Analysis of Binary Adjustment Algorithms in Fair Heterogeneous Networks

Analysis of Binary Adjustment Algorithms in Fair Heterogeneous Networks

Sergey Gorinsky Harrick Vin

Technical Report TR2000-32

Department of Computer Sciences,University of Texas at Austin

Taylor Hall2.124,Austin,Texas78712-1188,USA

gorinsky,vin@https://www.wendangku.net/doc/c310980846.html,

November29,2000

Abstract

Many congestion control schemes rely on binary noti?cations of congestion from the network:on detecting network con-gestion,they reduce transmission rates;and on receiving a signal indicating no congestion,they increase transmission rates.

For conventional networks with First-In First-Out(FIFO)scheduling of packets,the effectiveness of such algorithms has been evaluated with respect to their responsiveness,smoothness,and fairness properties.Recently,it has been argued that it is pos-sible to design high-speed network routers that can guarantee fair allocation of link capacities and buffers.In networks that employ such routers,fairness is ensured by the routers,thereby making responsiveness and smoothness the two main criteria for evaluating and selecting a binary adjustment algorithm.

In this paper,we consider binary adjustment algorithms with four increase policies proposed in the literature:multiplicative increase(MI),additive increase(AI),inverse-square-root increase(ISI),and inverse increase(II).We analyze these algorithms in fair heterogeneous networks.We?nd that the multiplicative increase policy,which is considered inappropriate for conventional networks due to its fairness property,provides superior performance over the other policies in fair networks.

1Introduction

This paper studies congestion control schemes based on binary adjustment algorithms that adjust load on the network in response to a binary feedback about the congestion status of the network.Numerous congestion control schemes use binary adjustment algorithms.For instance,DECbit relies on the additive-increase multiplicative-decrease(AIMD)algorithm to adjust the load in response to an explicit binary feedback:if the feedback indicates congestion,the load is reduced to its fraction; otherwise,the load is raised by a constant[22].Binary adjustment algorithms also enjoy wide deployment in the Internet where most of the traf?c is subject to congestion control by Transmission Control Protocol(TCP)[3]:in the slow start mode,the congestion window of a TCP session is approximately doubled during each round-trip time when congestion is not detected; in the congestion avoidance mode of TCP,the adjustments of the congestion window are similar on the round-trip timescale to the behavior of AIMD[1,10].

The design of binary adjustment algorithms for conventional networks–with First-In First-Out(FIFO)link scheduling–has been motivated by three requirements:responsiveness to congestion noti?cations;smoothness of rate adjustments;and fairness of resource allocation across?ows[11,12,16,29].For instance,the large load oscillations characteristic of TCP has led to the development of several adjustment algorithms that provide smoother congestion control for streaming media appli-cations[27].To achieve the goal of smoothness,some solutions offer new settings for the parameters of the TCP adjustment algorithms[6,30],while other proposals suggest replacing the TCP adjustment algorithm for the congestion avoidance mode by new algorithms such as the IIAD(inverse-increase additive-decrease)and SQRT algorithms[2].

The aim of this paper is to analyze the performance of binary adjustment algorithms in fair networks–networks in which routers instantiate fair resource allocation mechanisms such as fair link scheduling[5]and fair buffer management[26].Fair networks have a number of advantages over traditional networks.For example,while the performance of a traditional net-work can be disrupted by the?ows that do not exercise congestion control[18],fair networks offer protection against these nonadaptive?ows.Furthermore,as long as?ows employ some form of congestion control in a fair network(i.e.,each?ow decreases or increases its load depending on the congestion status),the network converges towards the fair allocation of its

capacity[9].The argument against fair networks has traditionally been the complexity,and hence the perceived lack of scala-

bility,of the mechanisms for ensuring fairness in routers.However,recent studies suggest that fair resource allocation can be implemented in high-speed networks[26];in fact,a number of manufacturers are currently designing routers with support for fair link scheduling[20].Besides,there exist promising approaches to build simpler fair networks where core routers do not

perform per-?ow management[25].We would like to point out that this paper does not argue for ubiquitous deployment of fair link scheduling or fair buffer management.It aims to establish which adjustment algorithms would be preferable in fair networks if such networks were to be deployed.

It is important to note that fair networks are characterized by inherent fairness;hence the design of adjustment algorithms in a fair network is driven solely by considerations of ef?ciency of resource utilization(i.e.,the responsiveness and smoothness requirements).In conventional routers with FIFO link scheduling and Drop-Tail buffer management,on the other hand,the goal

of achieving fairness restricts the choice of adjustment algorithms.For instance,the objective of TCP-friendliness in traditional networks[15,19]couples the increase and decrease policies of an adjustment algorithm(and thus imposes an undesirable coupling between the speed of capacity acquisition and responsiveness to congestion):in GAIMD,the parameter setting of the

decrease policy is determined by the parameter setting selected for its increase policy[30];similarly,the choice of the increase policy for a binomial algorithm,such as IIAD and SQRT,dictates the decrease policy of the algorithm[2].Congestion control

schemes in fair networks do not need to coordinate their load adjustments policies in order to support fairness;rate adjustment algorithms can select the increase and decrease policies independently.

In this paper,we evaluate rate adjustment algorithms with respect to their ef?ciency in a fair network.Our analysis method-

ology has two unique features.

1.Due to the intrinsic fairness of resource allocation in fair networks,we conduct the evaluation of the algorithms in a new

way.We examine the impact of a binary adjustment algorithm on the performance of a particular?ow without making

many unrealistic assumptions common for the analysis of traditional networks.Our methodology allows cross traf?c to:

(1)have different round-trip times,(2)be bottlenecked at different links,(3)use different adjustment algorithms,and(4)

transmit less data than suggested by congestion control mechanisms.

2.We analyze binary adjustment algorithms in heterogeneous environments,where the capacity available to a?ow changes

over time.It is known that the ef?ciency of a binary adjustment algorithm is subject to a fundamental tradeoff between the smoothness and responsiveness of the algorithm:an algorithm with smoother oscillations of load at a steady state is less

responsive to changing network conditions[4].Earlier studies of the tradeoff between smoothness and responsiveness were conducted for relatively static network conditions[4].Such an approach seems inappropriate since tuning the parameters of an algorithm for a particular network setting does not ensure good performance of the selected algorithm

in diverse scenarios.For instance,consider the following additive algorithm and multiplicative algorithm:algorithm adjusts the current load by units;algorithm adjusts the current load by.When the fair share of load is units,algorithm is smoother at the fair state than algorithm.If the fair share of load equals units,algorithm

is smoother at the fair state than algorithm.What is required in reality is an assurance that the examined algorithm provides acceptable performance for all possible(or important in practice)con?gurations resulting from the mix of network technologies as well as from the dynamic nature of network traf?c.Our methodology establishes whether the evaluated algorithm provides an appropriate tradeoff between smoothness and responsiveness in fair heterogeneous networks.

Using this methodology,we analyze binary adjustment algorithms with four increase policies proposed in the literature: multiplicative increase(MI),additive increase(AI),inverse-square-root increase(ISI),and inverse increase(II).We?nd that the multiplicative increase policy,which is considered inappropriate for conventional networks due to its fairness property,provides superior performance than the other policies in fair networks.

Before proceeding to the main part of the paper,we would like to point out that adjustments of load in response to a bi-nary congestion signal are not the only means of congestion control.Even though binary adjustment algorithms are routinely adopted by congestion control schemes for unicast[23,30]and multicast[17,24],adjustment algorithms can be more effec-tive in congestion control designs with more sophisticated feedback.Examples of such schemes include the equation-based congestion control for traditional networks[7]or packet-pair protocols for fair networks[13,14].Our paper considers only binary adjustment algorithms.Assessment of non-binary adjustment algorithms and their comparison with binary algorithms lie beyond the scope of this paper.

The paper is organized as follows.First,we specify our model of fair networks in Section2.The examined binary adjustment

algorithms are presented in Section3.Section4describes the theoretical foundations of our evaluation.Section5contains de?nitions and justi?cations for the chosen metrics of performance.Section6outlines our evaluation methodology.Analysis

of the compared policies is provided in Section7.Section8summarizes our conclusions.

2Network Model

In this paper,we analyze the performance of a particular?ow(called the examined?ow)that employs a binary algorithm to adjust its load in a fair network.We model the network as the bottleneck link of this?ow(see Figure1).The network capacity equals the capacity of this link and is a positive real number.The network is shared by?ows.At time,?ow imposes load on the network,where is a positive real number.The total load on the network at time equals:

(1)

Other Flows

Examined Flow

Figure1:The network model.

The network splits its capacity between?ows according to the principle of maxmin fairness[8,11].A recursive procedure for computing this fair allocation is given in[21].The procedure assigns a throughput to?ow based on the notion of fair share at time.If the?ow demands less than the fair share,its demand is fully satis?ed.Otherwise,the?ow receives the fair share:

min(2) When,all the demands can be satis?ed,and the fair share is assumed to be the maximum among the imposed loads. When,only the demands from a proper subset of all the?ows can be fully satis?ed.The other?ows split the remaining capacity equally:

max if

(4) To facilitate ef?cient congestion control,the network provides?ow with binary feedback:

if

if(5)

We examine the performance of a particular?ow which adjusts its load in response to the network feedback.For succinctness of the notation,we omit the subscript when we refer to the characteristics of this?ow:,,and denote the load, feedback,and throughput of this?ow respectively.

We model time as the number of adjustments performed by the examined?ow.Thus,time is integer:represents the moment when the examined?ow imposes its initial load on the network;for,corresponds to the-th adjustment of the load for this?ow.

The?ow uses the following binary algorithm to adjust its load:

if

if(6) where and are an increase policy and decrease policy,respectively.We consider increase policies that always increase the load:

(7) and are guaranteed to produce unbounded values if applied repetitively:

(8) where is the result of consecutive applications of to.

Similar constraints are imposed on decrease policies:a decrease policy always decreases the load to a positive value:

(9) and is guaranteed to produce a value below any positive number if applied repetitively:

(10) where is the result of consecutive applications of to.

Constraints(7)and(9)implement the principle of negative feedback:when the load of the examined?ow is below the fair share,the adjustment algorithm increases the load;when the load exceeds the fair share,the adjustment algorithm decreases the load of the examined?ow[4].Constraints(8)and(10)ensure that regardless of the initial load and fair share,the adjustment algorithm eventually brings the load of the examined?ow to the fair share.

Our model does not make any assumptions about how and when the other?ows adjust their loads on the network.

The next section presents the binary adjustment algorithms examined in this paper.

3Binary Adjustment Algorithms

A binary adjustment algorithm consists of two components:an increase policy and a decrease policy.The following increase and decrease policies have been proposed in the literature.

Increase policies:

1.Multiplicative Increase(MI)policy:where is a constant.This policy models the behavior of

TCP during its slow start mode[1,10].

2.Additive Increase(AI)policy:where is a constant.This policy models the increase behaviors

of AIMD[22],GAIMD[30],and TCP congestion avoidance mode[1,10].

3.Inverse-Square-root Increase(ISI)policy:where is a constant.This policy represents the

increase behavior of SQRT algorithm[2].

4.Inverse Increase(II)policy:

1.Multiplicative Decrease(MD)policy:where is a constant.This policy models the decrease

behaviors of AIMD,GAIMD,and TCP.

2.Square-root Decrease(SD)policy:

,and for

.This nice property holds regardless of the initial load for the examined?ow or the behaviors of the other?ows.We prove this property in Lemma2below and refer to

5Performance Metrics

We evaluate the increase policies with respect to their responsiveness–measured in terms of convergence time–and smooth-ness–measured in terms of overload.

Convergence time of a policy refers to the amount of time it takes for the policy to increase the load of the examined ?ow from to the guaranteed throughput:

min(14) This metric for convergence time can be expressed differently based on the following observation:as long as the through-put of the examined?ow is below the guaranteed throughput,the load of the?ow does not exceed the fair share,and the ?ow keeps increasing its load.Thus,we can transform(14)into a form which is more suitable for computation:

min(15)

Overload of a policy refers to the maximum relative increase produced by applying the policy to the fair share when the fair share reaches the guaranteed throughput:

max

(17)

Unfortunately,as the following example illustrates,this measure depends on the behaviors of the other?ows and is not suitable for representing the contribution of the evaluated increase policy to overload.

Example1Consider a fair network with capacity and two?ows.Let the examined?ow employ the additive increase policy with parameter.Assume that the load of the examined?ow after adjustments is while the other?ow imposes load of at time.Because,the examined ?ow increases its load at time to.If the other?ow raises its load at time to,then the fair share at time

becomes.Since the examined?ow exceeds the fair share at time,its throughput equals the fair share:.Then,we have.According to(17),metric is at least.Note that such a high value of is caused not by the increase policy of the examined?ow(the examined?ow increases its load from to,i.e.,by)but by the drastic load increase of the other?ow.

6Evaluation Methodology

Since the capacities of links,the number of?ows,and the locations of bottlenecks can vary dramatically in heterogeneous networks,we assume that the guaranteed load is not known a priori but lies between some positive values and:

(18) We refer to

To characterize the ability of a policy to provide a satisfactory behavior over the whole range of possible guaranteed through-puts,we introduce a notion of feasibility of an increase policy with respect to responsiveness and smoothness requirements: De?nition6.1An increase policy is feasible with respect to responsiveness and smoothness iff there exists such a single setting for the parameters of the policy that:

(21) To compare two policies qualitatively,we de?ne a relation“more feasible than”and denote it as“”:

De?nition6.2Policy is more feasible than policy iff whenever policy is feasible with respect to some responsiveness and smoothness,policy is feasible with respect to the same and:

(is feasible with respect to and)(is feasible with respect to and)(22) To assess an increase policy quantitatively,we measure the responsiveness of the policy when this policy provides acceptable performance in terms of its smoothness.First,we consider such parameter settings of the policy that the overload does not exceed the smoothness requirement.We refer to them as-smooth settings:

De?nition6.3A parameter setting of a policy is-smooth iff:

(23)

policy MI ISI

(15)

(21)

guaranteed convergence time(24)

Table1:The performances of increase policies.

Then,in the set of-smooth settings of the policy,we distinguish such a setting that provides the policy with the smallest maximum convergence time.We refer to this time as the guaranteed convergence time of this policy and use it as a quantitative measure of the policy performance:

De?nition6.4The guaranteed convergence time of an increase policy with respect to smoothness is the smallest among the maximum convergence times of the policy when the parameter setting belongs to the set of-smooth settings of the policy:

min max(24) We bound the overload to compare the convergence times(rather than limiting the convergence time to compare the over-loads)because a speci?c bound on overload–e.g.,the buffer size when overload is measured in terms of the buffer occupancy–can correspond to a boundary between two qualitatively different modes of network operation–e.g.,lossless transmission ver-sus packet drops.On the other hand,it is dif?cult to provide speci?c bounds on convergence times such that exceeding them results in qualitatively different performances.

Using the described methodology,we compare increase policies in the next section.

7Analysis

We analyze the four increase policies introduced in Section3:multiplicative increase(MI),additive increase(AI),inverse-square-root increase(ISI),and inverse increase(II).We present our?ndings as a series of lemmata below.While the proofs for the lemmata are given in Appendix B,Table1summarizes the results of our analysis.For some properties of ISI and II policies, closed-form expressions could not be obtained,and the table refers to the general de?nitions(15),(21),and(24)in these cases.

First,we derive the values of overload and convergence time for the considered policies:

Lemma3The values of overload for MI,AI,ISI,and II policies are,respectively.

Lemma4The values of convergence time for MI and AI policies are respectively.

Having obtained the closed-form expressions for both overload and convergence time of MI and AI policies,we can derive feasibility conditions as well as closed-form expressions for guaranteed convergence times of these policies:

Lemma5MI is feasible with respect to responsiveness and smoothness iff:

(25) Lemma6AI is feasible with respect to responsiveness and smoothness iff:

(26)

Lemma7The values of guaranteed convergence time for MI and AI policies are and

Theorem3AI ISI.

Proof:Let us denote the convergence time and overload of ISI policy with parameter as and respectively.Then, consider AI policy with parameter and denote its convergence time and overload as and respectively.

Let us compare the results of applying these ISI and AI policies to some and such that.

De?nition of ISI policy

De?nition of AI policy

Thus,.By induction,.Using(15),we derive:

(27)

Relying on(27),we obtain:

ISI is feasible with respect to responsiveness and smoothness

De?nition6.1

Lemma3

(27)

Lemma3

De?nition6.1

AI is feasible with respect to responsiveness and smoothness. According to De?nition6.2,AI ISI.

:

.

Now,let us compare the results of applying these and policies to some and such that

De?nition of II policy

De?nition of ISI policy

Thus,, we derive by induction that.Then,according to(15),we have:

(28) Relying on(28),we obtain:

II is feasible with respect to responsiveness and smoothness

De?nition6.1

Lemma3

(28)

Theorems2,3,and4establish an interesting chain of superiorities in terms of the abilities of the considered policies to satisfy the smoothness and responsiveness requirements:

MI AI ISI II(29) i.e.,MI is superior to AI which is superior to ISI which is superior to II.Thus,MI provides the best performance in fair heterogeneous networks in comparison to the other examined increase policies.

We assess quantitative advantages of MI over AI,ISI,and II in terms of the guaranteed convergence times of the compared policies.According to Lemma7,the guaranteed convergence times of MI and AI policies depend only on the smoothness requirement and the heterogeneity index of the network.In particular,the guaranteed convergence times of these policies do not depend on the minimum guaranteed throughput.Lemmata8and9show that ISI and II policies share the same property.Thus,we evaluate the guaranteed convergence times of the four compared policies as functions of the heterogeneity index(see Figure2)and smoothness requirement(see Figure3).Figure2shows that the larger heterogeneity index for the network,the larger advantage MI provides in comparison to the other considered policies.Figure3shows that MI consistently provides better performance than AI,ISI,and II policies for all considered smoothness requirements.

8Summary and Discussion

In this paper,we analyze binary adjustment algorithms in fair heterogeneous networks.We introduce a network model where routers allocate link capacities among?ows according to the principle of maxmin fairness.We evaluate four different increase

5

10

152******** 1.52 2.5

3 3.54g u a r a n t e e d c o n v e r g e n c e t i m e

heterogeneity index II ISI AI MI 05000

100001500020000120406080100

g u a r a n t e e d c o n v e r g e n c e t i m e heterogeneity index II ISI AI MI

Figure 2:The guaranteed convergence times as functions of the heterogeneity index for smoothness requirement

.

20406080100120

14016000.050.10.150.20.25

0.30.350.40.450.5g u a r a n t e e d c o n v e r g e n c e t i m e smoothness II ISI AI MI 0500

1000

1500

2000250030003500400000.050.10.150.20.250.30.350.40.450.5

g u a r a n t e e d c o n v e r g e n c e t i m e smoothness II ISI AI MI

(a)(b)

Figure 3:The guaranteed convergence times as functions of the smoothness requirement.

policies proposed in the literature:multiplicative increase (MI ),additive increase (AI ),inverse-square-root increase (ISI ),and inverse increase (II ).Our analysis shows that MI is superior to the other increase policies in fair networks.

There are several salient features of our analysis methodology and the results.

Since fair networks provide ?ow isolation,the guaranteed throughput of a ?ow is independent of the behaviors of other ?ows.Hence,our analysis methodology considers only the performance of the examined ?ow.This is fundamentally

different from conventional networks with FIFO link scheduling;in such networks,the guaranteed performance of a ?ow

is affected by the behaviors of other ?ows.

We consider a heterogeneous network environment in which the examined ?ow shares its bottleneck link with other ?ows that can have diverse round-trip times,be bottlenecked at different links,employ various forms of congestion control

(including,no congestion control at all),and transmit less data than suggested by their congestion control mechanisms.

Further,the number of ?ows that share the bottleneck link with the examined ?ow as well as the bottleneck link capacity

may change over time.This is a realistic model of traf?c for large heterogeneous networks.For such networks,it is

essential to evaluate binary adjustment algorithms with respect to their ability to provide acceptable performance at all

of the possible operating points.Our analysis methodology is founded on this requirement.It is important to note that

this is an important methodological departure from previous work on analyzing adjustment algorithms in FIFO networks;

most of the prior work evaluate the relative performance of these algorithms for a ?xed network setting.

Our analysis shows that MI is superior to the other increase policies in fair networks.This is an interesting ?nding because it suggests that the multiplicative-increase multiplicative-decrease (MIMD )algorithm is preferable to the additive-

increase multiplicative-decrease(AIMD)algorithm in fair networks.In traditional networks,AIMD is considered to be more suitable than MIMD since MIMD does not ensure convergence to fairness in such networks under the assumption of synchronous feedback[4].Thus,the choice of the network architecture proves to be an important parameter in evaluating adjustment algorithms.

Our study can also be used for selecting an adjustment algorithm for a streaming application in a fair network.If the application needs its overload to be bounded by some smoothness requirement,then the adjustment algorithm should employ the multiplicative increase policy with increase coef?cient.The decrease coef?cient for the multiplicative decrease policy could be selected in a similar fashion based on the smoothness requirement of the application in terms of its underload.

References

[1]M.Allman,V.Paxson,and W.Stevens.TCP Congestion Control.RFC2581,April1999.

[2] D.Bansal and H.Balakrishnan.TCP-friendly Congestion Control for Real-time Streaming Applications.Technical Report MIT-LCS-TR-806,MIT,May

2000.

[3]CAIDA.Characterizing Traf?c Workload.https://www.wendangku.net/doc/c310980846.html,/outreach/resources/learn/traf?cworkload/,October2000.

[4] D.Chiu and R.Jain.Analysis of the Increase and Decrease Algorithms for Congestion Avoidance in Computer Networks.Journal of Computer Networks

and ISDN,17(1):1–14,June1989.

[5] A.Demers,S.Keshav,and S.Shenker.Analysis and Simulation of a Fair Queueing Algorithm.In Proceedings of ACM SIGCOMM’89,pages1–12,

September1989.

[6]S.Floyd,M.Handley,and J.Padhye.A Comparison of Equation-Based and AIMD Congestion Control.https://www.wendangku.net/doc/c310980846.html,/tfrc/,May2000.

[7]S.Floyd,M.Handley,J.Padhye,and J.Widmer.Equation-Based Congestion Control for Unicast Applications.In Proceedings ACM SIGCOMM2000,

August2000.

[8] E.Gafni and D.Bertsekas.Dynamic Control of Session Input Rates in Communication Networks.IEEE Trans.on Automatic Control,AC-29(11):1009–

1016,November1984.

[9] E.Hahne.Round-Robin Scheduling for MaxMin Fairness in Data Networks.IEEE Journal on Selected Areas in Communications,9(7),September1991.

[10]V.Jacobson.Congestion Avoidance and Control.In Proceedings ACM SIGCOMM’88,August1988.

[11]J.Jaffe.Bottleneck Flow Control.IEEE Transactions on Communications,29:954–962,July1981.

[12] F.Kelly.Charging and Rate Control for Elastic Traf?c.European Transactions on Telecommunications,8:33–37,1997.

[13]S.Keshav.Packet-Pair Flow Control.IEEE/ACM Transactions on Networking,February1995.

[14] A.Legout and E.W.Biersack.PLM:Fast Convergence for Cumulative Layered Multicast Transmission Schemes.In Proceedings ACM SIGMETRICS

2000,June2000.

[15]J.Mahdavi and S.Floyd.TCP-Friendly Unicast Rate-Based Flow Control.End2end-interest mailing list,January1997.

[16]M.A.Marsan and M.Gerla.Fairness in Local Computing Networks.In Proceedings IEEE ICC’82,June1982.

[17]S.McCanne,V.Jacobson,and M.Vetterli.Receiver-driven Layered Multicast.In Proceedings ACM SIGCOMM’96,August1996.

[18]J.Nagle.Congestion Control in IP/TCP Internetworks.RFC896,January1984.

[19]T.J.Ott,J.H.B.Kemperman,and M.Mathis.The Stationary Behavior of Ideal TCP Congestion Avoidance.

https://www.wendangku.net/doc/c310980846.html,/papers/tjo/TCPwindow.pdf,August1996.

[20]Personal Communications.June2000.

[21]K.K.Ramakrishnan,D.M.Chiu,and R.Jain.Congestion A voidance in Computer Networks with a Connectionless Network Layer,Part IV-A Selective

Binary Feedback Scheme for General Topologies.Technical Report TR-510,DEC,August1987.

[22]K.K.Ramakrishnan and R.Jain.A Binary Feedback Scheme for Congestion Avoidance in Computer Networks with Connectionless Network Layer.In

Proceedings ACM SIGCOMM’88,August1988.

[23]R.Rejaie,M.Handley,and D.Estrin.RAP:An End-to-end Rate-based Congestion Control Mechanism for Realtime Streams in the Internet.In

Proceedings IEEE INFOCOMM’99,March1999.

[24]L.Rizzo.pgmcc:A TCP-friendly Single-Rate Multicast Congestion Control Scheme.In Proceedings ACM SIGCOMM’2000,August2000.

[25]I.Stoica,S.Shenker,and H.Zhang.Core-Stateless Fair Queueing:A Scalable Architecture to Approximate Fair Bandwidth Allocations in High Speed

Networks.In Proceedings ACM SIGCOMM’98,September1998.

[26] B.Suter,https://www.wendangku.net/doc/c310980846.html,kshman,D.Stiliadis,and A.K.Choudhury.Buffer Management Schemes for Supporting TCP in Gigabit Routers with Per-Flow

Queueing.IEEE Journal on Selected Areas in Communications,17(6):1159–1169,June1999.

[27]W.Tan and A.Zakhor.Real-Time Internet Video using Error Resilient Scalable Compression and TCP-Friendly Transport Protocol.IEEE Transactions

on Multimedia,1(2):172–186,May1999.

[28] C.Villamizar and C.Song.High Performance TCP in ANSNET.ACM Computer Communications Review,24(5):45–60,October1994.

[29]M.V ojnovic,J.Y.Le Boudec,and C.Boutremans.Global Fairness of Additive-Increase and Multiplicative-Decrease with Heterogeneous Round-Trip

Times.In Proceedings IEEE INFOCOM2000,March2000.

[30]Y.R.Yang and https://www.wendangku.net/doc/c310980846.html,m.General AIMD Congestion Control.In Proceedings IEEE ICNP2000,November2000.

A Proofs for Section4

Lemma1In the overloaded network,the fair share is at least the guaranteed throughput:

Proof:According to(3),implies that and consequently

Lemma2The examined?ow is assured to reach the guaranteed throughput:

Proof:Let us assume that the lemma statement is false;i.e.,.Then,we can derive:

min

min min

according to(3),if

min

according to Lemma1,if

induction on(6)

(8)where,,and

according to(1),

Lemma1

according to(11),

min

A contradiction.Thus,.The?ow is assured to reach the guaranteed throughput.

Theorem1is the maximum throughput that the examined?ow is guaranteed to reach.

Proof:In the case of,the examined?ow shares the network with a nonempty set of other?ows.Consider a scenario when each of all these?ows always imposes load on the network.Then,the network is permanently overloaded:

(30) Since(3)implies that the fair share does not exceed,each?ow in demands more than the fair share.Then,according to(4):

(31) Taking into account(3),(30),(31),and(4),we derive that:

(32)

if

According to(32),if,then

if(33) Then,

min

if

if

(32)for

(11)

Thus,.The throughput of the examined?ow never exceeds.

In the case when,we have according to(11).Since the throughput can not exceed the network capacity,the throughput of the examined?ow does not exceed.

In both cases,the throughput of the?ow does not exceed.According to Lemma2,the?ow is guaranteed to reach. Therefore,is the maximum throughput that the?ow is guaranteed to reach.

,,and

max

max The overload for AI policy equals:

(16)

max

max The overload for ISI policy equals:

(16)

max

max

The overload for II policy equals:

(16)

max

max

Thus,the values of overload for MI,AI,ISI,and II policies are,respectively.

and

.Using(15),we derive the convergence time for MI policy:

.Using(15),we derive the convergence time for AI policy:

Lemma5MI is feasible with respect to responsiveness and smoothness iff:

Proof:

MI is feasible with respect to responsiveness and smoothness

De?nition6.1

Lemma3and Lemma4

Lemma6AI is feasible with respect to responsiveness and smoothness iff:

Proof:

AI is feasible with respect to responsiveness and smoothness

De?nition6.1

Lemma3and Lemma4

Lemma7The values of guaranteed convergence time for MI and AI policies are and

min

(19)

According to Lemma3,the overload of AI policy is

.Thus,https://www.wendangku.net/doc/c310980846.html,ing this,we derive the guaranteed convergence time for AI policy:

(24)

min max

Lemma4

min max

iff

(19)

respectively.

.Using this,we can rewrite(24)to express the guaranteed convergence time for ISI policy:

max

. Similarly,the guaranteed convergence time of ISI policy in the second network is provided by policy with parameter setting

By induction,we have for any.Thus,policy reaches the guaranteed throughput between and in the?rst network after exactly the same number of adjustments as the number of adjustments it takes for policy to reach the guaranteed throughput between and in the second network.Thus,the guaranteed convergence time of ISI policy does not depend on the minimum guaranteed throughput.

.Then,according to De?nition6.3,the set of-smooth settings for II policy consists of such that

the guaranteed convergence time of II policy in the?rst network is provided by policy with parameter setting. Similarly,the guaranteed convergence time of II policy in the second network is provided by policy with parameter setting .

Note that.Let us assume that.Then,

policy is the II policy with parameter setting

淘宝产品文字

淘宝产品文字 德泰堂文化公司简介 “上德下德世代积德，天泰地泰三阳开泰。’ 德泰堂文化公司秉承百年德泰精神，敢于担当，勇于创新，与时俱进。公司倡导的长生理念认为，人的生命虽有限，但长生智慧无穷------------ 科学的长寿养生、避险求生是可行的！公司致力于“长寿养生和避险求生”两大领域，通过相关文化产品的研发和推广，传播科学的长生理念，普及科学的长生之道，为普通民众实现长生梦想尽一份绵薄之力。

公司目前的主要产品有“平安宝典”和“长寿秘笈”两大系列，涉及高档精美挂历、撕历、台历、记事周历、家庭消防安全红宝书、安全系列扑克、享“瘦”日志等，融实用性与知识性为一体；既有古典韵味，又具时尚气质；既可自用, 更是送礼佳品！更多精彩产品，即将陆续上市，敬请期待！

标题（含副标题）：全面，新颖 针对每款产品作详细介绍，如：特色、定位、规格、辐射范围（国内外）、合作单位等 《享瘦日志》 《家庭消防安全红宝书》 《消防安全知识扑克》 《家居安全知识扑克》 《地震安全知识扑克》 《交通安全知识扑克》 《长寿秘笈-四季养生篇》周历 《长寿秘笈-长寿名人篇》周历 《平安宝典-避险求生篇》周历 《长寿秘笈》撕历双日历形式 《平安宝典》撕历双日历形式 《长寿秘笈-四季养生篇》方形撕历双日历形式《办公室养生》台历 《享瘦日志》 享瘦日志——快乐的减肥旅程 Easy diet and exercise jour nal

规格：105mm*180mm 页数：288页 减肥，不仅是美体塑型的需要，更是健康养生的重要组成部分。正如在《享瘦日志》中所阐述的，"肥胖，已成为困扰人类健康的严重问题。心脏病、高血压及糖尿病等心脑血管疾病皆与肥胖症密切相关……外形瘦，不是真的瘦。现代人不能忽视内脏型肥胖，更应高度警惕内脏脂肪这个’隐形杀手'……”从这个角度来看，《享瘦日志》契合了德泰堂文化“长寿养生"的主题。这也是德泰堂文化开发此款产品的原由所在。你的快乐减肥旅程，就从《享瘦日志》开始吧，精彩值得期待！ 享瘦日志六大特色 特色一：便携式笔记本，随时随地记录，“不因量小而不记”，轻松搞定每一细节，精益求精，为科学理性分析你的享瘦过程打下坚实基础！让新旅程绝对给力！ 特色二：倡导科学、合理、安全而健康的减肥，一要注意平衡饮食，二要坚持适度运动，贵

ansys和adams刚柔耦合详细步骤

ANSYS与ADAMS进行联合柔性仿真 基本思路：在ANSYS进行.mnf文件输出，然后把输出的.mnf文件输入ADAMS，进行零件更换。然后在ADAMS 进行加载约束，仿真，查看结果。 软件:ANSYS10,ADAMS 2007 R3 具体步骤： 一ANSYS输出.mnf柔性文件 1.1 建立单元 单元1：solid45 或者其他3D单元 单元2：MASS21,此单元只用于连接点单元 设置弹性模量，泊松比，密度3个参数 1.2导入模型（.x_t）或者建立模型 完成后，创建连接点，ANSYS要求必须是2或者2个以上的连接点

创建连接点：如下图，在下面2个圆柱孔的中心，注意是圆柱体的中心，不是某个面得中心，创建2个keypoints。具体方法，看个人而定。 1.3 划分单元 对体用3D单元划分，我选用meshtool方法

接下来设置real constants，这个参数设置，一定要到等到3D网格划分完后再设置 对MASS21 进行设置。

Real constant Set No. 要大于2，下面的值要非常小。 然后对连接点，即keypoints进行单元划分：先设置keypoints 属性，如下 然后划分单元，用meshtool, 对keypoints划分单元，结果如下如下图

1.4建立刚性区域 刚性区域都是节点=连接节点+刚柔接触的面上所有节点 在ANSYS里面，这一步，连接点为主节点，刚柔接触面上的所有节点为从节点首先得按如下2个图片进行主节点和从节点节点组合。（或者用循环语句也行）

1.4.1建立主节点component 选择1个主节点，即连接节点。 接下来

怎样介绍自己的产品

怎样介绍自己的产品怎样介绍自己的产品 叶志常

许多销售员朋友,总在抱怨产品销售不出去总是说价格太高,产品包装不漂亮,产品没有特色, 可就是不去思考自己的销售思路对不对, 自己为销售付出了多少？ 掌握销售知识有多少？ 自己付出了多少热情和智慧？ 如何向客户介绍产品呢？

在向客户介绍产品之前一定要搞清楚一个概念:产品的弱点.产品的弱点是指没有质量问题,却在竞争中 相对于同类产品处于劣势的产品特点,比如:耗电大,价格贵,包装不美观,样式太老,使用不太方便等等...... 这些产品弱点有的是为了 产品的其他优点而产生的,有的是可以改变的,有的 是不能马上改变的.在回答 客户时,一定要做以区分.

常言到:有一利必有一弊.反之有一弊也必有一利.当我们遇到客户问到产品的弱点时, 首先,不要回避问题,也不要去和客户争执.正面承认自己产品存在的弱点.比如:你可以说:您说的很对,在长期的销售中,我们也发现了自己产品的这个弱点,你能指出来我 非常感谢,我们会尽力去改进的. 第二,要委婉的把自己产品产生的弱点原因讲清楚.

比如:你可以说:我们的产品之所以耗电量大,是因为我们为了保障产品的大功率,保障在紧急的情况下,我们的产品一样能正常的工作.再比如:我们的产品之所以价格贵过同类产品,是由于我们为了保证产品的功效,选择了质量最好的原材料,所以它的效果一定要比同类产品好.这一点是得到市场验证了的.

第三,向客户讲明为了弥补产品的弱点,所做的售后增值服务. 比如:我公司生产的电子产品虽然比不上做了很长时间的厂家有名气,可我们电子产品也在极力打造自己的品牌,在售后服务上,我们承诺做到免费保修五年,终生维修的原则.

ANSYS与adams

ANSYS-ADAMS介绍及数据接口 ANSYS软件是当今最著名的有限元分析程序,其强大的分析功能已为全球工业界所广泛接受，成为拥有最大用户群的CAE软件供应商。其特点如：多场及多场耦合分析、多物理场优化、统一数据库及并行计算等等都代表着CAE软件的发展潮流。 ADAMS软件是目前最具权威的机械系统动力学仿真软件，通过在计算机上创建虚拟样机来模拟复杂机械系统的整个运动过程，从而达到改进设计质量、节约成本、节省时间的目的。 通过ANSYS软件与ADAMS软件之间的双向接口，可以很方便的考虑柔性体部件对机械系统运动的影响，并得到基于精确动力学仿真结果的应力应变分析结果，提高分析精度。 接口背景 ADAMS/Flex软件允许在ADAMS模型中根据模态频率数据创建柔性体部件，柔性体部件可能会对机械系统的运动产生重大的影响，在ADAMS模型中考虑柔性体部件的影响会极大地提高仿真精度,而ANSYS程序则提供了一种方便的创建柔性体部件的方法. ANSYS程序在生成柔性体部件的有限元模型之后,利用adams.mac宏命令可以很方便地输出ADAMS软件所需要的模态中性文件jobname.mnf, 此文件包含了ADAMS中柔性体的所有信息, 在ADAMS软件中直接读入此文件即可看到柔性体部件的模型. 指定好柔性体与其它部件的连结方式,并给系统施加必要的外载后即可进行系统的动力学仿真. 何时使用ANSYS-ADAMS接口 在机械系统中,柔性体将会对整个系统的运动产生重要影响,在进行运动学分析时如果不考虑柔性体的影响将会造成很大的误差,同样整个系统的运动情况也反过来决定了每个构件的受力状况和运动状态,从而决定了构件内部的应力应变分布.因此如果要精确地模拟整个系统的运动,考虑柔性体部件对系统运动的影响,或者想基于精确的动力学仿真结果, 对运动系统中的柔性体进行应力应变分析则需要用到ANSYS与ADAMS两个软件. 分析步骤 利用ANSYS与ADAMS接口,对运动系统中的柔性体部件进行应力应变分析的完整步骤如下： 在ANSYS软件中建立柔性体部件的有限元模型并利用adams.mac宏文件生成

ADAMS与ANSYS的双向数据交换

ADAMS与ANSYS的双向数据交换ADAMS软件是著名的机械系统动力学仿真分析软件，分析对象主要是多刚体。但与ANSYS软件结合使用可以考虑零部件的弹性特性。反之，ADAMS的分析结果可为ANSYS分析提供人工难以确定的边界条件。 ANSYS进行模态分析的同时，可生成ADAMS使用的柔性体模态中性文件(即.mnf文件)。然后利用ADAMS中的ADAMS/Flex模块将此文件调入ADAMS 以生成模型中的柔性体，利用模态叠加法计算其在动力学仿真过程中的变形及连接节点上的受力情况。这样在机械系统的动力学模型中就可以考虑零部件的弹性特性，提高系统仿真的精度。 反之，ADAMS进行动力学分析时可生成ANSYS软件使用的载荷文件（即.lod 文件），利用此文件可向ANSYS软件输出动力学仿真后的载荷谱和位移谱信息。ANSYS可直接调用此文件生成有限元分析中力的边界条件，以进行应力、应变以及疲劳寿命的评估分析和研究，这样可得到基于精确动力学仿真结果的应力应变分析结果，提高计算精度。 在ANSYS中生成mmf文件的方法： ANSYS软件是当今最著名的有限元分析程序，其强大的分析功能已为全球工业界所广泛接受，成为拥有最大用户群的CAE软件供应商。其特点如：多场及多场耦合分析、多物理场优化、统一数据库及并行计算等等都代表着CAE软件的发展潮流。 ADAMS软件是目前最具权威的机械系统动力学仿真软件，通过在计算机上创建虚拟样机来模拟复杂机械系统的整个运动过程，从而达到改进设计质量、节约成本、节省时间的目的。 通过ANSYS软件与ADAMS软件之间的双向接口，可以很方便的考虑柔性体部件对机械系统运动的影响，并得到基于精确动力学仿真结果的应力应变分析结果，提高分析精度。 接口背景 ADAMS/Flex软件允许在ADAMS模型中根据模态频率数据创建柔性体部件，柔

三生中国产品特色产品介绍

三生中国产品特色产品介绍 特色产品介绍 1、御坊堂蛋白粉--蛋白质:“生命的建筑材料”，是人体主要构成物质，是人体生命活动所必需的物质之一。御坊堂蛋白质粉80%以上为高生物价的蛋白质。(由于现代人蛋白质摄取量普遍高于正常标准，建议该款产品针对病人或大病初愈的人群推荐)。 2、御坊堂灵芝螺旋藻片--螺旋藻:被联合国誉为“21世纪最理想的食品”。螺旋藻是世界上最古老的植物，是目前所知营养成分含量最全面，最均衡的食品之一。灵芝破壁孢子粉:灵芝发育后期弹射释放出来的种子。有提高免疫力;抗癌，抑制癌细胞生长;防治糖尿病;降低胆固醇;提高机体耐缺氧能力。该配方创造性的将灵芝破壁孢子粉和螺旋藻相结合，灵芝属热性食物，使用过量灵芝会出现上火的状况，而螺旋藻属凉性食物，二者相结合使产品功效发挥得更加充分。 3、御坊堂青春年华:主要成分:大豆异黄酮。大豆异黄酮是“天然植物雌激素”，可有效的调节女性内雌激素，维护女性健康平衡，留住美丽年华。 4、御坊堂荟姿美:主要成分:芦荟，维生素E低聚果糖。经功能验证，具有美容养颜、清除肠道毒素、改善肠胃的保健功能。以芦荟为主要原料，添加了维生素E和低聚果糖，通过三种原料的科学组合，是该产品具有养颜，清毒双重功效。芦荟的功效:美容养颜。维生素E的作用:一种有效地抗氧化剂，和芦荟组合在一起，有效的弥补了芦荟有效成分活性强，易被氧化而流失的缺点。低聚果糖的作用:促进肠道蠕动，调节肠道功能，排肠毒。 5、御坊堂天然大豆卵磷脂:卵磷脂:天然乳化剂，在人体脂肪代谢，净化血液及身体保健方面起着卓著的功效。御坊堂大豆卵磷脂胶囊选用优质天然大豆提取，有效补充生命活动所需营养素，起着“血管清道夫”的作用。与御坊堂海狗油搭配使用，两款产品“清毒”并兼“和调”的功效发

特色产品文字介绍

特色产品介绍 （这里只收录一小部分介绍，更多介绍参看产品视频） 1蛋白粉--蛋白质：“生命的建筑材料”，是人体主要构成物质，是人体生命活动所必需的 物质之一。御坊堂蛋白质粉80%^上为高生物价的蛋白质。（由于现代人蛋白质摄取量普遍 高于正常标准，建议该款产品针对病人或大病初愈的人群推荐）。 2螺旋藻片--螺旋藻：被联合国誉为“ 21世纪最理想的食品”。螺旋藻是世界上最古老的植 物，是目前所知营养成分含量最全面，最均衡的食品之一。灵芝破壁孢子粉：灵芝发育后期弹射释放出来的种子。有提高免疫力；抗癌，抑制癌细胞生长；防治糖尿病；降低胆固醇；提高机体耐缺氧能力。该配方创造性的将灵芝破壁孢子粉和螺旋藻相结合，灵芝属热性食物，使用过量灵芝会出现上火的状况，而螺旋藻属凉性食物，二者相结合使产品功效发挥得更加充分。 4、荟姿美：主要成分：芦荟，维生素E低聚果糖。经功能验证，具有美容养颜、清除肠道毒素、改善肠胃的保健功能。以芦荟为主要原料，添加了维生素E和低聚果糖，通过三种 原料的科学组合，是该产品具有养颜，清毒双重功效。芦荟的功效：美容养颜。维生素______________ E 的作用：一种有效地抗氧化剂，和芦荟组合在一起，有效的弥补了芦荟有效成分活性强，易被氧化而流失的缺点。低聚果糖的作用：促进肠道蠕动，调节肠道功能，排肠毒。 8、生命健咖啡：特点：添加灵芝多糖和瓜拉纳提取物。瓜拉纳提取物：瓜拉纳被誉为亚马逊“圣果”和巴西“国饮”，其富含的天然咖啡因，可以缓慢而持久地起到提神醒脑的效果，全面释放机体活力，有效减轻疲劳。 9、生命健红茶：特点：选用祁门红茶和椴木灵芝。祁门红茶为我国十大名茶中唯一一个全 发酵茶，也是最具有文化底蕴和国际美誉度的红茶，简称祁红，产于安徽省祁门县，诞生 于1875年，一直以优异的品质和独特的风味蜚声于国际市场。在红遍全球的红茶中，祁门 红茶独树一帜，百年不衰，与印度的“大吉岭”红茶和斯里兰卡的“乌伐”红茶齐名，被 誉为“世界三大高香名茶”。椴木灵芝：椴木灵芝从接种到长芝结束需要2年甚至3年以 上的时间，因此，培育出的灵芝菌盖大且厚，盖缘整齐有光泽，质地坚硬，有效成份含量 高，但产量较低，是所有灵芝种类中的珍品。 12、角鲨烯软胶囊：御坊堂角鲨烯软胶囊采用无污染区的深海鲨鱼肝脏为原料，经现代工艺提取浓缩精制而成，保留了角鲨烯的全部活性，在提高机体耐缺氧能力、增强抵抗力，

ansys面与面接触分析实例

面与面接触实例：插销拨拉问题分析 定义单元类型 Element/add/edit/delete 定义材料属性 Material Props/Material Models Structural/Linear/Elastic/Isotropic 定义材料的摩擦系数 … 建立几何模型 Modeling/Create/Volumes/Block/By Dimensions X1=Y1=0，X2=Y2=2，Z1=，Z2=

Modeling/Create/Volumes/Cylinder/By Dimensions Modeling/Operate/Booleans/Subtract/Volumes 先拾取长方体，再拾取圆柱体。 Modeling/Create/Volumes/Cylinder/By Dimensions 、 划分掠扫网格 Meshing/Size Cntrls/ManualSize/Lines/Picked Lines 拾取插销前端的水平和垂直直线，输入NDIV=3再拾取插座前端的曲线，输入NDIV=4

PlotCtrls/Style/Size and Shape，在Facets/element edge列表中选择2 facets/edge 建立接触单元 : Modeling/Create/Contact pair，弹出Contact Manager对话框，如图所示。 单击最左边的按钮，启动Contact Wizard（接触向导），如图所示。

单击Pick Target，选择目标面。 选择接触面 定义位移约束 施加对称约束，Define Loads/Apply/Structural/Displacement/Symmetric On Areas，选择对称面。 再固定插座的左侧面。 ） 设置求解选项 Analysis Type/Sol’s Control

世界主要生物公司特色简介

一、分子生物学 Promega: Promega公司是分子生物学研究工具的经典品牌，已有接近30年的历史，是生命 科学这个朝阳产业中的“老字号”。该公司所特有的萤光素酶生物发光技术，灵敏度 高，信号/背景比率低，在基础研究和药物筛选领域内得到广泛的应用和认可。应用 范围涉及报告基因检测；细胞学活力、细胞毒作用、细胞凋亡检测；蛋白酶、蛋白 激酶、核受体检测，以及描述药物先导物的吸收、分布、代谢、排泄等特征性参数 的一系列检测方法。 Invitrogen： 该公司成功地提供了PCR产物快速克隆试剂盒，及与之配套的系列产品，包括高效 转染和转化试剂、高效感受态细胞、全面的原核及真核基因表达系统、酵母双杂交 系统等多种特色产品。大大便利了分子克隆的全过程操作。其成功并购了Gibco/BRL，Novex，Research Genetics等知名公司，产品覆盖更为广泛。 Clontech： 现已成为B.D.公司旗下分子生物学主力舰。该公司的cDNA试剂盒、荧光蛋白报告 基因系统、酵母双杂交系统、基因Array产品是独具特色的产品，其中一些试剂盒 （GFP、Tet Off On等）获得过多次大奖。Clontech公司聚集了一大批优秀的科学 家，在分子研究的各个领域开发出了许多设计思路独特，快捷便利的试剂产品，紧 跟科学前沿。 Strategene： 该公司的特色产品包括：预制基因文库、定制文库、文库构建产品、感受态细胞、 高效转染试剂、点突变试剂盒、PCR仪及多种专利产品，在分子生物学研究的多个 方面有不凡表现，受到全球实验室的好评，成为迅速崛起的佼佼者。 Novagen： 该公司在蛋白表达和纯化工具的研究上成绩卓著，发展了相对应的表达载体和纯化 方法，使得用户可以很方便地将蛋白表达、纯化、检测在有协调性的Novagen技术 系统内完成。此外还提供蛋白质分子量marker。 QIAGEN： 德国著名的试剂公司，该公司的核酸分离纯化系列基于多项专利技术，纯度高，产 量高，快速方便，品种齐全，为世界知名品牌。其大多数产品以即用型试剂盒形式 提供，随产品有非常详细的操作技术手册。此外，还提供优质的传染系统，RT/PCR 反应系统（包括高特异性的逆转录酶及热启动的Taq酶），蛋白及多肽表达、纯化、 检测分析系统。 Macherey-Nagel： 德国著名的核酸分离纯化试剂盒生产商，提供各类高品质的核酸纯化试剂盒及相关

课程教学课件建设内容

附件： 福清龙华职业中专学校课程教学课件开发项目采购方案 一、教学课件建设总体技术要求 （一）教学课件制作精美PPT及页面设计，支持SCORM标准。 （二）教学设计方案：围绕微课视频进行的教学设计，文件应为word格式，使用中文,不超过2000字。内容包括作品的教学目标、教学对象、设计思路、教学步骤、实现手段、教学总结和作品相关材料的引用转载出处等。 （三）教学动画制作以Flash5.5为开发工具，结合ActionScript3.0编程语言来实现技术交互效果功能点开发及其动画开发。 （四）微课及视频的最终输出的格式为视频Mp4格式。 （五）其主要参数如下： 1.视频课件总体要求 稳定性：全片图像同步性能稳定，无失步现象，CTL同步控制信号必须连续：图像无抖动跳跃，色彩无突变，编辑点处图像稳定。 信噪比：图像信噪比不低于55dB，无明显杂波。 色调：白平衡正确，无明显偏色，多机拍摄的镜头衔接处无明显色差。 视频电平：视频全讯号幅度为1Ⅴp-p，最大不超过1.1Ⅴp-p。其中，消隐电平为0V时，白电平幅度0.7Ⅴp-p，同步信号-0.3V，色同步信号幅度0.3V p-p (以消隐线上下对称)，全片一致。 2.音频信号源总体要求 声道：中文内容音频信号记录于第1声道，音乐、音效、同期声记录于第2声道，若有其他文字解说记录于第3声道（如录音设备无第3声道,则录于第2声道）。 电平指标：-2db —-8db声音应无明显失真、放音过冲、过弱。 音频信噪比不低于48db。 声音和画面要求同步，无交流声或其他杂音等缺陷。 伴音清晰、饱满、圆润，无失真、噪声杂音干扰、音量忽大忽小现象。解说声与现场声无明显比例失调，解说声与背景音乐无明显比例失调。 3.制作技术标准 从建设来看，微课基本上分摄像拍摄类、多媒体软件制作类和混合制作类三种，对于这三类的微课制作方法，对应的要求如下： A、摄像部分技术要求（包括数码录制和录播室录制） 借助专业摄像机、数码DV、数码相机、智能手机、电脑摄像头等一切具有视频摄录功能的设备，将自己的教学过程场景拍摄记录下来。摄像部分的技术要求如下：视频压缩采用H.264格式编码，视频格式为MP4及FLV格式。 视频码流率：动态码流的最高码率不高于2000Kbps，最低码率不得低于1024Kbps。 视频质量要求图像稳定、对焦清晰、构图合理、镜头运用恰当。 视频分辨率：分辨率一般为设定为720*576、1280*720； 在同一课程中，各讲的视频分辨率应统一，不得标清和高清混用。 视频帧率为25帧/秒，扫描方式采用逐行扫描。 声音采用双声道，要求清晰、饱满、圆润，无失真、噪声杂音干扰、音量忽大忽小现象。解说声与背景音乐无明显比例失调。 B、多媒体软件制作类要求 利用动画软件（FLASH、MAYA、3DMAX等）、视频制作软件等多媒体软件制作。输

产品服务内容说明

产品服务内容说明 1，人工托管 微信公众账号：在微信5.0版中，公众账号被划分为“服务号”和“订阅号”两大类。如果公众账号有更新主界面会像“朋友圈”一样，只显示小红点而不显示条数，这样就避免了公众账号过多占据用户的手机屏幕。您打开手机即可看见。 特色开发： 微信公众号开通：帮助企业开通微信公众平台，并且认证微信公众号，加V显示，我们会根据企业提供的资料，详细的完善公众平台介绍信息。 二维码推广：我们会根据企业提供的以往设计文件，再根据企业的实际情况，提供二维码VI在名片、企业画册、易拉宝、海报相关物料的设计支持和指导，这也就是我们的二维码VI系统，我们所做的目的也就是将我们的二维码推广出去，另外我们也会引导客户在微博、QQ、平面、户外物料上进行推广，以及维护老客户资源，以及争取二次营销机会。 微信内容推送：我们会有专业的编辑团队收集企业企业动态、新品上市、活动促销等信息，然后加工文字在微信公众号上推送，当然也包括，行业资讯、软新闻等内容的撰稿，每周至少三条，当然也可根据企业的内部需要进行调整，我们在发布之前会事先经过企业确定后发送, 用户互动：我们的微信平台提供回复功能，用户编辑关键词，我们的微信平台会自动回复内容，我们的关键词至少会设置50个字左右，而用户自定义编辑内容，我们会有专门的工作人员进行人工回复，工作小时四小时内回复。 用户管理：就像前面所说，我们会通过各种渠道进行微信公众号的推广，以使企业微信公众号的粉丝增加，我们会区别对待微信用户，将用户分类然后进行微信推送。 客服工作：我们的客服工作也就是我们所推的特色服务，其中包括危机管理，咨询答疑、舆情监测、智能机器人等，先前在用户互动中我们已经介绍了我们微信平台的自能回复和人工回复功能。 因为优越的地理位置优势，我们特推出全程托管服务，我们来为您培养和维护顾客群，实行高效，便捷式服务模式。另外因需而变，我们为您而变。针对每个不同的行业，每家不同的企业，每种不同的需求，量身定制尊享独一无二的特色解决方案，帮助企业勇攀行业的最巅峰。 2，特色开发 3G微官网：企业的微信门户，将企业文化、新闻动态、产品服务、市场活动等内容通过网页的形式将品牌轻松送入用户朋友圈。无需繁琐难记的网络域名，关键词直接访问；无需费劲的浏览器跳转，微信直接打开网站；无需繁冗难懂的信息轰炸，重要信息清晰突出。 便民服务：我们的便民服务包括天气查询，糗事，计算器，健康指数查询， 快递查询，笑话，陪聊，聊天，手机归属地查询，附近周边信息查询，翻译， 姓名算命，3G首页，DIY宣传页，藏头诗，语音翻译，火车查询，公交查询，身份 证查询，彩票查询，通用预订系统，域名whoas查询......对于用户在这方面的需求，

进口面料标及特色介绍

进口面料标 特色介绍 英国DJA 1、 创立于1822年,后并入Albini 集团； 2、 英国皇室专用面料；只选择最优质的吉萨45特级长绒棉和美国苏皮玛 棉为原料；采用来自英国经过特殊加工处理的棉。非常保暖舒适，不易 变型是目前高端衬衫面料的卓越代表。 英国Thomas Mason 托马斯.梅森 1、 创立于1796年， 2、 欧洲著名衬衫厂商，是英国传统和英式优雅的代表性品牌 THOMASMASON 在有“纺织帝国”之称的曼彻斯特建立了自己的纺织厂， 全棉产品依然沿用英国传统的方式进行生产，并畅销全球。 3、 产品特色：其推出的GOLDLINE 系列高支双纱产品，是目前工艺与技术 所能实现的最高标准，加之原料选用埃及吉萨地区的优质长绒棉，使其 被世界公认为最佳纺织成果之一。GOLDLINE 系列产品集中体现了古典 主义与现代艺术的完美结合，以独特的设计理念充分诠释了顶级全棉面 料的真谛。 4、 市场地位： 重要客户：Gucci 、Armani 、Prada 、Zegna 、Kiton 、Canali 阿路莫ALUMO 1、 瑞士，1970年； 2、 全世界最有名的顶级质量衬衫面料厂，专业生产顶级质量高纱支双股的 瑞士原产衬衣面料； 3、 使用最好的超细精梳埃及长绒棉（或者海岛棉），光泽度与手感如真丝 般滑爽（海岛棉如羊毛绒般细腻柔软） 4、 精梳埃及棉（尼罗河流域，土地肥沃，灌溉条件好），光照时间长，棉 纯度高，纤维长而整齐，棉纤维的细度/光泽/光滑度/强度都属顶级。 非常细腻而柔软，特殊丝光效果。 5、 海岛棉 采用西印度群岛的海岛棉，质感 如丝般光泽，如羊绒般细腻柔 滑、舒适透气。纤维长度达64毫米。 6、 纺纱、织造、后整理都在瑞士当地工厂完成，布料效果柔软自然。 意大利 S.I.C 1、 创立于1924年； 2、 意大利专业生产高档衬衫面料品牌； 3、 款式多变，色彩柔和而不平淡，面料手感柔软，舒适度高。 阿尔卑尼ALBINI 1、 意大利，1876年； 2、 意大利三大衬衫集团之一 3、 产品丰富多样，适宜经典、运动风格的款型； 4、 所有纱线经过多道工艺染色完成，颜色鲜艳亮丽，不易褪色。确保产品质量和颜色达到客户要求； 5、 合作品牌：阿玛尼、杰尼亚。 意大利1830 1、 创立于1830年，2000年并入阿尔卑尼集团； 2、 专业生产高档衬衫面料，一个世纪以来最有名衬衫制造商之一； 3、 着眼于更时尚的突破而不仅局限于基础产品正是它的特色。

ANSYS与ADAMS联合仿真的关键

通过有限元方法得到MNF(MdoalNueartlFiel)模态中性文件向 ADAMs/Flex传递模型数据"它包含的信息主要有:柔性体的几何参数,包括各节点的位置坐标与连通性;节点的质量与转动惯量；各阶模态;模态广义质量和广义刚度" MNF是不可读的压缩二进制文件,具有平台无关性,可以在各种软硬件系统之间交换"模态中性文件输入多体动力学软件ADAMS以后,其原点放在惯性坐标系的原点上,并且与模型中其他零件没有任何联系,可以通过运动副约束或柔性连接将其连接起来"。 但是在使用中还有一些问题需要注意: 1.对于移动副或平面内运动虚约束这样的约束不能直接加在柔性体上,需要通过一个无质量联接物体(哑物体)将零件连接起来,然后将约束施加在这个无质量联接物体上; 2.能够施加运动的运动副,如果有运动激励,不能施加在柔性体上; 3.柔性联接不能施加在柔性体上,需要无质量联接物体来间接施加在柔性体上。 中性文件的制作 在机械系统中，柔性体将会对整个系统的运动产生重要影响，在进行运动学分析时如果不考虑柔性体的影响将会造成很大的误差，同样整个系统的运动情况也反过来决定了每个构件的受力状况和运动状态，从而决定了构件内部的应力应变分布，因此如果要精确地模拟整个系统的运动，考虑柔性体部件对系统运动的影响或者想基于精确的动力学仿真结果，对运动系统中的柔性体进行应力应变分析则需要用到ANSYS与ADAMS两个软件。 ADAMS/Flex软件允许在ADAMS模型中根据模态频率数据创建柔性体部件，柔性体部件可能会对机械系统的运动产生重大的影响，在ADAMS模型中考虑柔性体部件的影响会极大地提高仿真精度,而ANSYS程序则提供了一种方便的创建柔性体部件的方法。

云南省特色产品介绍

云南省特色产品介绍 云南省农业厅杨卫平 各位来宾，女士们，先生们，新闻界的朋友们：大家好很高兴能参加今天的新闻发布会议，受云南省农业厅的委派，我把云南省省情及优势农产品生产情况向大家作简要介绍，以便各位进一步了解云南，认识云南。通过农产品贸易、农业技术合作和信息交流，结识更多的合作伙伴，促进双方农业经济的共同发展。 云南地处中国西南部，具有沟通两大洋(太平洋、印度洋)、三大市场(中国、东南亚、南亚)的独特区位优势。与缅甸、老挝和越南三国接壤，边境线长达4061公里，自古就是中国通往东南亚、南亚地区的重要陆路通道。现有国家级口岸20个，对外通道90多条，开通了与东南亚各主要城市的空中航线，澜沧江—湄公河国际航运已经开通，正在建设的昆明——曼谷国际高等级公路2008年将全线贯通。连接昆明和东盟国家的“泛亚铁路”已动工兴建。 云南立体气候十分突出，气候类型众多，物种资源丰富，是全球生物多样性最丰富、最集中的地区之一，素有“植物王国”、“动物王国”、“香料之乡”、“天然花园”和“药物宝库”的美誉，丰富而独特的资源为云南发展特色农业创造了无可比拟的优越条件。

改革开放二十多年来，云南的经济社会得到了较快发展，综合实力明显增强，投资环境显著改善。2005年全省生产总值（GDP）3472.34亿元，按可比价格计算，比上年增长9.0％，居中国西部省、区、市第3位，全社会固定资产投资完成1755.30亿元，比上年增长31.9％。“十五”期间GDP 年平均增长9.1%，比“九五”期间的年平均增速快0.4个百分点。全省国民经济和社会发展呈现出蓬勃发展的良好势头。 2000年的世纪之交，云南提出建设“绿色经济强省、民族文化大省和中国连接东南亚、南亚国际大通道”三大发展战略目标，5年多来云南一直努力朝着这三大目标积极推进。各级农业部门围绕绿色经济强省战略的目标要求，重点开展农业标准化示范，强化农业投入品监管，建立健全农产品质量安全追踪溯源监管体系，推广无公害生产技术，推进农产品加工业发展，鼓励创建农产品品牌等工作，努力实现农产品无公害化生产、流通和消费，全省农产品质量安全水平有了进一步提高。到目前为止，全省共有无公害农产品用标单位199家，产品330个，产量145.5万吨，产值26亿元；绿色食品用标企业105家，用标产品216个，基地面积240.14万亩，产量95.03万吨；有机食品用标企业20个50个产品，含野生采集面积有738万亩，产值1.3亿元。 云南农产品与泰国有较强的互补性，云南生产的优质普

第20章 接触分析实例

第20章接触分析实例 在这个实例中，将对一个盘轴紧配合结构进行接触分析。第一个载荷步分析轴和盘在过盈配合时的应力，第二个载荷步分析将该轴从盘心拔出时轴和盘的接触应力情况。 20.1 问题描述： 在旋转机械中通常会遇到轴与轴承、轴与齿轮、轴与盘连接的问题，根据各自的不同情况可能有不同的连接形式。但大多数连接形式中存在过盈配合，也就是涉及到接触问题的分析。这里我们以某转子中轴和盘的连接为例，分析轴和盘的配合应力以及将轴从盘中拔处时盘轴连接处的应力情况。 本实例的轴为一等直径空心轴，盘为等厚度圆盘，其结构及尺寸如图20.1所示。由于模型和载荷都是轴对称的，可以用轴对称方法进行分析。这里为了后处理时观察结果更直观，我们采用整个模型的四分之一进行建模分析，最后将其进行扩展，来观察整个结构的变形及应力分布、变化情况。盘和轴用同一种材料，其性质如下： 弹性模量：EX=2.1E5 泊松比：NUXY=0.3 接触摩擦系数：MU=0.2 20.1 盘轴结构图

20.2 建立有限元模型 在ANSYS6.1中，首先我们通过完成如下工作来建立本实例的有限元模型，需要完成的工作有：指定分析标题，定义单元类型，定义材料性能，建立结构几何模型、进行网格划分等。根据本实例的结构特点，我们将首先建立代表盘和轴的两个1/4圆环面，然后对其进行网格划分，得到有限元模型。 20.2.1设置分析标题 本实例为进行如图20.1所示的盘轴结构的接触分析，属于非线性结构分析范畴。跟前面实例一样，为了在后面进行菜单方式操作时的方便，需要在开始分析时就指定本实例分析范畴为“Structural”。本实例的标题可以命名为：“Analysis of a Axis Contacting a hole in a Disc”，具体的操作过程如下： 1．选取菜单路径Utility Menu | File | Change Jobname，将弹出Change Jobname (修改文件名)对话框，如图20.2所示。在Enter new jobname (输入新文件名)文本框中输入文字“CH20”，为本分析实例的数据库文件名。并单击New log and error files (新的日志和错误 文件)单选框，使其变为“Yes”，为本实例的分析过程创建新的日志。单击按钮关闭对话框，完成文件名的修改。 图20.2 修改文件名对话框 2．选取菜单路径Utility Menu | File | Change Title，将弹出Change Title (修改标题)对话框，如图20.3所示。在Enter new title (输入新标题)文本框中输入文字“Analysis of a Axis Contacting a hole in a Disc”，为本分析实例的标题名。单击按钮，完成对标题名的指定。 图20.3 修改标题对话框 3．选取菜单路径Utility Menu | Plot | Replot，指定的标题“Analysis of a Axis Contacting a hole in a Disc”将显示在图形窗口的左下角(图略)。 4．选取菜单路径Main Menu | Preference，将弹出Preference of GUI Filtering (菜单过滤参数选择)对话框。单击Structual(结构)选项使之被选中，以将菜单设置为与结构分析相关

产品特色详细描述

采用J2EE四层架构，支持集群技术 ?高速稳定。使用J2EE开发WEB技术架构，安全性最高、数据处理速度最快，使用户第一时间能够对商品库进行搜索，并找到适合自己的商品。 ?良好的延展性和跨平台性。使用JAVA语言开发，可以使用任何一种数据库，并且不受操作系统的限制，最大化的满足用户的需求。 ?系统可靠性。具有容错功能，商城系统的设计、选型、安装、调试等各个环节进行统一规划和分析，确保系统运行可靠。 ?安全性。提供多层次安全控制手段，建立完善的安全管理体系，防止系统和数据受攻击和破坏，有可靠的防病毒系统。 ?所见及所得的操作方式。前后台一致，后台对页面做出的调整，立刻能看到效果，无需刷新、预览的操作。 ?使用WEB2.0技术设计开发。使用AJAX富客户端技术开发，并且配合Flash 技术，提高网站交互能力，增强访问效果，更好的提高用户体验度，增加商城的人气度。 ?提供丰富的信息展现方式。同样的新闻列表，经过简单的设置，即可实现水平或垂直滚动、图文并茂、详细列表、缩略图等展现方式，使信息形式具有丰富的表现力。 ?提供XML标准数据交换接口。可以完成与其他系统的数据交换。 ?支持二次开发。网站功能总是有限度的，如果现有功能不能完成特殊的需求，就需要系统提供二次开发的接口，使用户自己开发的功能模块可以与网站群内容管理系统无缝集成。 ?可集成其他系统。CORESHOP可以集成其他系统，包括CRM、HR、进销存类软件、即时通讯IM等多种系统，使网站管理员更好的管理网站。 ?基于角色/区域/单位/用户组的权限管理。管理员可以对网站每个内容进行授权,授权方式可以通过角色/区域/单位/用户组批量授权。 支持多语言、多货币，支持国内外各种支付网关

特色产品文字介绍

特色产品介绍 (这里只收录一小部分介绍，更多介绍参看产品视频） 1、蛋白粉--蛋白质:“生命的建筑材料”，是人体主要构成物质，是人体生命活动所必需的物质之一。御坊堂蛋白质粉80%以上为高生物价的蛋白质。（由于现代人蛋白质摄取量普遍高于正常标准，建议该款产品针对病人或大病初愈的人群推荐）。 2螺旋藻片--螺旋藻：被联合国誉为“21世纪最理想的食品”。螺旋藻是世界上最古老的植物，是目前所知营养成分含量最全面，最均衡的食品之一。灵芝破壁孢子粉：灵芝发育后期弹射释放出来的种子。有提高免疫力；抗癌，抑制癌细胞生长；防治糖尿病；降低胆固醇；提高机体耐缺氧能力。该配方创造性的将灵芝破壁孢子粉和螺旋藻相结合，灵芝属热性食物，使用过量灵芝会出现上火的状况，而螺旋藻属凉性食物，二者相结合使产品功效发挥得更加充分。 4、荟姿美：主要成分：芦荟，维生素E低聚果糖。经功能验证，具有美容养颜、清除肠道毒素、改善肠胃的保健功能。以芦荟为主要原料，添加了维生素E和低聚果糖，通过三种原料的科学组合，是该产品具有养颜，清毒双重功效。芦荟的功效：美容养颜。维生素E的作用：一种有效地抗氧化剂，和芦荟组合在一起，有效的弥补了芦荟有效成分活性强，易被氧化而流失的缺点。低聚果糖的作用：促进肠道蠕动，调节肠道功能，排肠毒。 8、生命健咖啡：特点：添加灵芝多糖和瓜拉纳提取物。瓜拉纳提取物：瓜拉纳被誉为亚马逊“圣果”和巴西“国饮”，其富含的天然咖啡因，可以缓慢而持久地起到提神醒脑的效果，全面释放机体活力，有效减轻疲劳。 9、生命健红茶：特点：选用祁门红茶和椴木灵芝。祁门红茶为我国十大名茶中唯一一个全发酵茶，也是最具有文化底蕴和国际美誉度的红茶，简称祁红，产于安徽省祁门县，诞生于1875年，一直以优异的品质和独特的风味蜚声于国际市场。在红遍全球的红茶中，祁门红茶独树一帜，百年不衰，与印度的“大吉岭”红茶和斯里兰卡的“乌伐”红茶齐名，被誉为“世界三大高香名茶”。椴木灵芝：椴木灵芝从接种到长芝结束需要2年甚至3年以上的时间，因此，培育出的灵芝菌盖大且厚，盖缘整齐有光泽，质地坚硬，有效成份含量高，但产量较低，是所有灵芝种类中的珍品。

Ansys和ADAMS柔性体转化问题的详细步骤

Ansys和ADAMS柔性体转化问题的详细步骤 1.进行单元类型定义，实体可选solid 45,质量单元选择mass21； 2.编辑mass21质量单元preprocessor－>real constant->add/edit/delete 在对话框中填写属性，一般要很小的数值，如1e-5等； 3.设置材料特性，要求有弹性模量（一般为2e11），泊松比（一般为0.3），密 度（如钢为7850）这些参数； 4.建立几何模型，使用solid 45进行划分网格， 5.建立keypoints，此处注意，创建的keypoints的编号不能与模型单元的节点 号重合，否则会引起原来的模型变形； 6.选择mass21单元对5中建立的keypoints进行网格划分，建立起interface nodes，在导入adams后这些interface nodes会自动生成mark点，通过这些点和其他刚体或柔体建立连接；

7.建立刚性区域（在ADAMS作为和外界连接的不变形区域，必不可少的）， preprocessor－>coupling/ceqn->rigid region,选择interface nodes附近的区域的nodes与其相连，由于连接点的数目必须大于或等于2，所以刚性区域至少两个；先选择interface node，单击Apply，再选周围的nodes。

8.执行solution->ADAMS connection->Export to ADAMS命令，要选择的 节点为7中建立刚性区域的节点（仅仅是interface nodes），输出单位就选SI就行；即可生成*.mnf文件。

ABAQUS有限元接触分析的基本概念

ABAQUS有限元接触分析的基本概念2009-11-24 00:06:28 作者：jiangnanxue 来源：智造网—助力中国制造业创新—https://www.wendangku.net/doc/c310980846.html, CAE(计算机辅助工程)是一门复杂的工程科学，涉及仿真技术、软件、产品设计和力学等众多领域。世界上几大CAE公司各自以其独到的技术占领着相应的市场。ABAQUS有限元分析软件拥有世界上最大的非线性力学用户群，是国际上公认的最先进的大型通用非线性有限元分析软件之一。它广泛应用于机械制造、石油化工、航空航天、汽车交通、土木工程、国防军工、水利水电、生物医学、电子工程、能源、地矿、造船以及日用家电等工业和科学研究领域。ABAQUS在技术、品质和可靠性等方面具有卓越的声誉，可以对工程中各种复杂的线性和非线性问题进行分析计算。 《ABAQUS有限元分析常见问题解答》以问答的形式，详细介绍了使用ABAQUS建模分析过程中的各种常见问题，并以实例的形式教给读者如何分析问题、查找错误原因和尝试解决办法，帮助读者提高解决问题的能力。 《ABAQUS有限元分析常见问题解答》一书由机械工业出版社出版。 16.1.1 点对面离散与面对面离散 【常见问题16-1】 在ABAQUS/Standard分析中定义接触时，可以选择点对面离散方法(node-to-surface-dis - cre-tization)和面对面离散方法(surface-to-surface discretization)，二者有何差别? 『解答』 在点对面离散方法中，从面(slave surface)上的每个节点与该节点在主面(master surface)上的投影点建立接触关系，每个接触条件都包含一个从面节点和它的投影点附近的一组主面节点。 使用点对面离散方法时，从面节点不会穿透(penetrate)主面，但是主面节点可以穿透从面。 面对面离散方法会为整个从面(而不是单个节点)建立接触条件，在接触分析过程中同时考虑主面和从面的形状变化。可能在某些节点上出现穿透现象，但是穿透的程度不会很严重。 在如图16-l和图16-2所示的实例中，比较了两种情况。

基于ANSYS-ADAMS的刚柔耦合仿真

基于ANSYS-ADAMS的刚柔耦合仿真 在前面某篇博文中，我在ANSYS WORKBENCH内部做了一个刚柔耦合仿真以后，有朋友希望知道如何用ANSYS和ADAMS来做联合仿真。我这里做了双曲柄机构如下图。 上图中，连杆是柔性体，是从ANSYS经典界面中生成的。而两个曲柄都是在ADAMS 中生成的。下面说明主要的步骤。 1.创建连杆的几何模型。（三维实体，ANSYS经典界面，下同） 2. 添加两种单元类型。SOLID185为连杆的实体单元，BEAM188用于创建蛛网结构。 3. 添加材料类型。第一种给连杆，第二种给蛛网结构的梁。

4.创建截面类型。主要是设定面积，转动惯量等，为梁单元的截面。 5. 用SOLID185给连杆划分网格。 6. 在两个圆孔中心创建两个节点。这两个节点在后面用于与ADAMS中的刚体相连接。 7. 在第一个节点与周围的圆上节点之间创建BAEM188蛛网单元。

8. 在第二个节点与周围的圆上节点之间创建BAEM188蛛网单元。 这是创建完毕后的整体效果 9.进入到ANSYS中的ADAMS接口设置。 首先选择两个圆心接口节点。

OK后弹出下面的设置对话框 确定选择后，点击“solve and create export file to ADAMS”1分钟不到就生成了ADAMS所需要的模态中性文件，如下图。

下面进入到ADAMS。 1. 打开ADAMS201 2. 2. 在工具栏中选择ADAMS/FLEX按钮以创建柔性体 3. 在下面对话框确定柔性体的名称，并指定前面的模态中性文件的位置，然后OK 4. 片刻之后，该模型生成，如下图。