行业软件及应用
-
智能故障诊断技术MATLAB应用闻新 等著本书系统地介绍了智能故障诊断理论、技术及应用,从基于数学模型故障诊断方法延伸到基于神经网络故障诊断方法。全书共9章,主要包括智能故障诊断成果的综述及其未来发展展望,航天器在轨故障分析,系统故障的模型化,故障可检测性,故障的统计检测原理,基于数学模型的故障诊断原理,基于神经网络的故障诊断方法,基于模糊神经网络的故障检测阈值设计和故障诊断方法,基于小波神经网络的故障诊断方法等。此外,本书附有MATLAB程序代码,方便读者进行学习和研究扩展。本书各部分内容相互渗透、自成体系,有助于读者掌握智能故障诊断技术的本质。本书可以作为高等院校控制工程、信息工程及相关专业的本科生和研究生教材,也可作为从事故障诊断理论及工程应用研究的相关技术人员和高校师生学习的参考用书。 -
GitHub入门(美)Peter Bell(彼得·贝尔),(美)Brent Beer(布伦特·比尔)如果你是GitHub的新手,《GitHub入门》正好能为你展示了开始使用GitHub所需的内容,仅此而已。对于项目和产品管理者、股东以及其他希望在一个开发项目中协作的团队成员而言,这本书是很好的选择。这里,团队成员的协作可以是对进展中的工作进行评阅及评论或是贡献特定的更改。对于仅为学习GitHub的开发者而言,本书也是不错的选择。GitHub已迅速成为软件开发的默认平台,但它也是其他包括从合约到电影剧本等文本文档的理想平台。本书将教你如何使用GitHub的Web接口浏览项目并与你的团队有效协作。学习如何使用以及为什么使用GitHub进行协作。查看项目的状态,包括最近的改变、显著的工作以及历史更改。在没有学习Git情况下通过GitHub创建和编辑文件。未被许可直接编辑项目时给项目提出修改建议。使用issues、pull请求及分支等工具定义更改并在其上协作。创建一个新的GitHub仓库,控制其他人员访问你项目的权限。 -
ETABS结构设计实例详解杨勇 编著本书详细介绍了利用ETABS结构分析软件对6个典型工程案例的设计分析过程,这6个案例包括多高层钢筋混凝土结构设计、多高层钢框架结构设计以及超高层结构设计。书中案例均来自真实的工程案例,采用软件新版本并配合新规范编写,具有较高的实用价值。本书适用于结构工程设计人员学习参考。 -
电气控制与PLC黄鹤 主编暂缺简介... -
跨界暂缺作者本书作者李芏巍(笔名,本名李建设)作为国内物流第一人,一直热切关注顺丰,深入研究顺丰企业文化及战略方向。作者通过专业的研究,对顺丰嘿店的跨界战略进行了深入的分析,提出了自己独到的见解,客观地评价了顺丰嘿店的战略意义。 -
DSP芯片原理与应用基础教程张雄伟 编著本书较为系统地介绍了DSP芯片的基本原理和应用方法。首先介绍了DSP系统和DSP芯片的基础知识;介绍了美国德州仪器公司的CCS集成开发环境及其使用方法;然后以TMS320VC5509A为例,较为系统地介绍了DSP芯片的软件开发调试和硬件设计方法,并给出了许多典型的应用实例。本书的目的是使读者了解DSP芯片的基本原理,掌握DSP芯片开发工具及其使用,初步掌握DSP系统的软硬件设计和应用系统开发方法,具备从事DSP芯片开发应用的初步能力。本书结构清晰、语言简练、实例丰富,可作为本科和高职院校通信工程、电子信息工程、自动控制、计算机应用等相关专业学生的教材,也可作为DSP芯片开发应用人员的初级培训教材,对于从事DSP芯片开发应用的科技人员和高校教师也具有参考价值。 -
电子技术实验与Multisim古良玲,王玉菡《电子技术实验与Multisim 12仿真》依据高等院校电子信息类、自动化类的“电工基础”、“模拟电子技术”和“数字电子技术”课程最新教学大纲要求,精选仿真实验项目,将理论知识与实际训练紧密结合,便于学生参照练习,不仅能激发学生的学习兴趣,而且能加深对理论知识的理解,提高教学效果。本书共分5章,第1章简要介绍Multisim12仿真软件,了解菜单功能,元器件库和仪器仪表的使用等。第2章和第3章为模拟电子技术基础实验和数字电子基础实验,以单个实验为主体进行编写,针对每个实验既配备了计算机仿真实验内容,又配备了实验室操作实验内容,较好地把理论、仿真与实际操作有机地结合起来。计算机仿真实验内容既可以作为实验的教学内容,也可以作为实验室操作之前的预习内容,很好地弥补了实验设备不足的缺点,虚实结合,使学习更加能够理论联系实际。第4章和第5章讲解了运用Multisim仿真技术设计电子秒表及交通信号控制系统的两项综合实验,从单元电路仿真分析到总体电路设计,逐步掌握电子技术综合实验的设计要领。本书可作为相关学校电子信息类、自动化类专业教科书,亦可供从事电工电子技术设计和应用的科技人员及大中专学生参考。 -
金蝶K3 Wise财务管理案例全程实训刘玉红、胡同夫《金蝶K3 Wise财务管理案例全程实训》主要包括:会计应具备的基本技能、金蝶K3Wise版的安装与卸载、公司账套的创建与管理、金蝶K3Wise主控台与系统设置、公司总账的凭证与期末处理、公司财务账表的查询与管理、公司固定资产的管理、公司往来业务中的应收款管理、公司往来业务中的应付款管理、公司员工薪资的管理、公司现金的管理、编制公司财务报表和金蝶软件的安全管理等几个方面的内容,每部分均配有相应的具体操作步骤。全文采用图文并茂的方式,逻辑流程脉络清晰、内容衔接紧密,具有极强的整体感。此书实例丰富、布局合理、图文相得益彰,叙述内容深入浅出,注重理论与实际操作相结合,涵盖金蝶K3Wise版财务处理的难点和热点。 -
面向设计师的编程设计知识系统PADKS包瑞清也许是受到传统计算机辅助设计的影响,大部分设计者总会将目前的计算机辅助设计停留在某个命令如何操作的基础上,也许是种无奈。基本的命令操作很重要毋庸置疑,但是编程辅助设计的方法本身已经不再是某个基本的命令,而是一个编程设计的知识系统。设计者应该具有编程的能力来创造性地设计和研究设计的过程,使用编程的方法探索设计的各类问题。《折叠的程序》是面向建筑师编程设计知识体系研究的一个方向,是使用编程的方法研究折叠的过程,以此抛砖引玉改变传统设计意识的束缚,从根本的方面阐述编程辅助设计的方法。《折叠的程序》开篇主要阐述编写折叠的程序核心的Grasshopper模块动力学模拟Kangaroo,通过翻译设计者Daniel Piker的帮助文件,对Kangaroo的使用方法有较深入的理解;“开始折叠的程序”、“基础褶皱”、“其他褶皱”、“V 形褶皱”、“拱形与抛物线形”和“无折缝或一条折痕”部分都是以Paul Jackson 编写的《从平面到立体——设计师必备的折叠技巧,FoldingTechniques for Designers:From Sheet to Form》为基础研究折叠的方法,但是通过程序的编写实现折叠的过程;除了对于折叠程序的探讨,在“ 基于动力学设计方法探索”中,通过程序探索索膜结构、极小曲面与无限周期极小曲面和展平的程序方法;用程序的方法重新诠释折叠的过程并不仅仅是换种思维来表述折叠,同时也并不仅仅是为了熟练掌握Grasshopper 加Kangaroo 动力学模块,更重要的是编程设计的思维。对于很多设计师应该能够根据前文阐述的折叠程序发展出很多出色的设计形式,一方面是根据折叠方法的研究,创造出更多的折叠形式;另一方面是根据折叠的形式衍生出建筑形式。“折叠的建筑”部分正是利用前文阐述的一个程序,加以梳理完成一个建筑概念的设计。 -
面向设计师的编程设计知识系统PADKS包瑞清《ArcGIS下的Python编程》对于ArcGIS 下Python 脚本使用方法的阐述是从Python 语言本身和基于ArcGIS的Python 两个方面同时着手,因此在阅读本书时不需要预先具备Python 基础知识。本书包括七个部分,Python 与ArcGIS,ArcGIS 下的地理数据与Python 数据结构,Python 的基本语句与使用Python 访问地理数据,创建函数与使用Python 处理栅格数据,创建类与网络分析,异常与错误,以及程序的魅力。主要阐述的逻辑线存在并行的两条线,一个是针对Python 的,从对于Python 介绍、数据结构、基本语句到创建函数、创建类和异常;另一个是针对ArcGIS 下的Python ,从ArcPy 站点包、访问以及管理地理信息数据的方法、处理要素类、处理栅格数据到网络分析和与地理处理模型的结合方法。两条线同时推进阐述,互相支持印证,并结合实际解决问题的应用方法,例如如何转化KML 文件和.dwg 格式文件并增加字段数据,以及适宜性分析栅格计算重分类的方法和寻找最近设施点的网络分析,遗传算法应用等。最后一部分则通过具体的案例来阐述应用ArcGIS下Python编程规划的方法,初步包括三个课题的探讨:“课题探讨_A_ 自然村落选址因子权重评定的遗传算法”,村落选址受制于山水,如何在复杂的地形中谋得栖身之所,避免自然灾害的侵扰并具有舒适宜人的小气候是人类不断探索的课题。根据假定既有村落选址的特点反推权重设置具有一定的合理性,并根据反推的权重应用于影响因子计算新的地块获取选址。在这个过程中,使用优化算法中的遗传算法求解;“课题探讨_B_ 基于景观感知敏感度的生态旅游地观光线路自动选址”,根据《基于景观感知敏感度的生态旅游地观光线路自动选址》的研究,将计算模型程序化,不仅提升模型计算的效率,更有利于不断修正研究过程中出现的问题以及加入更多不同类型影响因子后,进行综合性评价分析,并为类似的研究提供基础性程序片断;“课题探讨_C_ 解读蚁群算法与TSP 问题”,蚁群算法(Ant Colony Optimization,ACO),又称蚂蚁算法,是一种用来在图中寻找优化路径的机率型算法。本案例将蚁群算法在ArcGIS的Python脚本中实现。
