信息系统总体控制在某能源公司ERP财务模块实施中的应用

ERP建设过程实质是以财务为代表的部门在企业计划、管理制度、业务流程重组、内部供应链管理等方面的变革,本文在信息系统总体控制分析的基础上,结合某能源公司财务模块实施经验,提出在ERP实施过程中要加强GCC控制的观点。     

AKD-淀粉-碳酸钙复合填料的制备及应用

利用玉米淀粉、烷基烯酮二聚体(AKD)和重质碳酸钙(GCC)制备造纸用复合填料,并比较了复合填料与GCC填料的基本性能(如微观形貌、溶解性、溶胀度和接触角等)以及对纸张力学性能的影响。结果表明:随着AKD用量的增加,复合填料的溶胀度和溶解性略有下降,接触角明显增大;与GCC填料相比,复合填料能明显提高纸张的拉伸强度(99.1%)和耐破强度(98.9%),但纸张的光学性能略有降低;纸张的耐水性随着AKD用量的增加而明显提高;当w(AKD)=15%时,复合填料的应用效果最佳。     

用于视频监控的特定声实时定位系统

设计了一种用于视频监控的具有较强抗干扰能力的特定声定位实时系统。本系统利用广义互相关算法(GCC)估计声音到达2个传声器的时间差(TDoA),以此计算声源的方向角。本系统具有特定声检测功能,只有特定声出现时才输出定位结果,提高了系统的抗干扰能力。实验证明,该系统能够实时地对枪声进行定位,当枪声在±30°范围的时候,室内测试的定位误差在±3°以内;室外测试定位误差在±5°以内。     

HLM环辊磨在超细重钙粉碎中的应用

介绍了HLM环辊磨的工作原理和技术参数,着重叙述了该设备在重质碳酸钙超细粉碎中的应用参数及优势,证明HLM环辊磨是一种性能优良的超细粉碎设备.     

重质碳酸钙超细新工艺试验研究

对安徽某地天然重质碳酸钙进行超细分级试验研究 ,结果表明 ,采用磨矿 分级组合工艺 ,产品粒径细、粒度分布范围窄 ,且设备投资小 ,生产运行成本低 (比传统磨矿工艺节省 3 9元 /t) ,可为重钙的湿法超细生产开辟一条新途径     

先进控制技术在常减压装置的应用

介绍了先进控制技术在兰州石化公司5Mt／a常减压装置上的应用情况，阐述了控制器开发过程的要点。通过采用多变量控制手段来实现工艺控制目的，不仅提高了装置的运行平稳率，而且能够卡边进行操作，达到了提高目标产品收率和装置节能降耗的目的。     

Eclipse的CDT插件分析

CDT是Eclipse开发C/C++的工具,并为专业领域(如嵌入式软件)提供二次开发支持。文章在分析Eclipse和CDT的本身特征的基础上,介绍CDT的功能结构,以C/C++程序开发者的角度,以工程管理、构建管理、运行调试的分类,研究扩展CDT的方法。     

基于麦克风阵列的GCC时延估计算法分析

准确的时延估计（Time Delay Estimation,TDE）是基于到达时间差（Time Difference of Arrival,TDOA）的声源定位技术的前提.在众多时延估计算法中,广义互相关（Generalized Cross Correlation,GCC）算法因其较低的运算复杂度和易于实现的特点得到了广泛的应用.针对不同的噪声情况,GCC时延估计算法利用不同的加权函数来抑制噪声干扰.本文在介绍麦克风阵列模型和GCC时延估计算法的基础上,针对GCC算法的弊端提出了一种改进算法,并在多种信噪比条件下,对部分加权函数的GCC时延估计算法进行了MATLAB仿真,通过比较其时延估计性能和声源定位精度,分析了这些加权函数各自的优劣性.     

化工过程系统用能诊断和调优的“夹点分析”法

把热力学与系统工程的方法相结合，进一步将“夹点分析”应用于化工过程系统的用能诊断及调优。首先，从能量的角度将以能量驱动的过程单元如，反应器、精馏塔、压缩机等与换热器网络中的冷、热流股统一起来；然后，利用格子图，总组合曲线（ＧＣＣ）、扩充的总组合曲线（ＥＧＣＣ）、分离的总组合曲线（ＳＧＣＣ）等诊断工具，对化工过程系统进行用能诊断，给出相应的调优措施，并将该方法应用于实际的化工过程。     

A smart classifier for extracting environmental data from digital image time-series: Applications for PhenoCam data in a tidal salt marsh

PhenoCams are part of a national network of automated digital cameras used to assess vegetation phenology transitions. Effectively analyzing PhenoCam time-series involves eliminating scenes with poor solar illumination or high cover of non-target objects such as water. We created a smart classifier to process images from the “GCESapelo” PhenoCam, which photographs a regularly-flooded salt marsh. The smart classifier, written in R, assigns pixels to target (vegetation) and non-target (water, shadows, fog and clouds) classes, allowing automated identification of optimal scenes for evaluating phenology. When compared to hand-classified validation images, the smart classifier identified scenes with optimal vegetation cover with 96% accuracy and other object classes with accuracies ranging from 86 to 100%. Accuracy for estimating object percent cover ranged from 74 to 100%. Pixel-classification with the smart classifier outperformed previous approaches (i.e. indices based on average color content within ROIs) and reduced variance in phenology index time-series. It can be readily adapted for other applications.