（1）整车动力性需求功率验算 1）最高车速对应的功率需求计算 最高车速时，车辆主要受到滚动阻力和风阻的影响，忽略坡度阻力的情况下，最 大需求功率 _ maxm vP 为 2 max max _ max ( ) 3600 21.15 d m v v C Av P mgf     ································ (4.1) 其中， max v 为最高车速；   为系统效率；m 为在原车整备质量基础上加载 165kg 后的质量。根据目标车型的基本参数可以得到在最高车速下的功率需求约为 45kW。 2）最大爬坡度对应的功率需求计算 以稳定车速 0 v 通过 max  的坡度时，车辆所需功率 0_ v P  为 0 2 minmin _ max max ( cos sin ) 3600 21.15 d v C Avv P mgf mg         ···················· (4.2) 取最大坡度为 30 度， max max arctan  。最低通过车速为 20km/h 时，所需功率为 36.3kW。 3）加速时间对应的功率需求计算 车辆加速过程中，所受到的阻力主要包括滚阻、风阻以及加速阻力，忽略坡路阻 力，加速后期所需功率最大，此时的加速功率需求 acc P 为 2 ( ) 3600 21.15 d acc f w j C Avv dv P P P P mgf m dt          ····················· (4.3) 其中， 为旋转质量换算系数； v为加速后期车速； dv dt 为加速后期加速度。 在初步验算过程中，为了简化计算，采用一种常用的等效方式表达加速过程中的 车速与加速末时车速和加速时间的关系，如式 4.4 所示[37] ( ) a m m t v v t  ································ ·············· (4.4) 其中， m v 为车辆加速后期车速； m t 为加速时间； a 为拟合系数，通常取为 0.5。 由此可得，加速时间需求功率为 3 2 1 ( ) 3600 1.5 52.875 7.2 m d m m acc m m m v C Av v P mgf t t m t      ························ (4.5) 初步估算得加速功率需求为 72.6kW，大于其他两个动力指标下的功率需求。 （2）基速比选择及电机功率需求计算

QTimePicker -钉钉日期选择器

IOS从摄像头或者文件选择图片,IOS从摄像头或者文件选择图片,IOS从摄像头或者文件选择图片

VB6.0通用遍历所选文件夹及其多重子文件夹操作，直接使用Command按钮过程可以操作，无需其他额外控件。新建一个窗体，添加一个Command1按钮，添加一个listbox控件，名称为list1，打开一个Excel空白文件（如不需要请注释相关代码）。把本文件代码复制粘贴进去，单击按钮即可弹窗提示选择文件夹。

NULL 博文链接：https://jintongyao-hotmail-com.iteye.com/blog/526080

对当前学习任务有价值的属性称为是“相关特征”，没有价值的属性称为是“无关特征”，从给定的特征集中选择出相关特征子集的过程，就称为是“特征选择”。其中还有一种特征称为是“冗余特征”，这些特征指的是可以从其他特征中推演出来的特征。

⒉定点数格式的选择 定点格式表示数的范围和数据的精度是确定的。表示数的范围越大，数据的精度越低，也就是说，数的范围与精度是一对矛盾。对16位的数据来说，动态范围最大的格式为整数Q.15，精度（或分辨率）最高的格式为Q15。 定点格式的选择实际上就是根据Qm.n表示方法确定数据的小数点位置。

游戏简介 扫雷，是一款益智类小游戏。 游戏目标是找出所有没有地雷的方格，完成游戏；要是按了有地雷的方格，游戏失败；玩家可标记雷的位置。游戏以完成时间来评高低。有不同的游戏难度可选择。 实现的功能介绍 1.计时 2.初始化雷盘 3.打印雷盘 4.随机设置雷的分布，可选择游戏难易程度 5.统计坐标位置周围的雷数 6.第一次排雷不会被炸死 7.扩展式排雷，展开周围的非雷区 8.给所选坐标位置做标记，或取消标记 该程序分为三个文件： 1.game.h ：包含头文件的引用、函数的声明和宏定义 2.game.c ：包含游戏各功能函数的具体实现 3.pro.c ：各功能函数的调用（程序

这是一款整理发布的市场区隔与目标市场选择，适用于针对企业环境、规模、特点等进行参考学习，...该文档为市场区隔与目标市场选择，是一份很不错的参考资料，具有较高参考价值，感兴趣的可以下载看看

路由选择是一种基于网络层的协议，而所有流行的网络层路由选择协议都是基于以下两种典型的分布式算法之一：距离向量路由算法和链路状态路由算法。组合优化问题是人们在工程技术、科学研究和经济管理等众多领域经常遇到的问题，其中许多问题如旅行商问题、0-1背包问题、图着色问题、装箱问题等，都被证明为NP-困难问题。用确定性的优化算法求NP完全问题的最优解，其计算时间使人难以忍受或因问题的高难度而使其计算时间随问题规模的增加以指数速度延长。用近似算法如启发式算法求解得到的近似解不能保证其可行性和最优性，甚至无法知道所得解同最优解的近似程度。因而在求解大规模组合优化问题时，传统的优化算法就显得无能为力了。在过去的10多年，蚁群算法（ACO）的研究和应用取得了很大的进展，大量结果证明了算法的有效性和在某些领域的优势。蚁群算法是一种新型的模拟进化算法, 研究表明该算法具有并行性, 鲁棒性等优良性质。本文阐述了蚁群算法的原理,详细的说明了蚂蚁算法中各个功能模块，并介绍了该算法在理论和实际问题中的应用, 并对其前景进行了展望。 路由算法往往具有下列一种或多种目标: 最佳性、简单性、稳定性、快速收敛性及适应性等。