抓住"成本"管理提高企业经济效益

当今建设市场环境,依然是“僧多粥少”的局面。在房屋建筑招标过程中,不合理压低标价,降低各项费用,缩短建设周期等,到了不合理的地步。例如：业主在招标文件中要求投标单位“土方工程零报价”、“网络工程零报价”、对“指定分包单位”不能收分包管理费（此费率是地方造价部门明文规定收取的费率）等五花八门的“奇招”层出不穷;     

运输机场工程轨道交通穿越区域的质量控制及管理

以两个机场工程建设项目为研究对象,分析研究提出轨道交通穿越运输机场飞行区段采用明挖法施工时,轨道交通穿越区域机场建设质量控制的关键技术和管理要点,并提出相应的管理建议。     

1100 kV GIS扩建工程安装用移动式防尘室研制和应用

<正>0引言1100 kV绝缘金属封闭开关设备(GIS)产品结构复杂、体积庞大,现场户外安装工作量大、持续时间长,复杂的气候条件,导致环境因素对1100 kV GIS的安装质量影响极大。针对特高压变电站新建工程1 100 kVGIS的安装,推广应用了     

干湿循环对合肥地区膨胀土渗透特性的影响

合肥地区膨胀土在干湿循环下,土体裂隙不断发育,其渗透特性也随之变化,也常常会影响到膨胀土的蓄水能力。这种情况会加速雨水的汇流,对于城市排水管网的过流能力造成冲击。因此,通过模拟土体的干缩湿胀,测定其初期含水率,液限、塑限、变水头渗透系数等实验方法,并运用MATLAB处理裂隙图片,用裂隙度来表征在干湿循环下,膨胀土裂隙发育对膨胀土渗透性能的影响。     

新型的IEEE 802.11n联合符号定时同步与细频偏估计算法

在以MIMO-OFDM为基础的IEEE 802.11n无线局域网系统中,引入循环移位延时(CSD)以区分不同数据流上的数据,但也给同步带来了难题.若以训练序列与接收信号相关,造成的伪相关现象会导致定时不准,影响接收机的性能.为此,通过分析802.11n所定义的前导符号结构特点和CSD的影响,提出了新型的802.11n联合符号定时同步与细频偏估计算法.仿真结果表明,其优点是不受频偏的影响,并能较好地抑制前导符号运算中伪相关结果的产生,提高检测的准确度.     

MATLAB软件在环境科学数值计算中的应用

MATLAB软件具有简单易学、代码短小、计算功能强大等特点,适用于环境科学研究的数据处理。本文就环境科学中一些数值计算问题,借助MATLAB软件帮助求解,展示了MATLAB软件解决数值计算问题简捷、快速和准确的优势。运用MATLAB软件对环境科学中建立的数学模型进行模拟和求解将是一个很好的选择。     

基于PXI的通用数据采集系统

简要介绍了针对多种数据类型的采集系统的硬件结构和基于LABVIEW平台的软件实现,该系统采用美国NI公司的各类数据采集板卡,能够对模拟信号、数字信号以及图像信号进行实时采集和显示。并且能够进行存储和回放;采集过程中。通过运用PXI总线的背板时钟和同步触发功能,较好的解决了各种板卡之间的同步问题;实验表明。系统的实时性得到了很好的满足,信号之间的时序关系能够清楚地反映到虚拟示波器和图像窗口中,满足用户对于通用数据采集系统的要求。     

赵家山选煤厂粗煤泥系统改造实践

针对赵家山选煤厂粗煤泥分选系统TBS精矿高灰细泥影响精煤灰分、TBS尾矿产率高且灰分低、粗煤泥设备处理能力不足进行改造。将原设计TBS分选改为TBS+螺旋二级分选；精矿由振动弧形筛改为叠层高频振动细筛脱泥降灰；改变筛下煤泥水流向。改造后中煤产率降低11.30%,精煤产率增加5.60%,矸石(煤泥)产率增加5.70%。     

面向UAV的绳驱动空中机械臂动力学建模分析北大核心

为解决空中机器人与外界环境交互作业问题,设计了一种面向UAV的绳驱动空中机械臂系统,并研究了其系统建模方法。首先,设计了绳驱动空中机械臂的虚拟样机,详细地介绍了其机械结构、工作原理以及绳索解耦方式;其次,综合牛顿-欧拉法、拉格朗日法、旋量理论、空间算子代数理论4种方法推导出了整个系统的正反向运动学模型和正反向动力学模型;最后,通过仿真算例对绳驱动空中机械臂的性能进行了模拟评估。结果表明,所建立的绳驱动空中机械臂系统模型是合理有效的,能较为准确地反映系统的动态特性,所提出的综合建模方法对其它多刚体系统的建模具有一定的参考价值。     

造纸法烟草薄片废水化学需氧量的快速预测

造纸法烟草薄片废水的COD高且波动大，采用传统国标检测方法(重铬酸钾比色法)操作复杂、耗时长，难以实现快速检测以指导污水处理工况的及时调整。针对此问题，提出了一种基于机器学习的COD快速预测方法。在对烟草薄片废水水质指标分析基础上，采用数理统计结合人工智能的方法对废水COD与悬浮物、pH、溶解氧和电导率等水质参数之间的关系进行分析，并建立COD预测模型。结果表明，线性回归、多项式拟合、正则化回归、回归树等模型的R²为0.656～0.777，基于机器学习的极端随机森林模型的R²最高，为0.861。同时显著性检验结果表明极端随机森林模型具有最小的失拟偏差和最精确的拟合效果，利用该模型对实际废水进行验证和预测，相对偏差在±12%以内，可实现对烟草薄片废水COD的快速预测。