This book is an outgrowth of lectures in Mathematics 240, "Applied Stochastic Processes," which I have taught a number of times at Duke University. The majority of the students in the course are graduate students from departments other than mathematics, including computer science, economics, business, biological sciences, psychology, physics, statistics, and engineering. There have also been graduate students from the mathematics department as well as some advanced undergraduates. The mathematical background of the students varies greatly, and the particular areas of stochastic processes that are relevant for their research also vary greatly.

《空间谱估计理论与算法》ch5 《阵列信号处理及Matlab实现》ch4 用的求解函数是《空间谱》ch5中的表达形式 可成功运行

Reusable Firmware Development A Practical Approach to APIs, HALs and Drivers 英文epub 本资源转载自网络，如有侵权，请联系上传者或csdn删除 查看此书详细信息请在美国亚马逊官网搜索此书

Ross's classic bestseller, Introduction to Probability Models, has been used extensively by professionals and as the primary text for a first undergraduate course in applied probability. It provides an introduction to elementary probability theory and stochastic processes, and shows how probability theory can be applied to the study of phenomena in fields such as engineering, computer science, management science, the physical and social sciences, and operations research. With the addition of several new sections relating to actuaries, this text is highly recommended by the Society of Actuaries. A new section (3.7) on COMPOUND RANDOM VARIABLES, that can be used to establish a recursive formula for computing probability mass functions for a variety of common compounding distributions. A new section (4.11) on HIDDDEN MARKOV CHAINS, including the forward and backward approaches for computing the joint probability mass function of the signals, as well as the Viterbi algorithm for determining the most likely sequence of states. Simplified Approach for Analyzing Nonhomogeneous Poisson processes Additional results on queues relating to the (a) conditional distribution of the number found by an M/M/1 arrival who spends a time t in the system,; (b) inspection paradox for M/M/1 queues (c) M/G/1 queue with server breakdown Many new examples and exercises.

C Programming A Modern Approach, 2nd Edition(Part 2)

C Programming A Modern Approach, 2nd Edition(Part 1)

（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

图3.25 动力电池循环寿命与温度关系 从试验结果可以看出，动力电池的循环寿命随着使用环境温度的升高而逐渐减少。 另外，通过文献[123]的试验结果（如图 3.25（b）所示）还可以看出，在 20℃左右时， 电池的循环寿命次数达到最大。因而通常将动力电池的温度区间定义为 20~40℃左右。 3）放电深度（DOD）和倍率，放电深度和放电倍率是电池在使用过程中的两个 关键控制参数。处于不同放电深度下即 SOC 状态时的电池活性物质以及电解液浓度等 均有所不同，由此会对电池的电化学反应过程产生影响，多次循环后产生明显不同的 容量衰减性能；而放电倍率主要会影响电池的极化程度，放电倍率越大极化现象（极 化电势）即越明显，电池系统会越偏离平衡状态，由此带来电池极板的加速老化，缩 短电池寿命。 纯电动汽车用动力电池属于能量型电池，其正常的充放电倍率一般在±3C 以内， 在这样的放电倍率下，由放电倍率对循环寿命造成的影响基本可以忽略不计。文献[123] 针对 CBP2450 型号的动力电池组进行不同倍率下的循环放电试验结果如图 3.26 所示。 而在 HEV 的应用中，放电倍率可达到 10C，此时倍率的影响则不容被忽视[124]。 图3.26 不同充放电倍率对电池寿命的影响 为了验证放电深度对循环寿命的影响，文献[125]设计了如图 3.27（a）所示的循

冲击是一个显式的有限元程序套件，可模拟动态冲击事件。 它具有一系列要素，联系方式和不同的材料法则。 可以使用随附的预处理器和后处理器来创建，求解和分析模型。 影响基于显式时间步进算法。 这类代码用于模拟动态现象，例如车祸等，通常涉及较大的变形。

连续时间下的随机控制，主要介绍动态规划原则，HJB方程（有限时间、无限时间、停时）、最优停时问题、粘性解以及脉冲控制 该书是对上述问题/模型/理论的基础介绍，不过多涉及深层次定理证明，适用于入门