过程感知信息系统中过程的动态演化

支持过程模型的动态修改并将过程模型的修改传播到当前正在运行的过程实例上,是柔性过程感知信息系统的基本要求.过程实例迁移是应对过程感知信息系统中过程动态演化的主流技术途径,它将尚未执行结束的过程实例动态地迁移到修改后的过程模型上继续执行,从而使得这些过程实例可以享受到过程优化带来的便利.过程实例迁移的挑战在于保证过程实例迁移的正确性以及过程实例迁移检验的高效性,以此为切入点,综述了过程感知信息系统中过程动态演化技术的研究进展.最后,展望了过程演化技术未来应当关注的研究方向.     

全面质量管理在外墙外保温施工过程中的应用

节能建筑施工过程中所存在的质量管理问题严重影响着相关节能技术的应用和节能目标的实现.通过在节能建筑外墙外保温施工过程中引入全面质量管理的思想,建立了PDCA循环流程图和PDCA工作流程表,提出了外墙外保温施工过程质量管理预案和现场质量管理小组登记表.相关研究工作表明,在节能建筑施工过程中推广全面质量管理具有实际应用价值和可操作性.     

我国生态建筑评估体系应用现状与展望

详细介绍了我国目前比较权威的两套生态建筑评价标准,即<中国生态住宅技术评估手册>(2003年版)和(GB/T50378-2006)<绿色建筑评价标准>,并通过与发达国家生态建筑评估体系的比较,指出还需要发展我国生态建筑评估体系的基础理论,完善现有评估方法.     

YORK冷水机建模与能耗分析

本文以冷源系统为出发点,采用改变冷却水进水温度的方法来优化冷水机的性能。分别从机理模型和系统辨识模型两方面建立了YORK冷水机的装置模型和能耗模型。在此基础上分析了影响冷水机能耗的参数,得到冷却水进水温度与冷水机能耗的关系曲线。     

固体废弃物吸附含铀（Ⅵ）废水的应用及性能

社会经济的发展和人类活动的进行导致固体废弃物数量和种类不断增加，固体废弃物资源化成为世界范围内的热点话题。在双碳背景下，重视循环经济的发展，废弃物资源化有较大的提升空间。核工业核技术的迅速发展产生了含铀放射性废水，利用固体废弃物制成吸附材料对含铀（Ⅵ）废水处理可达到“以废治废”的目的，缓解环境污染问题，利于可持续发展。归纳了一些主要的可应用在除铀方面的固体废弃物材料，如农林业固体废弃物、工业固体废弃物以及城市固体废弃物；介绍了固体废弃物吸附材料的制备和改性方法以及除铀机理；并对今后铀吸附材料的研究方向进行了展望，指出今后铀吸附材料应向高效吸附、绿色环保、高附加值方向发展。     

塔里木河流域遥感波段及重构向量的特征空间分析

遥感波段及其重构向量的特征空间研究是遥感模型构建的基础,针对塔里木河流域下垫面,研究了波段之间、Ts-NDVI、Ts-Albedo、Abedo-NDVI及植被指数之间在特征空间中的表征,并对其物理、生态学意义进行了分析.研究结果表明:某些特征空间中的点位分布存在一定的规律,这为地物信息提取提供可能,同时也为遥感技术更深一步研究提供借鉴.     

FW型W火焰锅炉的结渣特点与防治对策

针对FW型W火焰锅炉侧墙卫燃带等处容易结渣的问题,通过对温度场模拟从理论上分析了该炉型的结渣特性;从实际运行的角度,分析了该炉型的结渣原因,并提出了防治的措施.实验结果表明,采取这些措施可以消除或极大程度上缓解炉膛结渣.     

水布垭电厂封闭母线受潮原因分析及处理方法

由于水布垭发电厂封闭母线较长、漏气点多等使封闭母线受潮、绝缘降低,导致开机时发电机定子接地报警,无法正常开机。根据封闭母线的结构特点、受潮原因等,选择风干、水分置换等有效的干燥措施处理,经对母线进行耐压试验合格,开机成功。通过微正压装置合理的投运方式,加强对封闭母线与绝缘子的检查维护,便可避免类似事故的发生。     

一种基于对象网的多视角软件过程模型

基于关注点分离原则,结合多视角软件过程建模与对象网之间的相似性,提出了一种基于对象网的多视角软件过程模型MOPN-SP-net,可以提高软件过程模型的可复用性(reusability).在使用MOPN-SP-net建模时,得到的多视角软件过程模型是一种多维网.直接分析这种多维网比较困难,为此,提供了一种从对象网到平面网的等价转换规则,且转换前后的模型在合理性准则上保持等价.根据这个转换规则,可以通过分析转换后平面网模型的合理性得知转换前的对象网的合理性.     

基于重建分类网络特征增强的盲域自适应分类器

领域自适应算法能解决源域样本与目标域样本分布不同的问题,提高分类性能。但是通常的领域自适应算法都需要预先获取部分目标域样本用于模型训练。而在现实场景中,来自目标域的测试样本在模型训练时是未知的甚至是不可获取的,该问题称为盲领域问题。文章采用重建分类网络(Reconstruction-Classification Network,RCN)运用于盲领域自适应。仅使用源域样本训练源域RCN模型,并利用源域RCN模型重建管道增强目标样本的信息,缩小目标域与源域分布差异。增强后的目标样本通过源域RCN模型的分类管道进行分类。在基准数据集上进行的实验证明,该文的方法在跨域视觉识别方面优于其他最新方法。