-
题名船舶上层建筑涂料消耗控制方法
- 1
-
-
作者
辛露
吴拥军
霍晟
-
机构
上海外高桥造船海洋工程有限公司
上海外高桥造船有限公司
-
出处
《船海工程》
北大核心
2021年第2期110-113,共4页
-
文摘
为控制船舶上层建筑建造成本,减少上层建筑建造中的涂料消耗,以某海洋工程上层建筑的涂装项目为例,对油漆用量进行统计,分析影响上层建筑涂料消耗偏高的因素,针对主要影响因素提出改进方案,实现船舶上层建筑建造成本的控制。
-
关键词
上层建筑
涂料消耗
控制方法
-
Keywords
superstructure
coating consumption
control method
-
分类号
U671
[交通运输工程—船舶及航道工程]
-
-
题名城市建筑安装涂料VOCs排放量模拟预测研究
- 2
-
-
作者
陆秋琴
周妍炅
-
机构
西安建筑科技大学管理学院
-
出处
《天津科技》
2017年第6期73-77,80,共6页
-
基金
西安市重点行业挥发性有机废气排放网格化清单管理研究(201517)
-
文摘
通过建立灰色离散分数阶预测模型GM(1,1)、BP和RBF神经网络预测模型,以西安市建筑安装涂料产生的VOCs为例,将用于建筑安装的涂料量以及其驱动因子数据作为模型的输入值,用收集整理的2004—2011年16组西安建筑安装涂料消耗量数据进行BP和RBF神经网络训练模拟,2011—2014年5组年数据进行检验预测,采用曲线拟合度和相对误差2个评价指标对3种预测模型结果进行比较分析。结果表明,灰色预测、BP和RBF神经网络预测模型的样本训练及预测的平均误差为:-16.53%,、7.05%,和4.73%,,结合真实值与预测值的曲线拟合和误差下降曲线来看,RBF神经网络的预测结果优于BP神经网络预测结果,采用RBF神经网络预测模型对城市建筑安装VOCs的排放量进行预测具有模拟效果好和预测精度高的优势,对城市VOCs的治理有一定的参考价值。
-
关键词
VOCS
建筑安装
涂料消耗
灰色预测
BP神经网络
RBF神经网络
-
Keywords
VOCs
construction and installation
coating consumption
grey prediction
BP neural network
RBFneural network
-
分类号
X511
[环境科学与工程—环境工程]
-
-
题名南美涂料市场形势良好
- 3
-
-
-
出处
《化工文摘》
2001年第2期37-37,共1页
-
文摘
自1997年以来,美洲大陆的涂料总消耗量就以每年3.8%的速度增长,但这一总的平均数字掩盖了其各工业国间存在的巨大差异。其中美国市场的年增长率勉强维持在2%的水平上;而在墨西哥,盘旋上升的需求已经接近每年4.8%。相比之下,由于南美各个新兴市场呈现反复变化的特点,这就给那些经济形势更稳定的国家的涂料消耗增长蒙上了一层阴影,而使其总的增长率降低到每年3.5%。(参见表1)
-
关键词
南美
涂料市场
消耗量
涂料消耗
增长率
-
分类号
TQ630
[化学工程—精细化工]
F426.7
[经济管理—产业经济]
-
-
题名浅谈喷涂机器人中Paint Push功能的使用
- 4
-
-
作者
张进
宋衍国
-
机构
一汽-大众汽车有限公司
中国汽车工业工程有限公司
-
出处
《汽车实用技术》
2018年第12期142-144,共3页
-
文摘
随着经济的发展和生活水平的提高,人们对环保、健康的要求越来越高,汽车涂装也在朝着安全、环保的方向发展,能够降低VOC排放量的水性漆涂装技术迅速地发展起来,虽然水性油漆的使用对企业员工的身体健康起到了很大的作用,也给企业实现绿色排放提供了有利的基础,但降低涂料消耗的问题一直是阻碍企业发展的脚步,文章讲述了一种降低涂料消耗有效方法。
-
关键词
喷涂机器人
换色
PAINT
PUSH
涂料消耗
-
Keywords
Painting robot
Color change
Paint push
Paint consumption
-
分类号
U455
[建筑科学—桥梁与隧道工程]
-