊干扰信号 |
| 2.4 DTW算法优化 |
| 2.4.1 下界函数 |
| 2.4.2 DTW算法约束 |
| 2.5 下界函数与全局约束的DTW算法相结合剔除特殊干扰信号 |
| 2.5.1 层级过滤的顺序选择 |
| 2.5.2 整体层级过滤方案的设计 |
| 2.6 实验与分析 |
| 2.6.1 数据集介绍 |
| 2.6.2 评价指标 |
| 2.6.3 实验设计总结 |
| 2.7 本章小结 |
| 第3章 检测信号特征分析 |
| 3.1 引言 |
| 3.2 组件信号与多余物信号特征分析 |
| 3.3 小波包变换提取能量特征 |
| 3.3.1 小波变换与小波包变换 |
| 3.3.2 小波变换提取能量特征 |
| 3.3.3 小波包变换提取能量特征 |
| 3.4 PCA与 LDA对能量特征的降维处理 |
| 3.4.1 主成分分析降维方法基本理论 |
| 3.4.2 LDA方法基本理论 |
| 3.5 实验方案与分析 |
| 3.5.1 实验数据集 |
| 3.5.2 评价指标 |
| 3.5.3 小波包分解层数与小波基函数实验 |
| 3.6 特征筛选 |
| 3.7 本章小结 |
| 第4章 基于Boosting算法的组件信号识别 |
| 4.1 引言 |
| 4.2 集成学习 |
| 4.3 模型相关理论概述 |
| 4.3.1 XGBoost算法描述 |
| 4.3.2 Cat Boost算法描述 |
| 4.3.3 Logistic算法描述 |
| 4.4 融合方式分析与选取 |
| 4.4.1 基于分类结果的串行融合方式 |
| 4.4.2 基于分类结果和映射高维空间的串行融合方式 |
| 4.4.3 Stacking融合方式 |
| 4.5 实验预处理 |
| 4.5.1 数据集 |
| 4.5.2 算法模型的参数调优 |
| 4.6 实验方案与对比 |
| 4.6.1 强监督模型与弱监督模型的实验对比 |
| 4.6.2 融合模型与单一机器学习模型的实验对比 |
| 4.6.3 融合方式的对比 |
| 4.7 总体实验 |
| 4.8 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术成果 |
（10）泰国学生习得“不”和“没（有）”的偏误研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 第一节 选题缘由 |
| 第二节 研究意义 |
| 第三节 研究综述 |
| 一、否定副词“不”和“没(有)”的本体研究 |
| 二、否定副词“不”和“没(有)”的习得研究 |
| 三、研究总体评述 |
| 第四节 研究的切入点 |
| 第五节 研究理论 |
| 一、偏误分析理论 |
| 二、对比分析理论 |
| 三、中介语理论 |
| 第二章 泰国学生习得“不”和“没(有)”的研究设计 |
| 第一节 问卷设计 |
| 一、研究对象 |
| 二、问卷内容 |
| 三、问卷题型设计 |
| 第二节 研究范围和语料来源 |
| 一、研究范围 |
| 二、语料来源 |
| 第三节 研究方法 |
| 一、比较法 |
| 二、问卷调查法 |
| 三、统计与数据分析方法 |
| 四、描写、分析和解释相结合的方法 |
| 第三章 泰国学生习得“不”和“没(有)”数据统计分析 |
| 第一节 问卷调查统计与分析 |
| 一、不同汉语水平泰国学生“不”和“没(有)”总体偏误情况 |
| 二、不同汉语水平泰国学生“不”和“没(有)”各偏误类型数据统计 |
| 第二节 作文语料统计与分析 |
| 一、泰国学生“不”和“没(有)”总体偏误情况 |
| 二、初级汉语水平泰国学生“不”和“没(有)”的偏误情况 |
| 三、中级汉语水平泰国学生“不”和“没(有)”的偏误情况 |
| 四、高级汉语水平泰国学生“不”和“没(有)”的偏误情况 |
| 第三节 调查问卷和作文语料中“不”和“没(有)”偏误情况对比 |
| 第四节 小结 |
| 第四章 泰国学生习得“不”和“没(有)”偏误原因分析 |
| 第一节 语法偏误原因分析 |
| 第二节 语义偏误原因分析 |
| 第三节 偏误原因小结 |
| 第五章 泰国学生习得“不”和“没(有)”的教学建议与思考 |
| 第一节 教学建议 |
| 一、语法结构方面 |
| 二、语义方面 |
| 三、学习阶段方面 |
| 四、融入母语 |
| 五、教师教学方面 |
| 第二节 思考 |
| 结语 |
| 参考文献 |
| 附录 A 泰国学生习得“不”和“没(有)”的偏误研究调查问卷 |
| 攻读学位期间发表的学术论文和研究成果 |
| 致谢 |
四、这是“多余条件”吗?（论文参考文献）
- [1]“多余”并不多余——习题改编的“增加条件”策略与教学价值例谈[J]. 卢声怡. 小学数学教师, 2021(11)
- [2]基于ADAMS的舱体多余物检测效果影响因素分析[J]. 邓威威,刘淑杰,梅志恒. 大连理工大学学报, 2021(05)
- [3]基于活动多余物检测的算法研究[D]. 马哲冬. 北华航天工业学院, 2021(06)
- [4]高中化学必修教材开放性习题的比较研究 ——以“人教版”和“鲁科版”为例[D]. 邹佳瑞. 天津师范大学, 2021(09)
- [5]基于话头结构理论的留学生话题共享现象研究[D]. 朱钰麒. 北京外国语大学, 2021(10)
- [6]基于颗粒碰撞噪声检测法的舱体多余物检测[D]. 邓威威. 大连理工大学, 2021(01)
- [7]舵面负载模拟系统控制策略研究[D]. 王浩. 北京交通大学, 2021(02)
- [8]基于监督学习的多余物微粒重量估计技术[D]. 李硕. 黑龙江大学, 2021(09)
- [9]基于Boosting算法的密封电子元器件组件信号识别技术[D]. 李超然. 黑龙江大学, 2021(09)
- [10]泰国学生习得“不”和“没（有）”的偏误研究[D]. 肖太馨. 云南师范大学, 2021(08)
标签：系统仿真论文;