下载文档原格式
déjàvuDéjà Vu X（工作组版）上手指南徐彬(simon_xb＠sohu。
com）译（在déjàvu Professional环境下）目录Déjà Vu X(工作组版）的组成 (3)项目 (3)翻译记忆 (4)术语库 (5)SGML/XML过滤器 (5)Déjà Vu工作组版使用教程 (6)创建项目 (6)翻译文件 (14)导出完成的翻译 (22)倍增生产力 (23)预翻译 (26)字数统计和统计数字 (30)Déjà Vu X Workgroup 构成项目Déjà Vu X(工作组版），工作时面对的是项目文件.Déjà Vu 工作组项目是一个具有特殊结构的电脑文件，Déjà Vu 工作组版能够识别、显示、管理该文件,帮助你完成翻译工作.项目包含下列内容:-翻译工作中的所有文本，包括源语文本和翻译文本，二者使用表格的样式呈现。
-左栏显示源语文本, 右栏显示目标语言. 每次只显示一个目标栏.-每个源语句子占一行. 源语文本根据一定的规则被切分为表格单元。
用户可以设定相应的规则.-原始文档的格式和其他信息. 这些不可译信息或者隐藏于句子（表格行）之间，或者是隐藏在控制码中。
项目所使用的源语文件，可以是不同的格式,只要Déjà Vu支持即可（软件所支持的格式请参见用户手册）. 这些文件可以是位于电脑的某个文件夹内，或是局域网的其他位置。
表格的行可以以不同的方式显示:-一次一个文件-或是所有的文件一起显示。
两种方式下行都可以以字母顺序排列显示，或是按文档原来的顺序显示（即句子在原文中出现的顺序显示）。
你将进行翻译的工作文件称作Déjà Vu 项目 .dvprj)。
你可以在Déjà Vu 工作组主界面中创建并打开这些文件。
CLUE-S数据操作教程数据处理之前保证所有原始数据的空间参考、范围、栅格大小一致！！！！1、土地利用类型提取将2000、2005、2010年土地利用裁剪为万州区（裁剪之前检查矢量范围是否在人口密度、土地利用、dem、等涉及的范围内，如果边界不统一，可在裁剪之前将矢量边界范围适当缩小一圈，目的是保证后面所有栅格的范围一致），将土地利用类型的1、2、3、4、5、6重分类为0、1、2、3、4、5（clues软件要求从0开始），然后分别提取各类型（有该种类型赋值为1，无该种类型赋值为0）再转为ASCII（各个类型转分别转一个ASCII，总的转一个ASCII,三年共6*3+1*3=21个ASCII文件，起始年的ASCII文件命名为cov_all.0）。
检查ASCII文件的行列号、XY坐标是否一致。
按掩膜提取是要把环境范围选为作为掩膜的栅格cov_all.0用6中土地利用类型直接转，其余单独种类Con("2005年土地rec.tif" == 0,1,0)若con函数报错，用重分类也可以实现2、驱动因子(驱动因子不需要归一化)2.1道路因子（欧氏距离）道路-欧氏距离-转栅格-掩膜（裁剪）-转为ASCII2.2河流因子（欧氏距离）同2.12.3乡镇点因子（欧氏距离）同2.12.4自然村因子（欧氏距离）同2.1注意：做欧氏距离时，环境设置要把范围设置为与边界相同，再用土地利用的栅格掩膜，保证裁剪出来的行列号一致2.5人口密度（人口空间化）2.6 高程Dem-掩膜-转ASCII2.7 坡度DEM-坡度-转ASCII3、回归分析3.1转换为单一记录文件所谓 Logistic 回归，是指因变量为二级计分或二类评定的回归分析，在本文中来分析相关的驱动力与某种土地利用类型的相关关系。
分析前，将水域、耕地、建设用地、林地、园地、未利用地六种地类分别从现状图的栅格文件中提取出来，有该种地类的空间位置设为 1，没有该种地类的空间位置设为 0，再转为 ASCII 文件，与 7种驱动力的 ASCII 码文件仪器用模型自带的 File Converter 软件转化为单一记录的文件，在安装目录新建一个“names.txt空文件”结果自动存于stat.txt文件，这样做的目的是剔除空间中不在研究区域内的空值，然后输入到 SPSS 17.0 中，将每种土地利用类型与 7 种驱动力进行回归分析，得出每种驱动力的β值。
PCS 7 SP1 APL库阀门功能块VlvL使用入门1. APL库介绍PCS7 SP1为西门子最新一代DCS控制平台,为满足不同行业、不同用户的控制要求,其提供了丰富的控制功能库;功能库有PCS 7 AP Library V71、PCS 7 BasisLibrary V71和PCS 7 Library V71;PCS 7 AP Library本文将缩写为APL 为高级过程库非先进过程控制,为以上版本所提供的全新功能库,其在原有基本控制算法的基础上,增加了许多新的特性,例如,功能块特性参数Feature定制,远程/就地模式控制,面板关联,互锁控制,辅助值显示等,可以满足不同行业、不同习惯用户的各种不同应用需求;而且高级过程控制库带有全新显示风格的图标和面板,显示界面更加丰富,操作方式更加贴近人体工程学的要求;图1库图关于APL库的更多信息请参考开始菜单àSIMATICàDocumentationàEnglish下的“PCS 7 – Manual for advanced process library ”文档和相关在线帮助;其中为满足不同用户、不同行业的控制习惯要求,APL库加入的特性参数Feature定制功能,请参考上述手册中的章节;此文主要将主要介绍APL中的VlvL阀块的使用;附加信息：PCS 7 SP1同时提供的另外两个功能库中,PCS 7 BasisLibrary为基本库,提供PCS 7所需的所有诊断功能块,如CPU_RT,SUBNET,OB_BEGIN等系统块;由系统在编译过程中自动调用,不能在用户程序中人为调用;PCS 7 Library则相当于以前版本的PCS 7 Standard Lib库,包括了原有功能库中除BasisLibrary块之外的其他所有功能块,为兼容原有版本而保留;2 .VlvL块基本特性介绍PCS 7 SP1中,APL库VlvL功能块主要用于控制两位打开/关闭阀门,可以实现阀的手动控制、自动控制、就地控制等；控制命令可以为单点的高低电平开关也可以为双点的脉冲控制开关；阀门的打开或关闭过程中可以实行安全的连锁保护控制等;其中VlvL块的4种操作模式：就地模式、自动模式、手动模式、停止服务模式介绍如下;q就地模式：此操作模式下,阀可通过位于“就地”的控制箱进行就地开关控制;q自动模式：此操作模式下,阀由程序功能块的输出来自动控制;q手动模式：此操作模式下,阀由操作员通过上位机面板手动控制;q停止运行：“停止运行”操作模式适用于所有带操作模式切换的功能块;该操作模式适用于维护和维修阶段例如,更换设备;进入此模式后,功能块将被禁用,上位机面板、程序自动控制命令等都不能控制电机;此外现场的故障信号也不会生成任何报警消息;在此操作模式下,电机和阀的所有输出均设置到安全位置;以下是4种模式之间的切换关系,从图中看出除停止运行模式外,其他各种模式之间可以进行相互的切换;“停止运行“模式只能从“手动”模式下向其进行过渡; 图2操作模式的切换下文将通过具体的章节详细介绍上述各功能的应用;阀门安全位置阀门的安全位置为阀门处于失电状态时的位置,例如不同的应用场合用到的常开阀“NO”或常关阀“NC”中的开或关的位置即为此处所谈到的安全位置;不同安全位置的阀门,其控制命令不一样;例如,常开阀“NO”其关的命令应为带电的1的命令,而常关阀“NC”其开的命令为带电的1的命令;在APL库中VlvL功能块可以通过阀门功能块的如下管脚来设置该位置从而实现不同的输出命令;üSafePos = 0,阀门安全位置为关闭状态,断电时阀处于关闭状态即“NC”阀；例如：打开阀门信号,Ctrl=1,阀得电打开；关闭阀门信号,Ctrl=0,阀断电关闭;üSafePos = 1,阀门安全位置为打开状态,断电时阀处于打开状态即“NO”阀;例如：打开阀门信号,Ctrl=0,阀断电打开；关闭阀门信号,Ctrl=1,阀得电关闭注：编写程序时对于阀门安全位置,在程序中只需设置SafePos,并不需要进行特别处理;VlvL功能块面板中可以显示阀安全位置的设置：图3安全位置为0图4安全位置为1块的基本使用功能块调用VlvL块在库里编号为FB1899,通过CFC进行调用,安装在循环中断OBOB30-OB38中;如图5,在PCS 7 AP Library V71/Drivers里找到VlvL然后拖入相应的CFC中即可;图5调用VlvL功能块基本管脚如下图,更详细的内容可以参见在线帮助;其中FbkOpen管脚连接现场阀门打开反馈信号,FbkClose管脚连接现场阀门关闭反馈信号,Ctrl连接的是单点高低电平型阀门输出信号,此三管脚为最基本的信号输入和输出管脚;表2就地打开/关闭阀门相关的管脚上述管脚中最重要的一个管脚为Localsetting,通过设置参数LocalSetting为0,1,2,3,4不同的数值,可以对阀门进行不同的就地控制策略;LocalSetting = 0关闭就地模式;LocalSetting = 1 通过就地模式切换信号连接至LocalLi输入管脚实现就地模式的切换;就地模式下的启停命令连接至OpenLocal和CloseLocal管脚通过VlvL块的控制命令Ctrl管脚输出到现场MCC柜完成就地控制;LocalSetting = 2通过就地模式切换信号连接至LocalLi输入管脚实现就地模式的切换;就地模式下的启停命令不需要连接至OpenLocal和CloseLocal管脚,而是直接控制MCC柜完成就地控制;VlvL功能块根据反馈信号FbkOpen和FbkClose进行阀门现场运行状态的跟踪;LocalSetting = 3 现场不提供就地模式切换信号,而是通过上位机面板实现就地模式的切换;就地模式下的启停命令连接至StartLocal和表2程序启/停阀门相关的管脚实现程序模式下的自动控制,有如下两种实现方式：1．通过操作员面板的模式按钮将阀门功能块切换至自动模式ModLiOp=0,程序中连接OpenAut和CloseAut实现自动模式下的开关命令；2．通过程序连接ModLiOp和AutModLi,并分别设置ModLiOp=1程序控制模式的切换和AutModLi=1进入自动模式后,再通过OpenAut和CloseAut实现自动模式下的开关命令;此时,面板上的模式切换按钮和阀门开关按钮为灰色不可操作,如下图10所示;图9CFC中通过程序互连打开/关闭阀门图10通过程序互连打开/关闭阀门的面板附加信息：APL允许设置功能块在自动模式下的启动命令形式为单点高低电平型启动命令仅OpenAut控制命令有效,高电平为打开命令,低电平为关闭命令或双点脉冲型开/关命令OpenAut为开阀命令、CloseAut为关阀命令,该特性可以通过Feature管脚bit 4位定制;详细情况请参考APL手册中章节内容;4. VlvL块的连锁保护控制功能一些复杂的阀门控制回路需要使用到连锁保护控制的功能,VlvL功能块提供了最多三种类型的连锁,对应的管脚分别为Intlock、Protect和Permit,如图11所示; 图11连锁功能启动使能许可Permit阀门处于安全位置并准备离开安全位置时动作时,如果条件允许即输入Permit=1,则允许阀门动作；如果条件不允许输入Permit=0则不能动作阀门,此时如图11中“关闭”右边的按钮为灰色;该激活使能条件只针对阀门处于安全位置时有效,即只在阀门离开安全位置时进行连锁,如果阀门已经离开安全位置,则不再校验该使能信号;即使条件不允许,阀门也不会复位到安全位置;不带复位的互锁互锁Intlock该类互锁条件用于连锁阀门到安全位置;当互锁条件来时输入Intlock=0,阀门将进入安全位置SafePos设置;互锁条件消失后输入Intlock=1,如果阀门处于自动或就地模式,而且动作信号存在如OpenAut=1,则阀门将再次动作;在手动模式下可再次操作面板动作阀门;该互锁和上述的许可条件最大的区别是,该条件不仅仅针对阀门处于安全位置有效,在阀门动作后也同样有效;带复位的互锁保护Protect该类互锁条件用于连锁阀门到安全位置;当互锁条件来时输入Protect=0,阀门将进入安全位置SafePos设置;互锁条件消失后输入Protect=1,操作员需要通过点击面板中的复位按钮仅在自动模式下复位故障后,阀门方可再次动作;图12仿真模式下禁用互锁功能注：上述的三种互锁信号有效情况下为1,连锁时为0,此外该功能通常会结合APL 库下Interlock功能块一起使用Interlck组下的Intlk02、Intlk04,Intlk08和Intlk16;关于Interlock功能块的使用,详见APL库的在线帮助;此外,如果在就地模式和仿真模式下不希望使用该互锁功能,则可以通过输入参数BypProt=1旁路互锁功能,参考上图12所示;5. VlvL块的扩展功能控制脉冲打开/关闭阀门VlvL功能块提供两种类型的输出控制命令：单点高低电平型控制命令Ctrl和双点脉冲型控制命令P_Open和P_Close;实际使用过程中根据具体应用情况选择不同的输出命令;脉冲输出控制时,脉冲的宽度可以通过PulseWidth来设置,如图13所示;图13脉冲输出阀门块的仿真操作仿真功能为APL功能块提供的标准功能,用于系统调试时在反馈信号等现场条件不具备的情况下正常输出控制命令;可以在面板上点击参数按钮,切换到如图14画面,然后打开仿真功能,即可进行仿真操作;图14打开仿真注：打开仿真功能需要当前登录的用户具有1100号权限Highest process controllingVlvL块的辅助值功能附加辅助值显示用于在VlvL阀面板的标准视图中额外显示最多两个辅助值;例如,显示阀门所在管道的压力及流量等;为此,应将要显示的值与输入参数UserAna1或UserAna2互连;在CFC中的块的对象属性I/O >标识符中,可指定要在面板的标准视图中为这些参数显示的文本标识符列,如图15;只有连接该变量后,面板才会额外显示两个附加辅助值,否则为隐藏状态;显示辅助变量的单位可以通过管脚UA1unit和UA2unit来指定,如图17,具体代码与变量的对应关系请参见在线帮助文档;图15附加辅助值名称图16面板中显示附加辅助值图17单位代码修改注：辅助变量管脚UserAna1和UserAna2默认为隐藏状态,使用时需要将其显示出来;此外该功能仅仅提供两个辅助变量的面板显示功能,不支持报警功能;VlvL块的几个时间参数为了更好的对阀门进行实时的监控和保护,VlvL块增加了如下几个时间参数;qMonTiStatic=3用于设置阀门打开/关闭时的静态监控时间,例如,阀门在打开/关闭状态时,如果打开/关闭反馈信号丢失超过3秒,则报警;该时间必须小于等于动态监控时间qMonTiDynamic=10用于设置阀门打开/关闭时的动态监控时间,例如,点击阀门打开/关闭后如果10秒内没有阀门开/关反馈;qWarnTiMan=5用于设置阀门手动模式下启动前的警告时间,例如,阀门点击开/关按钮后需要等待5秒才输出开/关信号;qWarnTiAut=5用于设置阀门自动模式下启动前的警告时间,例如,阀门开/关命令来后需要等待5秒才输出开/关信号;图18几个时间参数的含义图19面板上的时间参数。
第一章概述CODE V是设计和分析光学系统的一种工具。
本章的内容主要是向你介绍CODE V，描述可以帮助您学习和使用它的内容，并且简要地描述其用户界面和程序的结构。
目录第一章概述 (1)1.1 何谓CODE V？ (2)1.2 手册与用户 (3)1.3 假设和术语 (4)1.4 CODE V的界面 (5)1.5 CODE V的结构 (6)1.6 启动、退出程序和技术支持 (7)1.7 手册中的一些设置 (7)1.1 何谓CODE V？1.1.1 光学设计的得力工具CODE V是解决光学问题一种强大、灵活的软件工具。
虽然CODE V的发展始于30多年前，但是它紧跟光学和计算机的发展步伐，得到不断地改进。
由于CODE V采用了可定制的窗口用户界面，有着丰富的帮助功能和优越的技术支持，所以它是十分容易学习和使用的，本手册将展示的这些特点。
1.1.2 CODE V典型的使用任务CODE V可应用于许多种场合。
下面列举一些典型的使用任务：●对现有光学系统进行评估和调整，以便决定是否适用于新场合或能否降低生产成本。
在重新设计过程中，对使用塑料、非球面、衍射元件或者现在元件进行评估。
●基于具体的产生或应用场合的要求创建新的设计形式。
●对光学系统进行公关分析，以合适制造，绘制生产图纸，甚至导出CAD用的IGES格式文件。
有哪里应用场合？从广义上来说，有三种应用领域：⏹成像系统⏹光电或通讯系统⏹照明和其它系统从历史上来看，CODE V在约80%或更多的应用大概是在成像系统方面。
例如照相镜头、变焦物镜、光盘系统、医用仪器、望远镜、分光镜、复印设备、投影仪、扫描仪、微光刻系统和许多包括军用和民用的航天领域。
虽然用于这些场合已经延续了多年，但是随着技术的发展，例如照相机的数码化、DVD取代CD等等，出现新的工作内容。
在近些年，光子学领域得到快速增长。
同时，由于CODE V有极大的灵活性，照明和其他系统也成为其重要的应用部分。
code iris使用手册使用手册：Code IrisCode Iris是一种基于Python的开源机器学习库，专门用于模式识别和数据挖掘任务。
它拥有强大的特征提取和分类算法，并提供了易于使用的API接口，使得用户能够更加高效地进行数据分析和建模。
本手册将向您介绍Code Iris的基本功能和使用方法。
1. 安装和导入Code Iris在开始使用Code Iris之前，您需要先安装它。
您可以通过以下命令在终端中使用pip安装Code Iris：```pip install code-iris```安装完成后，您可以在Python脚本或交互式环境中导入Code Iris：```pythonimport code_iris as ci```2. 数据加载和预处理Code Iris支持加载多种格式的数据集，包括CSV、Excel、JSON等。
您可以使用`load_dataset()`函数加载您的数据集。
```pythondata = ci.load_dataset('path/to/your/dataset.csv')```加载数据后，您可以使用Code Iris的各种数据预处理功能来准备数据集，例如缺失值处理、特征标准化、类别编码等。
```python# 处理缺失值data = ci.impute_missing_values(data)# 特征标准化data = ci.standardize_features(data)# 类别编码data = ci.encode_categorical_features(data)```3. 特征选择与提取Code Iris提供了多种特征选择和提取算法，帮助您选择最具代表性的特征，或者从原始特征中提取更有信息量的特征。
```python# 方差过滤data = ci.variance_filter(data, threshold=0.5)# 相关系数过滤data = ci.correlation_filter(data, threshold=0.7)# 主成分分析data = ci.pca(data, n_components=3)```4. 模型训练与评估Code Iris支持多种分类模型，包括支持向量机（SVM）、决策树（DT）、随机森林（RF）等。
Package‘vfcp’October12,2022Type PackageDate2017-10-24Title Computation of v Values for U and Copula C(U,v)Version1.4.0Author Josef BrejchaMaintainer Josef Brejcha<****************>Depends copula,extraDistr,stringrSuggests knitr,rmarkdownDescription Computation the value of one of two uniformlydistributed marginals if the copula probability value is knownand the value of the second marginal is also known.Computation and plotting corresponding cumulativedistribution function or survival function.The numerical definition of a common area limited by linesof the cumulative distribution function and survival function.Approximate quantification of the probability of this area.In addition to'amh',the copula dimension may be larger than2.License GPL(>=3)Encoding UTF-8LazyData TRUERoxygenNote6.0.1NeedsCompilation noRepository CRANDate/Publication2017-10-2713:02:22UTCR topics documented:vfcp-package (2)gentruk (3)kopula (4)prosim (5)12vfcp-package prunikus (6)trimeze (7)vfalihaq (8)vfclayton (9)vfenuo (10)vfex (11)vffgm (11)vffrank (13)vfgumbel (14)vfjoe (15)vfmrg (16)vfploto (17)vfprifo (18)vfpripo (19)Index20 vfcp-package Computation of v Values for U and Copula C(U,v)DescriptionComputation v when u and C(u,v)copula are known.Calculation and plotting of cumulative distribution and survival function when u,C(u,v)copula and marginal distributions are known.These calculations can be tabulated as option.The numerical definition of a common area limited by lines of the cumulative distribution function and survival function.Approximate quantification of the probability of this area.In addition to’amh’,the copula dimension may be larger than2. DetailsPackage:vfcpType:PackageVersion: 1.4.0Date:2017-10-24License:GPL(>=3)Author(s)Josef BrejchaMaintainer:Josef Brejcha<****************>gentruk3ReferencesA.K.SUZUKI,F.LOUZADA and V.G.CANCHO,On estimation and influence diagnostics fora Bivariate Promotion Lifetime Model Based on the FGM Copula:A Fully Bayesian Compu-tation,Tendencias em Matematica Aplicada e Computacional,14,N.3(2013),441-461,http://www.scielo.br/pdf/tema/v14n3/a14v14n3.pdfM.Mahfoud,"Bivariate Archimedean copulas:an application to two stock market indices",VrijeUniversiteit Amsterdam,BMI Paper,Amsterdam-2012,/24882927-Bivariate-archimedean-co htmlCopula(probability theory),https:///wiki/Copula_(probability_theory)Statistical-Distributions-Inverted Beta distribution-Example,/ibeta.htmgentruk Creating an object for CDF and copula survivalDescriptionFor given inputs,the coordinates of the object defined by the CDF and the survival function for thecopula object are created.Usagegentruk(tht,fm,C,pro)Argumentstht Copula parameter.If fam="fgm",it must be a vector of size dm∗(dm−1)/2+1.fm Family name copula.These can be:"clayton","gumbel","frank","joe","amh","fgm".C Probability value of the copula.Single value.pro Numeric vector.Its pro[1:k]are upper values of the u.Next pro[-c(1:k)]are then all greater than or equal to1.ValueA list with components as trimeze value.Author(s)Josef Brejcha4kopulaExamplestht=0.6cx=c(0.025,0.05,0.1,0.15,0.25)pro=c(0.99999,0.9999,0.999,0.99,24,16,8,4)dm=2fam="fgm"marg=c("weibull","betapr")xo=c(200,2.75,16.5,6.60)e12=vfenuo(marg,xo)p=numeric(length(cx))x12=qweibull(0.975,scale=xo[1],shape=xo[2])y12=qbetapr(0.975,shape1=xo[3],shape2=xo[4])mtit=paste(fam,"...",marg[1],"(",xo[1],",",xo[2],")","",marg[2],"(",xo[3],",",xo[4],")",sep="")plot(NULL,NULL,xlim=c(0,x12),ylim=c(0,y12),xlab=paste("x,E[x]=",round(e12[1],2)),ylab=paste("y,E[y]=",round(e12[2],2)),main=mtit)points(e12[1],e12[2],pch=20)abline(h=e12[2],v=e12[1])grid(col="grey50")#===========================kop2=kopula(fam,tht,dm)fmc=c("","","clayton","gumbel","frank","joe")pro=c(0.999999,0.99999,0.9999,16,8,4,2)tm3=list()tmk=list()for(k in1:length(cx)){tm3=gentruk(tht,fm=fam,C=cx[k],pro)tmk[[k]]=tm3}p=prosim(C=cx,fam,tht,dm,no=100000)#=============xa=c("u")ya=c("v")for(k in1:length(cx)){mspx=vfmrg(rdj=marg,i=1,cosi=tmk[[k]]$sp$s1,yo=xo,cdf=TRUE)mspy=vfmrg(rdj=marg,i=2,cosi=tmk[[k]]$sp$s2,yo=xo,cdf=TRUE)mcpx=vfmrg(rdj=marg,i=1,cosi=tmk[[k]]$cp$c1,yo=xo,cdf=TRUE)mcpy=vfmrg(rdj=marg,i=2,cosi=tmk[[k]]$cp$c2,yo=xo,cdf=TRUE)lines(mspx,mspy,col=k)lines(mcpx,mcpy,col=k)}legend("topleft",legend=c("C",cx),text.col=c(1,1:length(cx)),bty="n")legend("topright",legend=c("p",round(p,4)),text.col=c(1,1:length(cx)),bty="n")kopula Copula objectprosim5DescriptionGenerate the copula object.Usagekopula(fam,tht,dm)Argumentsfam Family name copula.These can be:"clayton","gumbel","frank","joe","amh", "fgm".tht Copula parameter.dm Copula dimension.ValueCopula objectAuthor(s)Josef Brejchaprosim Monte Carlo methodDescriptionProbability of the inside of an object as defined by CDF and survival.For this,the Monte Carlo method is used.Usageprosim(C,fam,tht,dm,no)ArgumentsC single numeric;CDF value.Survival value is1-CDF.fam Family name copula.These can be:"clayton","gumbel","frank","joe","amh", "fgm".tht Copula parameter.If fam="fgm",it must be a vector of size dm∗(dm−1)/2+ 1.dm Copula dimensionno Monte Carlo sample sizeValueProbability6prunikus Author(s)Josef BrejchaExamplestht=10.6cx=c(0.05,0.1,0.15,0.25)pro=c(0.99999,0.9999,0.999,0.99,24,16,8,4)dm=4fam="gumbel"marg=rep(c("weibull","betapr"),2)xo=rep(c(200,2.75,16.5,6.60),2)#===========================kop2=kopula(fam,tht,dm)fmc=c("","","clayton","gumbel","frank","joe")pro=c(0.999999,0.99999,0.9999,16,8,4,2)tm3=list()tmk=list()#di=dm*(dm-1)/2for(k in1:length(cx)){tm3=gentruk(tht,fm=fam,C=cx[k],pro)tmk[[k]]=tm3}np=5no=100000ncx=length(cx)p=array(0,c(np*ncx,2))colnames(p)=c("C","p")k=0for(i in1:length(cx)){for(j in1:np){k=k+1p[k,1]=cx[i]p[k,2]=prosim(C=cx[i],fam,tht,dm,no)}}plst=list()print(paste(fam,"dim=",dm,"tht=",tht,"n=",no,"nrep.",np))for(k in1:ncx){plst[[k]]=summary(p[p[,1]==cx[k],2])print(paste("cx=",cx[k]))print(plst[[k]])}prunikus The coordinates of the intersection lines of the cumulative distributionfunction and survival functiontrimeze7DescriptionThe coordinates of the intersection lines of the cumulative distribution function and survival func-tion.Usageprunikus(x,y)Argumentsx Numeric vector of size4.The horizontal coordinates of opposite points.y Numeric vector of size4.The vertical coordinates of opposite points.ValueNumeric vector size2.Author(s)Josef BrejchaReferencesLine-line intersection,https:///wiki/Line-line_intersectiontrimeze Coordinates of an object defined by CDF and survival functionsDescriptionCalculates the coordinates of the object defined matrices C1and C23.Both matrices are two-row. Usagetrimeze(C1,C23)ArgumentsC1numerical probability two-row matrix defining survival lineC23numerical probability two-row matrix defining CDF line8vfalihaqValueA list with components as follows:tlc upper left corner coordinatesbrc bottom right corner coordinatessp survival line coordinatescp CDF line coordinatesAuthor(s)Josef Brejchavfalihaq Ali-Mikhail-Haq Copula Variable Given Second One and CopulaProbabilityDescriptionv for Ali-Mikhail-Haq copula C(u,v)given probability C(u,v)and u.Usagevfalihaq(C,u,tht)ArgumentsC Probability value of the Ali-Mikhail-Haq copula.It can be a vector.u Thefirst variable value of the C(u,v).u can be a vector if C is a single.u is a matrix with nrow=length(C)if C is a vector.tht Copula parameterDetailsThe value of the u must be grater than C.ValueThe value of the second variable depending on thefirst variable and copula probability value.Author(s)Josef Brejchavfclayton9Examplesrequire(copula)C=0.3tht=0.5u=c(0.35,0.40,0.45)v<-vfalihaq(C,u,tht)kali<-archmCopula(family="amh",param=tht,dim=2)pCopula(cbind(u,v),kali)#Cf<-c(0.3,0.4)mx<-matrix(c(seq(0.35,0.45,0.05),seq(0.5,0.6,0.05)),nrow=2,ncol=3,byrow=TRUE)rownames(mx)<-Cfvfalihaq(C=Cf,u=mx,tht=0.5)#[,1][,2][,3]#0.30.80198020.67741940.5918367#0.40.75000000.67391300.6153846vfclayton Clayton Copula Variable Given Second One and Copula ProbabilityDescriptionv for Clayton copula C(u,v)given probability C(u,v)and u.Usagevfclayton(C,u,tht)ArgumentsC Probability value of the Clayton copula.It can be a vector.u Thefirst variable value of the C(u,v).u can be a vector if C is a single.u is a matrix with nrow=length(C)if C is a vector.tht Copula parameterDetailsThe value of the u must be grater than C.ValueThe value of the second variable depending on thefirst variable and copula probability value.Author(s)Josef Brejcha10vfenuoExamplesC<-0.3tht<-6u<-c(0.35,0.4,0.45)v<-vfclayton(C,u,tht)kop=claytonCopula(tht)pCopula(cbind(u,v),kop)#Cf<-c(0.3,0.4)mx<-matrix(c(seq(0.35,0.45,0.05),seq(0.5,0.6,0.05)),nrow=2,ncol=3,byrow=TRUE)rownames(mx)<-Cfvfclayton(C=Cf,u=mx,tht=7)#[,1][,2][,3]#0.30.31832610.30619260.3025859#0.40.41355550.40645300.4033610vfenuo Expected values of marginal distributionsDescriptionAuxiliary function that calculates the expected values of marginal distributions.Usagevfenuo(marg,xo)Argumentsmarg Character vector size greater than or equal to2.Its components can now be c("weibull","gamma","lnorm","norm","betapr","beta").xo Vector size2*length(marg)of parameters of marg.xo[odd]scale,meanlog,mean,shape1xo[even]shape,sdlog,sd,shape2ValueNumeric vector size equal to length(marg).Author(s)Josef Brejchavfex11Examplesvfenuo(marg=c("betapr","beta","norm","weibull"),xo=c(5,5,3,20,30,5,100,1.5))vfex Compute vector V for C(u,V)DescriptionA vector v is computed for C and numeric probability vector u.Usagevfex(C,u,th,fm)ArgumentsC Copula probability.It is a single value.u Probability vector.All its components are greater than C.th Copula parameter.fm character;A name of copula.One of c("clayton","frank","gumbel","amh", "joe","fgm")."amh","joe","fgm"names are for Ali-Mikhail-Haq,Joe,Farlie-Gumbel-Morgenstern copulas.ValueNumeric vector.Author(s)Josef Brejchavffgm Farlie-Gumbel-Morgenstern Copula Variable Given Second One andCopula ProbabilityDescriptionv for Farlie-Gumbel-Morgenstern copula C(u,v)given probability C(u,v)and u.Usagevffgm(C,u,tht)12vffgm ArgumentsC Probability value of the Farlie-Gumbel-Morgenstern copula.It can be a vector.u Thefirst variable value of the C(u,v).u can be a vector if C is a single.u is a matrix with nrow=length(C)if C is a vector.tht Copula parameterDetailsThe value of the u must be grater than C.ValueThe value of the second variable depending on thefirst variable and copula probability value.Author(s)Josef BrejchaReferencesA.K.SUZUKI,F.LOUZADA and V.G.CANCHO,On estimation and influence diagnostics for aBivariate Promotion Lifetime Model Based on the FGM Copula:A Fully Bayesian Computation, Tend^encias em Matem´atica Aplicada e Computacional,14,N.3(2013),441-461,http://www.scielo.br/pdf/tema/v14n3/a14v14n3.pdfExamplesrequire(copula)C=0.3tht=0.5u=c(0.35,0.40,0.45)v<-vffgm(C,u,tht)kfgm<-fgmCopula(tht)pCopula(c(u,v),kfgm)#Cf<-c(0.3,0.4)mx<-matrix(c(seq(0.35,0.45,0.05),seq(0.5,0.6,0.05)),nrow=2,ncol=3,byrow=TRUE)rownames(mx)<-Cfvffgm(C=Cf,u=mx,tht=0.5)#[,1][,2][,3]#0.30.80640520.68530090.6007056#0.40.75357510.67816480.6195239vffrank13 vffrank Frank Copula Variable Given Second One and Copula ProbabilityDescriptionv for Frank copula C(u,v)given probability C(u,v)and u.Usagevffrank(C,u,tht)ArgumentsC Probability value of the Frank copula.It can be a vector.u Thefirst variable value of the C(u,v).u can be a vector if C is a single.u is a matrix with nrow=length(C)if C is a vector.tht Copula parameterDetailsThe value of the u must be grater than C.ValueThe value of the second variable depending on thefirst variable and copula probability value.Author(s)Josef BrejchaExamplesC<-0.3tht<-6u<-c(0.35,0.4,0.45)v<-vffrank(C,u,tht)kop=frankCopula(tht)pCopula(cbind(u,v),kop)14vfgumbel vfgumbel Gumbel Copula Variable Given Second One and Copula ProbabilityDescriptionv for Gumbel copula C(u,v)given probability C(u,v)and u.Usagevfgumbel(C,u,tht)ArgumentsC Probability value of the Gumbel copula.It can be a vector.u Thefirst variable value of the C(u,v).u can be a vector if C is a single.u is a matrix with nrow=length(C)if C is a vector.tht Copula parameterDetailsThe value of the u must be grater than C.ValueThe value of the second variable depending on thefirst variable and copula probability value.Author(s)Josef BrejchaExamplesC<-0.3tht<-6u<-c(0.35,0.4,0.45)v<-vfgumbel(C,u,tht)kop=gumbelCopula(tht)pCopula(cbind(u,v),kop)#vfgumbel(c(0.3,0.4),u=rbind(seq(0.35,0.45,0.05),seq(0.45,0.55,0.05)),8)#[,1][,2][,3]#[1,]0.31845040.30539870.3017235#[2,]0.41848190.40519360.4015295vfjoe15 vfjoe Joe Copula Variable Given Second One and Copula ProbabilityDescriptionv for Joe copula C(u,v)given probability C(u,v)and u.Usagevfjoe(C,u,tht)ArgumentsC Probability value of the Joe copula.It can be a vector.u Thefirst variable value of the C(u,v).u can be a vector if C is a single.u is a matrix with nrow=length(C)if C is a vector.tht Copula parameterDetailsThe value of the u must be grater than C.ValueThe value of the second variable depending on thefirst variable and copula probability value. Author(s)Josef BrejchaExamplesC<-0.3tht<-6u<-c(0.35,0.4,0.45)v<-vfjoe(C,u,tht)kop=joeCopula(tht)pCopula(cbind(u,v),kop)#Cf<-c(0.3,0.4)mx<-matrix(c(seq(0.35,0.45,0.05),seq(0.5,0.6,0.05)),nrow=2,ncol=3,byrow=TRUE)rownames(mx)<-Cfvfjoe(C=Cf,u=mx,tht=6)#[,1][,2][,3]#[1,]0.40212160.35137410.3274672#[2,]0.43795310.41847460.408714316vfmrg vfmrg Auxiliary functionDescriptionAuxiliary function used in vfploto.It computes random variable value of the CDF or survival which can be one of the c("weibull","gamma","lnorm","norm","betapr","beta").Usagevfmrg(rdj,i,cosi,yo,cdf)Argumentsrdj A character vector.Its components are from c("weibull","gamma","lnorm", "norm","betapr","beta").i An index of the rdjcosi A vector of probabilitiesyo Vector size2*length(rdj)of parameters of rdjyo[1],yo[3]scale,meanlog,mean,shape1yo[2],yo[4]shape,sdlog,sd,shape2cdf Cumulative distribution function when TRUE,survival otherwise.Details"betapr"is the name of’BetaPrime’distribution from extrDistr package.The other name’Be-taPrime’is’Inverted Beta’.ValueNumeric vectorAuthor(s)Josef Brejchavfploto17 vfploto Plotting the cumulative distribution function or survival functionDescriptionPlotting the cumulative distribution function or survival function.Usagevfploto(cx,pro,fam,marg,xo,tht,cdf=TRUE,plt=TRUE,rtn=FALSE,ped=TRUE)Argumentscx A vector of copula probabilities.pro Numeric vector.Its pro[1]is upper value of the u.Next pro[-1]are then all greater than or equal to1.The second case of pro is all pro less than1.Thefirst case is an extra calculation of the u values.In the latter case,u values canbe pre-selected.fam character;A name of copula.One of c("clayton","frank","gumbel","amh", "joe","fgm")."amh","joe","fgm"names are for Ali-Mikhail-Haq,Joe,Farlie-Gumbel-Morgenstern copulas.marg A vector bination of these marginals:c("weibull","gamma","lnorm","norm","betapr","beta").xo A vector of marginal distribution parameters.It is size4with these components:xo[1],xo[3]scale,meanlog,mean,shape1xo[2],xo[4]shape,sdlog,sd,shape2tht copula parametercdf logical;Computation for CDF when TRUE.If FALSE is the same for Survival.plt Plot only when TRUE.rtn Print output value only when TRUE.ped Compute and add to plot an expected values o f marginal distributions when ped=T RUE.DetailsMust not be plt and rtn at the same time equal to FALSE.18vfprifoValueIf rtn is TRUE,then a list of these components:Type character;"CDF"or"Survival"P numeric;CDF or Survival valuex numeric vector of thefirst marginal values for Py numeric vector of the second marginal values for Pu numeric vector of thefirst copula marginal valuesv numeric vector of the second copula marginal valuesAuthor(s)Josef BrejchaExamplesrequire(copula)tht=0.475cx=c(0.0025,0.05,seq(0.1,0.9,0.1),0.95,0.975)#nC=length(cx)proh=c(0.9999999,8,4,4,4)prod=c(0.999,8,4,4,4)fam="clayton"marg=c("weibull","lnorm")xo=c(100,1.5,3,0.425)suro=vfploto(cx,proh,fam,marg,xo,tht,cdf=FALSE,plt=TRUE,rtn=FALSE)cdfo=vfploto(cx,prod,fam,marg,xo,tht,cdf=TRUE,plt=TRUE,rtn=FALSE)##cx=0.4vfploto(cx,proh,fam,marg,xo,tht,cdf=TRUE,plt=FALSE,rtn=TRUE,ped=TRUE)vfprifo Computation of the vector u to compute the second vector vDescriptionAuxiliary function.Each vector value u must be greater than the probability of the copula. Usagevfprifo(ck,pro)Argumentsck Copula probability.Single value.Not a vector.pro Numeric vector.All its components are less than1.u can be pre-set in the desired values.vfpripo19ValueNumeric vector.Author(s)Josef Brejchavfpripo Computation of the vector u to compute the second vector vDescriptionAuxiliary function.Each vector value u must be greater than the probability of the copula. Usagevfpripo(ck,pro)Argumentsck Copula probability.Single value.Not a vector.pro Numeric vector.Its pro[1:k]are upper values of the u.Next pro[-c(1:k)] are then all greater than or equal to1.ValueNumeric vector.Author(s)Josef BrejchaExamplesprk=c(0.99999,0.9999,0.999,0.99,8,4,2)C=0.1u=vfpripo(ck=C,pro=prk)Indexgentruk,3kopula,4prosim,5prunikus,6trimeze,3,7vfalihaq,8vfclayton,9vfcp-package,2vfenuo,10vfex,11vffgm,11vffrank,13vfgumbel,14vfjoe,15vfmrg,16vfploto,17vfprifo,18vfpripo,1920。
第一章系统概述1.1系统简介1.2软件环境1.3硬件环境1.4系统安装1.1系统简介海地公路优化设计系统（Hard）是海地公司倍感荣耀的公路设计软件之一，用户遍布全国30个省、直辖市，近10年来，全国1000多家海地用户应用Hard系统完成数十万公里的公路设计，建设完成的道路遍布祖国大江南北。
Hard系统已经成为国内设计企业在购买软件时的首选，是设计工程师不可缺少的软件工具。
10年来，海地积极吸取广大用户的建议，系统的功能不断强大，特别针对细节问题的开发使得Hard系统能够顾全到设计中极为细小的问题，针对细节的开发是Hard系统成功的重要标志，体现了一个系统的完善程度。
Hard 系统的不断强大完全依赖于全国1000多家用户在使用过程中提供的上千条的意见和建议，这些宝贵的意见和建议是支持Hard系统不断完善的最坚固的基石。
在这里特别要感谢云南省公路设计院、昆明国权公路软件工作室、河南省交通设计院、交通部重庆交通研究院、广西交通科研所、新疆交通科研所、辽宁交通学院、天津铁道部三院、国家电力公司昆明设计院、国家电力公司成都设计院、福州市政设计研究院…..等等各个行业从事公路设计的兄弟单位的大力支持与厚爱。
海地软件由工程师开发为工程师所用！Hard系统是国内第一个引入数字化地面模型（简称DTM）技术的公路设计系统，真正实现了三维设计，并且在三维设计方面一直保持国内领先的地位，我们在设计过程中可以尽可能多的考虑优化设计的问题，使得国产设计软件的水平达到前所未有的高度。
Hard系统的开发全面遵照我国工程设计人员的设计习惯、出图标准，并在升级的过程中借鉴了国外同类软件的设计思维和方法，大大缩小了国产公路设计软件与国外软件的差距，Hard系统为中国公路建设事业提供高新技术解决方案！您选择使用Hard系统的20个理由：1、真正实现了公路设计软件和AutoCAD系统、表格与EXCEL系统的无缝连接，用户可以方便的对设计成果进行编辑修改。
焊接部分（使用软件版本visual-mesh6.1，sysweld2010，pam-assembly2009，weld-planner2009）一、软件安装说明软件包括visual-mesh6.1，sysweld2010，pam-assembly2009，weld-planner2009，其中pam-assembly2009，weld-planner2009统一叫做WeldingDE09，安装基本相同，点击setup，所有选项默认，点击next按钮，直到安装完成，点击finish。
所有安装完毕后，重启计算机，在桌面上出现ESI GROUP 文件夹，所有软件的快捷方式都在此文件夹内。
二、基本流程中小件焊接过程模拟分析的步骤是CAD->网格划分(Visual-mesh)->热源校核(sysweld软件中的Heat Input Fitting)->焊接向导(sysweld软件中的welding wizrad)->求解(sysweld slover)->后处理观察结果(sysweld)网格网格划分是有限元必需的步骤。
Sysweld的网格划分工具采用visual-mesh。
版本使用的是6.1Visual –mesh界面见下图对于形状简单的零件，可以在visual-mesh里面直接建立模型，进行网格划分，对于复杂的图形，需要先在CAD画图软件中画出零件的3维几何图形，然后导入visual-mesh软件进行网格划分。
Visual-mesh的菜单命令中的Curve，Surface，Volume，Node是用来创建几何体的命令，接下来的1D,2D,3D是用来创建1维，2维，3维网格的命令。
对于一个简单的焊接零件，网格创建的步骤为：●建立节点nodes●生成面surface●网格生成a)生成2D mesh 用于生成3D网格b)拉伸3D mesh 用于定义材料赋值及焊接计算c)提取2D mesh表面网格用于定义表面和空气热交换d)生成1D 焊接线，参考线用于描述热源轨迹●添加网格组a)开始点，结束点，开始单元用于描述热源轨迹b)装夹点用于定义焊接过程中的装夹条件下面以T型焊缝网格划分为例，说明visual-mesh的具体用法，常用快捷键说明：按住A移动鼠标或者按住鼠标中键，旋转目标；按住S移动鼠标，平移目标；按住D移动鼠标，即为缩放；按F键(Fit)，全屏显示；选中目标，按H键(Hide)，隐藏目标；选中目标，按L键(Locate)，隐藏其他只显示所选并全屏显示；Shift+A，选中显示的全部内容；鼠标可以框选或者点选目标，按住Shift键为反选；在任务进行中，鼠标中键一般为下一步或者确认。
国外数学库1.1 可扩展可移植科学计算工具箱（PETSc）PETSc (Portable, Extensible Toolkit for Scientific Computation) 是由Argonne 国家实验室开发的可移植可扩展科学计算工具箱，主要用于高性能求解偏微分方程组及相关问题[2] 。
PETSc 所有消息传递通信均采用MPI 标准实现。
PETSc 用C 语言开发，遵循面向对象设计的基本特征，用户可以基于PETSc 对象灵活开发应用程序。
目前，PETSc 支持Fortran 77/90 、C 和C++编写的串行和并行代码。
PETSc 是系列软件和库的集合，三个基本组件SLES 、SNES 和TS 本身基于BLAS 、LAPACK 、MPI 等库实现，同时为TAO 、ADIC/ADIFOR 、Matlab、ESI 等工具提供数据接口或互操作功能，并具有极好的可扩展性能。
PETSc 为用户提供了丰富的Krylov 子空间迭代方法和预条件子，并提供错误检测、性能统计和图形打印等功能。
PETSc 最新版本为petsc-2.2.1，PETSc 网站：/petsc ;。
目前，PETSc 3 正在开发中。
1.2 大型稀疏线性方程组并行迭代求解库（AZTEC）AZTEC ( A Massively Parallel Iterative Solver Library for Solving Sparse Linear Systems) 是由Sandia 国家实验室开发的，主要用于并行迭代求解大型（PDE 问题）稀疏线性方程组[3] 。
AZETEC 是一个求解（PDE 问题）稀疏线性方程组的并行迭代解法库，它为用户提供了许多Krylov 子空间迭代方法（如CG、GMRES 、BiCGSTAB ）和预条件子（如多项式预条件子、LU 分解和不完全LU 分解）。
AZETEC 具有很强的可移植性，可在DEC、SGI、SUN、Gray T3E 、Intel TeraFlop 、Intel Paragon 、IBM SP2 等工作站系统和向量机上运行。
CODEV 使用手册1CODEV是进行光学系统设计和分析的工具。
这一章向您介绍CODEV，帮助您学习和使用它，并且简单介绍用户使用界面和结构。
目录CODEV功能...简单介绍.......关于命令和宏............ CODEV的结构...............开始，退出，技术支持..............CODEV功能光学系统设计和分析工具CODEV是为解决光学问题的一件有力和灵活的工具软件。
他的发展已经经历了30年，CODEV是不断随着光学和计算机技术的提高而改进。
他基于与一个可定制Windows用户界面，有广泛的帮助，和优秀的技术支持，便于通过手册CODEV学习和使用。
CODEV的典型应用CODEV有许多方面的应用。
下面一些典型的应用。
为了个新的光学设计而利用一个现有的设计进行评估和改善，可以减少制作花费。
塑料的，非球面，衍射光栅面，或现有的部件都可以如此进行设计。
基于一个新的产品要求要求而创造一个新设计。
对光学设计进行生产公差分析，产生制图甚至输出IGES (CAD)文件应用是什么主要有三个方面：成象系统，光电子或光通信信系统，照明和其他的系统过去，主要应用在图象系统中。
比如包括数码相机，变焦系统和增透镜，光盘系统，医学系统，望远镜，分光镜，复印机，投影机，扫描仪，缩微镜头系统，还包括许多太空应用，军用或者民间等。
尽管这些应用已经存在许多年，但是随着技术的进展，使一些新的工作产生如———照相机到数码相机，CD 到DVD，等等。
近年光电子的应用一直在成长，在照明和其他系统的应用显示了CODEV灵活适应性。
不需要从草稿开始现在说最后一项，CODEV已广泛使用多年。
它的一个优点是不必需从草稿开始进行光学设计。
从一个现有设计做修改是是它典型的应用，并且下面我们将教你怎么做，使用CODEV的New Lens Wizard。
利用专利首先，New Lens Wizard.允许你从CODEV 的一个透镜设计样品开始，从2,400个专利的数据库，或者从你的自己的收集的“favorites”或从一个空白的透镜开始。
