2023一建机电工程过关分享

本文分享了作者两年内成功拿下一建机电考试的心得,包括详细的学习计划、推荐的教材和教师、考试技巧以及考场准备建议。重点强调了重复阅读教材、多角度听讲、错题整理和同伴互助的重要性。

成绩

先说下背景,我是2年拿下一建机电的考试,成绩如下:

学习安排

1)22年学习时,我是严格按照下图中的时间安排来学习的(下图是23年的表格和时间),先公共在实务,公共过关后再实务。这个是第一轮的计划,后面有第二轮和第三轮的计划。

法规,我看的是陈印和武海峰。

管理,我看的宿吉南和张君。

经济,我看的达江和徐蓉(徐老师的看了一部分,发现不适合自己,果断放弃)。

22年实务看的是苏婷、唐琼、朱培浩。22年学习的时间一共超过500多小时,可惜没过,不在细说。

2)23年是从4月9日开始备考的,具体的学习时间没总统计,单日时间有统计,统计附后。因为23年我主要是管理和实务。所以我进入6月份之后才每周的周六学习一天的管理。

管理:打印张君的精讲课教材,听的精讲课是陈晨的。后面面授、冲刺、习题班听的宿吉南的。22年听的宿吉南,他有很多口诀,所以后面都听的宿吉南的。进考场时还在听宿吉南老师的习题300题,那套题里面有很多原题。

实务:详细的学习计划见下图,其中朱培浩看的是22年精讲,23年书出来之后就没听过他的课来。一共下来14轮(其中当然有水分)。其中比较关键的:

  1. 对于重点章节一定要通读教材3遍。董美英老师建议重点章节抄写教材。我是真抄了一遍。
  2. 实务一定要听至少3个老师的课。个人首推王克,其次推荐王峰、苏婷、小超人。王克的精讲、案例专项、考前抢救。王峰的精讲、破题、狂飙。冲刺阶段可以多听几个老师的面授课。小超人有动画,可以辅助理解。
  3. 实务案例过不过,全靠背和默写。江山800问是很好的,喜马拉雅上面有800问的音频,我是地铁公交一直在听。这个里面很多口诀,帮助记忆。800问压中了23年的好几个问答题。苏婷老师有一句名言,去买一打水笔,当你把这一打水笔写完了,你也就可以过了。很多人考前专门去学习记忆方法,比如记忆宫殿法。我在备考时大量使用口诀记忆法、图画记忆法。这些方法对记忆很有帮助。
  4. 增值服务建议全部看。22年有真题,23年好像没有。
  5. 过去5年的真题必须全部做,全部做熟。对于公共课,可以借助于手机app,我是购买的金考典app。上班路上一直在刷真题、错题等等。
  6. 材料的话B站有,也可以像我一样报班,我是报名创想牛牛老师的。他不时有一些很好的建议。另外一个就是有同伴一起学的话更好。很好在23年加入一个苏婷粉丝群,大家有好的资料都在群里面分享,这个群的通过率是28/125。
  7. 一定整理错题。考前集中把错误看一看,事半功倍。

考试

1)提前去看下考场及中午可以买午餐的地方,有些考场比较难找,提前找下避免考试当天慌乱。

2)4门课程都要拿计算器和机械手表。第一天经济和法规,时间都还ok。正常做就行。第2天第一门管理,时间非常充裕,早点做完可以早走。实务考试要严格控制时间,每个案例题应该是控制在30分钟内,时间到了没做完,赶紧下一题。实务的案例肯定有超纲的内容,大家都不会,心态要稳,不必惊慌。

3)苏婷老师的考试技巧可以听下,多选题最多选2道,除非你有十足的把握。案例题不会时,把会的知识点都写上。23年的涉及消防的那3个阀门的题,我不会,我写的3个阀门都是安全阀。

期望对你有帮助。

附23年的时间统计

【重要提示】本资源设置为0积分下载,若非0积分请勿轻易下载 亲爱的CSDN用户: 首先感谢你点进这个资源页面。我需要提前说明个重要情况: 本资源原本已设置为“0积分下载”,即作者希望完全免费共享。但CSDN平台有时会根据文件的下载热度、文件大小、用户权限等因素,自动将部分资源的积分调整为非0数值(如1积分、2积分、5积分等)。这是平台系统的自动行为,而非作者本人的设定。 因此,如果你当前看到该资源的下载所需积分不是0(例如显示为1、2、3……),请谨慎决定是否下载。 如果你按照非0积分支付并下载后发现资源内容不符合预期、链接失效,或者实际上该资源本应是免费的,作者无法为此承担积分损失或退还操作。强烈议:仅在页面显示为0积分时进行下载。 另外,本资源描述中并未直接提供具体的下载地址或外部链接,因为它本身是个通过CSDN官方上传通道提交的文件/内容包。如果你看到描述中没有外部网盘地址,这是正常的——资源文件应通过CSDN内置的“下载”按钮获取。若因平台积分显示异常导致你支付了积分,请优先联系CSDN客服咨询积分退还政策,作者没有权限修改平台自动设定的积分值。 感谢你的理解与支持。技术分享本应开放,但受限于平台规则,特此提醒如上。祝学习进步!
内容概要:本文系统介绍了基于最小势能原理(即能量法)的物理信息神经网络(PINNs)在求解固体力学二维问题中的理论框架与应用实践,并提供了完整的PyTorch代码实现案例。该方法通过将物理系统的总势能泛函嵌入神经网络的损失函数中,利用深度学习框架直接求解满足控制方程边界条件的位移场近似解,避免了传统数值方法对网格划分的依赖。文章重点剖析了基于变分原理的能量形式如何替代强形式偏微分方程构损失项,提升了求解的稳定性与泛化能力。同时,研究对比了不同PINNs架构与训练策略在处理复杂几何形状、非均匀材料属性及非线性力学行为时的精度、收敛性与计算效率,验证了其在处理经典弹性力学问题(如平面应力/应变问题)中的有效性与潜力。配套代码便于读者复现结果并拓展至更广泛的工程应用场景。; 适合人群:具备定深度学习基础固体力学知识的研究生、科研人员及工程技术从业者,特别适用于从事计算力学、智能仿真、物理驱动模、结构分析等方向的研究者。; 使用场景及目标:①掌握基于能量法的PINNs模范式,理解其相较于传统有限元法的优势与局限;②研究物理信息神经网络在无网格求解复杂边界与非线性问题中的能力;③对比不同神经网络结构对求解精度与收敛速度的影响,推动PINNs在工程实际中的落地应用。; 阅读议:议读者结合所提供的PyTorch代码逐模块分析网络构、能量泛函定义、边界条件施加及训练流程设计,深入理解物理约束与机器学习模型的融合机制,并鼓励在自定义问题中调整网络参数、采样策略与损失权重以优化性能。
【重要提示】本资源设置为0积分下载,若非0积分请勿轻易下载 亲爱的CSDN用户: 首先感谢你点进这个资源页面。我需要提前说明个重要情况: 本资源原本已设置为“0积分下载”,即作者希望完全免费共享。但CSDN平台有时会根据文件的下载热度、文件大小、用户权限等因素,自动将部分资源的积分调整为非0数值(如1积分、2积分、5积分等)。这是平台系统的自动行为,而非作者本人的设定。 因此,如果你当前看到该资源的下载所需积分不是0(例如显示为1、2、3……),请谨慎决定是否下载。 如果你按照非0积分支付并下载后发现资源内容不符合预期、链接失效,或者实际上该资源本应是免费的,作者无法为此承担积分损失或退还操作。强烈议:仅在页面显示为0积分时进行下载。 另外,本资源描述中并未直接提供具体的下载地址或外部链接,因为它本身是个通过CSDN官方上传通道提交的文件/内容包。如果你看到描述中没有外部网盘地址,这是正常的——资源文件应通过CSDN内置的“下载”按钮获取。若因平台积分显示异常导致你支付了积分,请优先联系CSDN客服咨询积分退还政策,作者没有权限修改平台自动设定的积分值。 感谢你的理解与支持。技术分享本应开放,但受限于平台规则,特此提醒如上。祝学习进步!
打开链接下载源码: https://pan.quark.cn/s/a4b39357ea24 UG(Unigraphics)作为种在机械工程设计与制造领域内被广泛应用的计算机辅助设计与制造(CAD/CAM)软件,其功能非常全面。在UG CAM模块中,后处理步骤占据着核心地位,其作用在于将UG系统生成的刀具路径转化为特定机床能够识别的NC(数控)代码。这过程具有高度的定制性,目的是确保生成的NC代码与特定机床控制系统的语言规范功能特性实现精确对接。标题所提及的“UG .车床后处理”具体指向的是UG CAM系统中针对车床加工需求的后处理流程。车床主要承担旋转工件的切削任务,能够对轴类、盘类零件的内外圆柱表面、圆锥表面、螺纹以及沟槽等复杂形状进行加工。后处理的核心任务是将UG设计的3D模型刀具路径转化为实际车床能够执行的详细指令,这些指令涵盖了进给速度、主轴转速、刀具更换机制以及冷却液控制等多个方面。描述中标注的“FANUCGSK980TD通用”表明该后处理程序适用于两种主流的数控系统,即FANUC系统GSK980TD系统。FANUC作为全球知名的数控系统供应商,其产品被广泛应用于各类机床设备;GSK980TD则是由中国广州数控设备有限公司研发的款普及型数控系统,常在中小型加工中心车床上部署使用。标签“UG车床后处理”进步明确了讨论焦点,即探讨如何通过定制使用UG的后处理器来满足车床的NC编程需求。压缩包中的文件列表如下: 1. GSK980TDa.def:这个文件属于后处理定义文件,其中包含了UG后处理器配置的详细参数,例如机床参数、运动类型以及代码格式等。用户可以通过编辑此文件来调整后处理输出的NC代码,使其符合GSK980TD数控系统的使用要求。 ...
代码下载地址: https://pan.quark.cn/s/a4b39357ea24 是读写权限 不是读取存储权限 视频错了 快速开始(适合 Fork) 点击右上角 Fork 本仓库到你的 账号。 打开你的仓库,进入 Actions 页面,点击 Enable workflows(启用 Actions)。 无需其他配置, 默认的 _TOKEN 权限即可推送更新。 你可以手动点击 Run workflow,也可以等待每天定时自动检查。 注意:确保你的仓库默认分支为 main,否则推送时可能失败。 如果觉得这个项目对你有帮助,欢迎顺手点个 Star 支持下! 功能介绍 每天自动检查 bia-pain-bache/BPB-Worker-Panel 仓库的最新 Release 支持选择更新正式版或预发布版本:通过手动触发或 文件配置 1是正式版 0是测试版本。 自动下载最新版本的 worker.js 重命名为 \_worker.js 同步更新本地 version.txt 自动提交并推送到本仓库 如果 文件不存在,将自动创并默认设置为更新正式版。 更新成功后,自动复用或创 Issue 进行通知。 工作流程 Actions 会每日 00:00(UTC 时间)自动运行: 检查 文件:如果文件不存在,会自动创并写入 (表示正式版)。 根据 或手动输入确定更新类型(正式版或预发布版)。 获取上游仓库的最新 Release 版本号(根据所选类型)。 比较本地 version.txt 的记录。 若版本不同,则自动下载并替换 \_worker.js。 更新 version.txt。 自动提交并推送到主分支(main)。 如果 文件是自动创的,也会并提交到仓库。 如果更新成功并...
代码下载链接: https://pan.quark.cn/s/1584eba52518 在使用TensorFlow 2.x版本进行深度学习的过程中,有时可能会遭遇无法调用GPU的情况。本文主要研究了在TensorFlow 2.x(此处为2.2版本)中遇到GPU调用失败的个具体解决途径,该问题可能源于库文件缺失或路径配置存在错误。 当执行`tf.test.is_gpu_available()`以检查GPU可用性时,返回`False`表明TensorFlow无法识别或访问GPU。在本例中,错误信息指出找不到`libcudnn.so.7`文件,这是CuDNN库的个关键组成部分,用于加速深度学习运算。CuDNN是由NVIDIA开发的个深度学习库,与CUDA协同工作,旨在优化TensorFlow在GPU上的性能表现。 通常,CuDNN应与CUDA版本保持致。在这种情况下,服务器上安装的是CUDA 10.1,理论上与TensorFlow 2.2相容。然而,由于`libcudnn.so.7`文件缺失,导致了问题的出现。潜在的原因可能是CuDNN未正确安装或文件路径未被系统正确识别。 为解决这个问题,可以尝试以下步骤: 1. 首先核实CUDACuDNN是否已正确安装。在服务器的`/usr/local/cuda/lib64`目录下查找`libcudnn.so.7`文件。如果无法找到,说明CuDNN可能未正确安装或文件已丢失。 2. 下载与CUDA版本相匹配的CuDNN。由于在命令行下无法直接下载,可以在本地计算机上下载Linux版本的CuDNN `.tar.gz` 文件,然后通过SCP命令将其传输到服务器。 3. 在服务器上解压缩CuDNN文件,将解压后的`cuda`文...
源码直接下载地址: https://pan.quark.cn/s/a4b39357ea24 依据所供给的文档材料,能够归纳出以下关于Web前端设计的基础性知识点: 1. HTML5、CSS3、JavaScript的基础介绍 - HTML5是当前最新版本的超文本标记语言,作为构网页的标准标记语言。 其具备更迅捷的访问速率、更优越的搜索引擎优化效果、支持更为丰富的多媒体元素、跨平台兼容性以及后台致性等优势。 - CSS3是层叠样式表的最新迭代版本,提供了更为丰富的样式选项动画功能,显著提升了样式表的表现能力。 - JavaScript是种脚本语言,主要用于为网页增添交互性功能。 2. Web技术的根本构成 - IP地址在网络环境中标识设备的位置,URL是网络资源的定位工具,而域名则是便于记忆的网络主机名称。 - Web的运作机制基于客户端-服务器模型,其中浏览器充当客户端发起请求,服务器则响应这些请求并返回网页数据。 - 超文本与超媒体将信息节点彼此关联,超媒体是超文本融合多媒体元素的概念。 3. Web标准的构成 - Web标准可划分为结构标准(例如HTML)、表现标准(比如CSS)以及行为标准(诸如JavaScript)。 - 采用Web标准的好处涵盖更佳的访问便利性、兼容性、可维护性及搜索引擎优化等方面。 4. HTML5文档的构造 - HTML5文档的基本构造包含<html>、<head><body>等标记,其中<title>标记用于定义文档的标题,是<head>中不可或缺的组成部分。 - 元素是HTML文档的基本构成单位,通过标记来定义,并借助属性来设定特定的属性。 - 元素与标签可细分为非空元素与标签空元素与标签两类,它们具有不同的标识方式功能。 ...
内容概要:本文档聚焦于主辅助服务市场出清模型的研究,重点围绕电力系统中旋转备用辅助服务的市场出清机制展开,详细介绍了基于Matlab实现的优化模方法。研究内容涵盖旋转备用资源在电力系统安全与经济运行中的关键作用,构了完整的市场出清数学模型,包括目标函数设计、多维度约束条件处理、优化算法选型及仿真结果分析,实现了对旋转备用容量的合理配置与调度决策支持。文档严格对标SCI论文复现标准,突出模型的科学性与实用性,并拓展列举了储能调峰调频、微电网控制、无人机路径规划、机器学习预测等多种Matlab应用场景,展现了其在电力系统与交叉学科科研中的强大模与仿真能力。; 适合人群:具备电力系统基础理论知识Matlab编程能力的研究生、科研人员及工程技术人员,特别适用于从事电力市场机制设计、辅助服务优化、新能源并网调度及相关领域研究的专业人士; 使用场景及目标:①深入掌握主辅联动市场中旋转备用服务的出清原理与模流程;②学习利用Matlab求解复杂电力系统优化问题的方法与技巧;③为电力系统辅助服务市场的政策制定、机制优化与实际工程应用提供理论支撑与技术参考; 阅读议:议读者结合文档提供的Matlab代码进行动手实践,重点关注模型构的逻辑架构与算法实现细节,通过调试与仿真加深理解,同时可延伸学习文档中提及的其他前沿研究方向,全面提升科研创新能力。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值