原材料产品制造商如何应对EuP指令

EuP（Energy-using Product耗能产品）指令，全称是“关于制定耗能产品环保设计要求框架的指令2005／32／EC”fDIRECTIVE 2005／32／EC establishing a framework for the setting of ecodesign requirements for energy-using products），由欧洲议会和欧盟理事会于2005年7月6日正式发布。EuP指令自公布起20日（即2005年8月11日）正式生效，欧洲共同体各成员国在2007年8月11日前完成符合本指令所需的国内立法及行政规定后正式实施。     

陕棉九厂狠抓节水工作效益显著

<正> 陕棉九厂狠抓节水工作,积极推广节水新工艺,取到了显著成效。截至十一月底,共落实节水技改措施三项,节水50万吨,为厂里节约资金4.25万元,受到上级主管部门     

抽油杆疲劳寿命计算研究

抽油杆是有杆抽油中三抽设备的关键部件之一。其服役寿命直接影响油井的产量、失效概率以及修井作业的成本,准确预测其疲劳寿命具有十分重要的意义。对直井和定向井分别建立了计算抽油杆轴向载荷的数学模型,计算出了抽油杆所受的轴向力。同时,建立了疲劳寿命的预测模型,计算了不同形状裂纹的几何形状因子和应力强度因子。并根据以上理论,编写了计算机程序,能计算有初始裂纹和无初始裂纹抽油杆柱的疲劳寿命。采用Forman模型预测抽油杆疲劳寿命,其特点是在Paris模型的基础上考虑了应力比R,计算结果更加准确。同时,分析比较计算结果可得:裂纹初始长度对抽油杆柱的使用寿命影响较大。文中给出的方法简单,精度较高,便于工程应用。     

二氧化碳驱波及控制智能响应流体特征及作用机理

针对低渗透油藏—致密油CO₂驱面临的气体窜流控制难题,以叔胺基为响应单元,设计合成具有双子表面活性剂自组装属性的CO₂驱波及控制智能响应流体,研究了该流体遇CO₂/遇原油智能响应特征及作用机理、遇CO₂自增稠聚集体的剪切特征,评价了该流体与增稠聚集体耐温抗盐特性,验证了实现CO₂驱均衡波及控制的可行性与有效性。研究表明：(1)智能流体遇CO₂响应组装为高黏聚集体,流体质量分数为0.05%～2.50%时,增稠倍数9～246,黏度13～3 100 mPa·s,实验条件下低渗透岩心波及体积大幅提高;(2)智能流体遇模拟油,流体质量分数为0.5%～1.0%时界面张力降至1×10^-2 mN/m数量级,模拟油饱和度大于10%时,囊泡状胶束增溶油相全部转化为球状胶束,流体具有遇原油响应不增稠、降低界面张力特征;(3)智能流体遇CO₂自增稠聚集体可剪切变稀、静止增稠,经剪切—静止多次循环后仍保持初始结构状态,具备自修复特性,可实...     

基于Markov决策过程用交叉熵方法优化软件测试

研究了待测软件某些参数已知的条件下,以最小化平均测试费用为目标的软件测试优化问题.将软件测试过程处理成马尔可夫(Markov)决策过程,给出了软件测试的马尔可夫决策模型,运用交叉熵方法,通过一种学习策略获得软件测试的最优测试剖面,用于优化软件测试.模拟结果表明,学习策略给出的测试剖面要优于随机测试策略,检测和排除相同数目的软件缺陷,学习策略比随机测试能够显著地减少测试用例数,降低测试成本,提高缺陷检测效率.     

基于嵌入式的指纹预处理算法研究

针对嵌入式系统需要满足实时性的要求,提出了一种改进的指纹图像预处理算法。首先采用梯度法计算指纹的方向图,并根据指纹纹线局部区域变化的特点,提出了一种新的指纹方向校正法。该方法基于方向一致性分析,结合Poincare index 方法来区分出奇异区和噪声区域,并利用邻域的方向信息对噪声区域进行平滑处理;然后由指纹纹线方向选择相应的方向滤波模板对指纹图像进行滤波;最后通过二值化、细化得到比较清晰的指纹点线图。实验表明,文中算法能够有效地保持和恢复指纹图像的纹线结构,且算法简单,能满足嵌入式系统的要求。     

基于交叉熵方法的测试用例选择策略

基于交叉熵方法提出了一种启发式划分测试用例选择策略。该策略在待测软件参数已知的条件下,以总的测试费用最小为目的,利用交叉熵方法通过调整各个子域中测试用例选择的概率来选择测试用例。     

组合测试数据生成的交叉熵与粒子群算法及比较

测试数据生成是组合测试的一个关键问题.文中提出以数理统计为基础的交叉熵方法和以仿生学为基础的粒子群优化算法来生成两两组合测试数据,交叉熵方法采用最优选择概率产生测试数据,而粒子群算法则在可行解空间中搜索具有最优适应值的测试数据.文章给出了交叉熵方法最优选择概率的理论推导,并对两种算法所生成的测试数据集进行约简.将两种算法和现有的贪心方法、代数方法及其它启发式搜索方法进行比较,实验表明交叉熵方法和粒子群算法具有一定的优势和特点.     

软件可靠性预测的增强贝叶斯组合模型

针对当前可靠性预测模型的预测精度问题,提出一种增强贝叶斯组合的短期软件可靠性预测模型。该模型以基于小波分解的单个可靠性预测模型作为基本预测模型, 根据当前相邻几个失效时间间隔的预测精度,更新组合模型中各个基本预测模型的权重,解决了贝叶斯组合模型权重计算采用全部历史数据而导致某个基本预测模型权值占主导地位的缺陷,提高了贝叶斯组合模型对软件可靠性的预测精度。实验结果表明,增强贝叶斯组合预测模型的预测精度不仅优于单一的预测方法,而且也优于传统的软件组合预测模型,能显著提高软件可靠性预测的精度和模型对数据的适应性。     

基于EMD和GEP的软件可靠性预测模型

基于经验模态分解和基因表达式编程算法提出了一种软件可靠性预测模型。通过对软件失效数据序列进行经验模态分解得到不同频段的本征模态分量和剩余分量,消除失效数据中的噪声,运用基因表达式编程算法的灵活表达能力,把分解得到的不同频段的各本征模态分量及剩余分量中所对应的不同失效时间序列作为样本来分别进行预测,重构各本征模态分量和剩余分量中相对应的预测结果,将其作为软件失效的最终预测值。基于两组真实软件失效数据集,将所提出的方法与基于支持向量回归机以及单纯使用基因表达式编程的软件可靠性预测模型进行比较分析。结果表明,该软件可靠性预测模型具有更为显著的模型拟合能力与精确的预测效果。