选择特殊符号

Ф δ ° × # Ⅱ Ⅲ ½ ¼

选择搜索类型

市场价信息价参考价询价供应商云知资讯文库百科

热门搜索

造价通

请输入搜索

首页 > 百科 > 建设工程百科

Concepts NREC关于公司

Concepts NREC关于公司

Concepts NREC是世界上最著名的叶轮机械专业服务公司（以下简称CN公司）。全世界唯一的既开发和推广叶轮机械设计/加工专用（CAE/CAM）软件，同时也提供叶轮机械样机开发和性能测试的全方位高端服务公司，当前员工总数130人。 公司前身源于美国麻省理工学院的3位科学家1956年成立的北方研究工程公司（NREC）和美国工程院院士DaveJapikse博士于1980年成立的ConceptsETI公司。公司分支机构和服务体系遍布全球各个主要工业国家。 2000年，集成两家公司原软件为全新的AgileEngineeringDesignSystem（AEDS）敏捷工程设计系统，致力于为业界提供“敏捷设计”和“敏捷制造”为宗旨的透平机械研发一体化解决方案。 CN具有一支经验十分丰富的专家队伍，当前公司专家团队曾在诸多著名大公司和研究机构承担过重要型号或产品研发，包括：GE、NASA、Honeywell、Pratt&Whitney、DR、IR、RR、SolarTurbines、Hamilton、Lycoming、Williams、ARL、AEDC、Flowsever等等。 数十年研发持续积累、强大的专家队伍、全球客户不断反馈是CN工程咨询和软件开发技术能力的核心知识库。 CN还具备非常先进的样机试制和试验台位等硬件条件，能够快速实现从先进设计到高精密制造以及性能试验的完整研发过程。每年承担诸多美国SBIR,STTR科研项目。公司每年在ASME等学术会议上发表诸多研究成果论文。

Concepts NREC造价信息

市场价
信息价
询价

公司LOGO

规格型号：
不锈钢烤漆+双层亚克力UV印刷
价格行情：
材料单位：
m²
材料品牌：
恩奇
材料税率：
13%
供应商：
上海恩奇数码科技有限公司
报价时间：
2022-12-08

查看价格

公司品牌布

规格型号：
品种:灯箱布;规格:5100×72000;
价格行情：
材料单位：
个
材料品牌：
杰兴
材料税率：
13%
供应商：
云南杰兴广告有限公司
报价时间：
2022-12-08

查看价格

物业公司标识牌

规格型号：
360＊2000
价格行情：
材料单位：
块
材料品牌：
材料税率：
13%
供应商：
武汉奥哲利环卫科技有限公司
报价时间：
2022-12-08

查看价格

自来水公司专用井盖

规格型号：
ZSZF350C 球墨铸铁,350×200,防响胶条,弹性紧锁结构,方块防滑纹 C250
价格行情：
材料单位：
个
材料品牌：
吉信
材料税率：
13%
供应商：
河北省保定吉信金属制品有限公司
报价时间：
2022-12-08

查看价格

自来水公司专用井盖

规格型号：
ZSZF350D 球墨铸铁,350×200,防响胶条,弹性紧锁结构,方块防滑纹 D400
价格行情：
材料单位：
个
材料品牌：
吉信
材料税率：
13%
供应商：
河北省保定吉信金属制品有限公司
报价时间：
2022-12-08

查看价格

门铃开关带指示窗(可标明住宅式公司)

规格型号：
GKB5H8,lOA250V
价格行情：
材料单位：
个
材料税率：
地区时间：
湛江市2005年2月信息价
所属行业：
建筑工程
备注说明：

查看价格

门窗成品均为中山市启泰门窗业有限公司产品;

规格型号：
价格行情：
材料单位：
m²
材料税率：
地区时间：
中山市2009年1月信息价
所属行业：
建筑工程
备注说明：

查看价格

250V门铃开关带指示窗"住宅名称""公司名称"

规格型号：
B6-mC-250
价格行情：
材料单位：
个
材料税率：
地区时间：
佛山市南海区2005年4月信息价
所属行业：
建筑工程
备注说明：

查看价格

门铃开关带指示窗"住宅名称""公司名称"

规格型号：
250V B6-mC-250
价格行情：
材料单位：
个
材料税率：
地区时间：
佛山市南海区2005年1月信息价
所属行业：
建筑工程
备注说明：

查看价格

250V门铃开关带指示窗"住宅名称""公司名称"

规格型号：
B6-mC-250
价格行情：
材料单位：
个
材料税率：
地区时间：
佛山市南海区2005年1月信息价
所属行业：
建筑工程
备注说明：

查看价格

关于关于LNL1-3/S-16A价格

规格型号：
LNL1-3/S-16A
需求量：
2个
报价数：
1
材料品牌：
材料档次：
费用说明：
不含税费 | 不含运费
询价时间：
2010-07-30

查看价格

公司铭牌

规格型号：
8mm厚铜板阴刻纹理,表面做旧处理
需求量：
1个
报价数：
3
材料品牌：
材料档次：
中档
费用说明：
不含税费 | 含运费
询价时间：
2022-07-29

查看价格

公司logo

规格型号：
可移背胶,尺寸2.325×0.7
需求量：
8张
报价数：
3
材料品牌：
材料档次：
中高档
费用说明：
含税费 | 含运费
询价时间：
2019-04-26

查看价格

公司logo字

规格型号：
1、公司背景墙logo字2、字体:1.2mm304 不锈钢围边精工立体字,字厚20mm边缘打磨抛光,中文字体高度:120mm(26个),英文字体高度:50mm(64个)3、logo:20mm亚克力切割打磨、表面烤漆.高度:268mm
需求量：
10个
报价数：
3
材料品牌：
材料档次：
中高档
费用说明：
含税费 | 含运费
询价时间：
2022-05-09

查看价格

成品游船(专业公司二次深化设计)

规格型号：
成品游船(专业公司二次深化设计)
需求量：
1套
报价数：
3
材料品牌：
材料档次：
中高档
费用说明：
不含税费 | 含运费
询价时间：
2020-11-27

查看价格

Concepts NREC软件介绍

Concepts NREC是世界上唯一一个集设计、分析、加工于一体的研发平台，可用于各种叶轮机械包括压缩机、涡轮增压器、膨胀机、叶片泵等产品。软件集成了Concepts NREC公司50多年的工程设计经验。主要功能包括： a.总体方案、一维方案设计 b.三维详细设计和全三元流CFD分析 c.有限元应力和振动分析 d.轴承设计和转子动力学分析 e.多学科多目标优化设计软件f.直纹面侧刃加工、自由曲面点加工和闭式叶轮整体铣削专业软件

Concepts NREC模块与功能

软件具体模块名称及功能简介如下： 离心/斜流压气机设计点及非设计点平均流线性能预测程序:COMPAL 叶片泵设计点及非设计点平均流线性能预测程序:PUMPAL 风机/风扇设计点及非设计点平均流线性能预测程序:FANPAL 径流涡轮设计及性能预测程序：RITAL 轴流压气机/涡轮设计点及非设计点平均流线性能预测程序:AXIAL 三维流道和叶片几何设计，快速交互式流场分析和通流计算程序:AxCent· 从其它三维CAD软件的叶轮数据输入接口：CADTranslator· 快速设计级CFD程序:PushbuttonCFD 自动FEA前后处理程序及解算程序:PushbuttonFEA 高温涡轮气冷叶片设计分析系统:CTAADS 多学科自动优化接口程序:TurboOptII 转子动力学及轴承分析软件:DyRoBeS· 叶轮零件整体数控加工自动数控编程软件：MAX-PAC Concepts NREC软件用户群 ConceptsNREC公司业务遍布世界各地，客户数量超过400家，包括知名的制造厂商、政府科研部门、工程协会、研究所和高校等。 应用行业包括航空发动机、燃气轮机、汽轮机、火箭涡轮泵、涡轮增压器、压缩机、透平膨胀机、能量回收装置、各种叶片泵和风机等产品领域，产品类型可包括径流、斜流、轴流或组合结构，单级或多级设计。 Concepts NREC中国用户 自1993年进入中国以来，目前国内软件用户已经超过80家，涵盖压缩/气机、涡轮增压器、风机/鼓风机、透平膨胀机、叶片泵、汽轮机、机床厂、叶轮专业加工单位等领域。 如沈鼓、金通灵、重通、开山、杭氧、开封空分、宁波博格华纳、上海霍尼韦尔、湖南天雁、山东富源、无锡威孚、莱恩电泵等领域内的知名单位。2100433B

Concepts NREC关于公司常见问题

boconcept北欧风情怎么样？

这种家具挺好的，价格不等，不过宜家的性价比还是挺高的，您可以看一下。
concept2划船器噪音大么

据我了解的话，不管哪个牌子，划船器多多少少都是有噪音的哦，只要在挑选的时候注意一下，concept2划船器噪音一般般，中等水平哦，给你介绍一下吧第一，划船的话可以室内可以室外的，其实个人觉得除了c...
concept2划船器噪音大么

据我了解的话，不管哪个牌子，划船器多多少少都是有噪音的哦，只要在挑选的时候注意一下，concept2划船器噪音一般般，中等水平哦，给你介绍一下吧第一，划船的话可以室内可以室外的，其实个人觉得除了con...

Concepts NREC关于公司文献

CONCEPTc计量泵操作手册-中文

CONCEPTc计量泵操作手册-中文

CONCEPTc计量泵操作手册-中文

格式：pdf

大小：4.0MB

页数： 15页

CONCEPTc计量泵操作手册-中文

在线阅读立即下载

关于公司介绍的ppt

关于公司介绍的ppt

关于公司介绍的ppt

格式：pdf

大小：4.0MB

页数： 25页

关于公司介绍的ppt

在线阅读立即下载

装置与设备以及工业产品结构原则与参照代号第4部分：概念的说明基本概况

英文标准名称： Industrial systems,installations and equipment and industrial products-Structuring principles and reference designations-Part 4:Discussion of concepts 发布日期 IssuanceDate： 2005-3-3 实施日期 ExecuteDate： 2005-8-1 首次发布日期 FirstIssuance Date： 1985-4-18 标准状态 StandardState：现行 复审确认日期 ReviewAffirmance Date： 计划编号 Plan No： 20030927-T-524 代替国标号 ReplacedStandard： 被代替国标号 ReplacedStandard: 废止时间 RevocatoryDate： 采用国际标准号 AdoptedInternational Standard No： IEC 61346-4:1998 采标名称 AdoptedInternational Standard Name： 采用程度 ApplicationDegree： IDT 采用国际标准 AdoptedInternational Standard： IEC 国际标准分类号(ICS)： 29.020 中国标准分类号(CCS)： K04 标准类别 StandardSort：基础 标准页码 Number ofPages: 18 标准价格(元) Price(￥)： 13 主管部门 Governor：国家标准化管理委员会 归口单位 TechnicalCommittees：全国电气信息结构、文件编制和图形符号标准化技术委员会 起草单位 DraftingCommittee：2100433B

群体智能（英文版）图书目录

Contents part one Foundations chapter one　Models and Concepts of Life and Intelligence　3 The Mechanics of Life and Thought　4 Stochastic Adaptation: Is Anything Ever Really Random"para" label-module="para"> The “Two Great Stochastic Systems”　12 The Game of Life: Emergence in Complex Systems　16 The Game of Life　17 Emergence　18 Cellular Automata and the Edge of Chaos　20 Artificial Life in Computer Programs　26 Intelligence: Good Minds in People and Machines　30 Intelligence in People: The Boring Criterion　30 Intelligence in Machines: The Turing Criterion　32 chapter two　Symbols, Connections, and Optimization by Trial and Error　35 Symbols in Trees and Networks　36 Problem Solving and Optimization　48 A Super-Simple Optimization Problem　49 Three Spaces of Optimization　51 Fitness Landscapes　52 High-Dimensional Cognitive Space and Word Meanings　55 Two Factors of Complexity: NK Landscapes　60 Combinatorial Optimization　64 Binary Optimization　67 Random and Greedy Searches　71 Hill Climbing　72 Simulated Annealing　73 Binary and Gray Coding　74 Step Sizes and Granularity　75 Optimizing with Real Numbers　77 Summary　78 chapter three　On Our Nonexistence as Entities: The Social Organism　81 Views of Evolution　82 Gaia: The Living Earth　83 Differential Selection　86 Our Microscopic Masters"para" label-module="para"> Looking for the Right Zoom Angle　92 Flocks, Herds, Schools, and Swarms: Social Behavior as Optimization　94 Accomplishments of the Social Insects　98 Optimizing with Simulated Ants: Computational Swarm Intelligence　105 Staying Together but Not Colliding: Flocks, Herds, and Schools　109 Robot Societies　115 Shallow Understanding　125 Agency　129 Summary　131 chapter four　Evolutionary Computation Theory and Paradigms　133 Introduction　134 Evolutionary Computation History　134 The Four Areas of Evolutionary Computation　135 Genetic Algorithms　135 Evolutionary Programming　139 Evolution Strategies　140 Genetic Programming　141 Toward Unification　141 Evolutionary Computation Overview　142 EC Paradigm Attributes　142 Implementation　143 Genetic Algorithms　146 An Overview　146 A Simple GA Example Problem　147 A Review of GA Operations　152 Schemata and the Schema Theorem　159 Final Comments on Genetic Algorithms　163 Evolutionary Programming　164 The Evolutionary Programming Procedure　165 Finite State Machine Evolution　166 Function Optimization　169 Final Comments　171 Evolution Strategies　172 Mutation　172 Recombination　174 Selection　175 Genetic Programming　179 Summary　185 chapter five　Humans—Actual, Imagined, and Implied　187 Studying Minds　188 The Fall of the Behaviorist Empire　193 The Cognitive Revolution　195 Bandura’s Social Learning Paradigm　197 Social Psychology　199 Lewin’s Field Theory　200 Norms, Conformity, and Social Influence　202 Sociocognition　205 Simulating Social Influence　206 Paradigm Shifts in Cognitive Science　210 The Evolution of Cooperation　214 Explanatory Coherence　216 Networks in Groups　218 Culture in Theory and Practice　220 Coordination Games　223 The El Farol Problem　226 Sugarscape　229 Tesfatsion’s ACE　232 Picker’s Competing-Norms Model　233 Latané’s Dynamic Social Impact Theory　235 Boyd and Richerson’s Evolutionary Culture Model　240 Memetics　245 Memetic Algorithms　248 Cultural Algorithms　253 Convergence of Basic and Applied Research　254 Culture—and Life without It　255 Summary　258 chapter six　Thinking Is Social　261 Introduction　262 Adaptation on Three Levels　263 The Adaptive Culture Model　263 Axelrod’s Culture Model　265 Experiment One: Similarity in Axelrod’s Model　267 Experiment Two: Optimization of an Arbitrary Function　268 Experiment Three: A Slightly Harder and More Interesting Function　269 Experiment Four: A Hard Function　271 Experiment Five: Parallel Constraint Satisfaction　273 Experiment Six: Symbol Processing　279 Discussion　282 Summary　284 part two　The Particle Swarm and Collective Intelligence chapter seven　The Particle Swarm　287 Sociocognitive Underpinnings: Evaluate, Compare, and Imitate　288 Evaluate　288 Compare　288 Imitate　289 A Model of Binary Decision　289 Testing the Binary Algorithm with the De Jong Test Suite　297 No Free Lunch　299 Multimodality　302 Minds as Parallel Constraint Satisfaction Networks in Cultures　307 The Particle Swarm in Continuous Numbers　309 The Particle Swarm in Real-Number Space　309 Pseudocode for Particle Swarm Optimization in Continuous Numbers　313 Implementation Issues　314 An Example: Particle Swarm Optimization of Neural Net Weights　314 A Real-World Application　318 The Hybrid Particle Swarm　319 Science as Collaborative Search　320 Emergent Culture, Immergent Intelligence　323 Summary　324 chapter eight　Variations and Comparisons　327 Variations of the Particle Swarm Paradigm　328 Parameter Selection　328 Controlling the Explosion　337 Particle Interactions　342 Neighborhood Topology　343 Substituting Cluster Centers for Previous Bests　347 Adding Selection to Particle Swarms　353 Comparing Inertia Weights and Constriction Factors　354 Asymmetric Initialization　357 Some Thoughts on Variations　359 Are Particle Swarms Really a Kind of Evolutionary Algorithm"para" label-module="para"> Evolution beyond Darwin　362 Selection and Self-Organization　363 Ergodicity: Where Can It Get from Here"para" label-module="para"> Convergence of Evolutionary Computation and Particle Swarms　367 Summary　368 chapter nine　Applications　369 Evolving Neural Networks with Particle Swarms　370 Review of Previous Work　370 Advantages and Disadvantages of Previous Approaches　374 The Particle Swarm Optimization Implementation Used Here　376 Implementing Neural Network Evolution　377 An Example Application　379 Conclusions　381 Human Tremor Analysis　382 Data Acquisition Using Actigraphy　383 Data Preprocessing　385 Analysis with Particle Swarm Optimization　386 Summary　389 Other Applications　389 Computer Numerically Controlled Milling Optimization　389 Ingredient Mix Optimization　391 Reactive Power and Voltage Control　391 Battery Pack State-of-Charge Estimation　391 Summary　392 chapter ten　Implications and Speculations　393 Introduction　394 Assertions　395 Up from Social Learning: Bandura　398 Information and Motivation　399 Vicarious versus Direct Experience　399 The Spread of Influence　400 Machine Adaptation　401 Learning or Adaptation"para" label-module="para"> Cellular Automata　403 Down from Culture　405 Soft Computing　408 Interaction within Small Groups: Group Polarization　409 Informational and Normative Social Influence　411 Self-Esteem　412 Self-Attribution and Social Illusion　414 Summary　419 chapter eleven　And in Conclusion . . .　421 Appendix A Statistics for Swarmers　429 Appendix B Genetic Algorithm Implementation　451 Glossary　457 References　475 Index　4972100433B

群体智能图书目录

part one Foundations chapter one　Models and Concepts of Life and Intelligence　3 The Mechanics of Life and Thought　4 Stochastic Adaptation: Is Anything Ever Really Random"para" label-module="para"> The “Two Great Stochastic Systems”　12 The Game of Life: Emergence in Complex Systems　16 The Game of Life　17 Emergence　18 Cellular Automata and the Edge of Chaos　20 Artificial Life in Computer Programs　26 Intelligence: Good Minds in People and Machines　30 Intelligence in People: The Boring Criterion　30 Intelligence in Machines: The Turing Criterion　32 chapter two　Symbols, Connections, and Optimization by Trial and Error　35 Symbols in Trees and Networks　36 Problem Solving and Optimization　48 A Super-Simple Optimization Problem　49 Three Spaces of Optimization　51 Fitness Landscapes　52 High-Dimensional Cognitive Space and Word Meanings　55 Two Factors of Complexity: NK Landscapes　60 Combinatorial Optimization　64 Binary Optimization　67 Random and Greedy Searches　71 Hill Climbing　72 Simulated Annealing　73 Binary and Gray Coding　74 Step Sizes and Granularity　75 Optimizing with Real Numbers　77 Summary　78 chapter three　On Our Nonexistence as Entities: The Social Organism　81 Views of Evolution　82 Gaia: The Living Earth　83 Differential Selection　86 Our Microscopic Masters"para" label-module="para"> Looking for the Right Zoom Angle　92 Flocks, Herds, Schools, and Swarms: Social Behavior as Optimization　94 Accomplishments of the Social Insects　98 Optimizing with Simulated Ants: Computational Swarm Intelligence　105 Staying Together but Not Colliding: Flocks, Herds, and Schools　109 Robot Societies　115 Shallow Understanding　125 Agency　129 Summary　131 chapter four　Evolutionary Computation Theory and Paradigms　133 Introduction　134 Evolutionary Computation History　134 The Four Areas of Evolutionary Computation　135 Genetic Algorithms　135 Evolutionary Programming　139 Evolution Strategies　140 Genetic Programming　141 Toward Unification　141 Evolutionary Computation Overview　142 EC Paradigm Attributes　142 Implementation　143 Genetic Algorithms　146 An Overview　146 A Simple GA Example Problem　147 A Review of GA Operations　152 Schemata and the Schema Theorem　159 Final Comments on Genetic Algorithms　163 Evolutionary Programming　164 The Evolutionary Programming Procedure　165 Finite State Machine Evolution　166 Function Optimization　169 Final Comments　171 Evolution Strategies　172 Mutation　172 Recombination　174 Selection　175 Genetic Programming　179 Summary　185 chapter five　Humans—Actual, Imagined, and Implied　187 Studying Minds　188 The Fall of the Behaviorist Empire　193 The Cognitive Revolution　195 Bandura’s Social Learning Paradigm　197 Social Psychology　199 Lewin’s Field Theory　200 Norms, Conformity, and Social Influence　202 Sociocognition　205 Simulating Social Influence　206 Paradigm Shifts in Cognitive Science　210 The Evolution of Cooperation　214 Explanatory Coherence　216 Networks in Groups　218 Culture in Theory and Practice　220 Coordination Games　223 The El Farol Problem　226 Sugarscape　229 Tesfatsion’s ACE　232 Picker’s Competing-Norms Model　233 Latané’s Dynamic Social Impact Theory　235 Boyd and Richerson’s Evolutionary Culture Model　240 Memetics　245 Memetic Algorithms　248 Cultural Algorithms　253 Convergence of Basic and Applied Research　254 Culture—and Life without It　255 Summary　258 chapter six　Thinking Is Social　261 Introduction　262 Adaptation on Three Levels　263 The Adaptive Culture Model　263 Axelrod’s Culture Model　265 Experiment One: Similarity in Axelrod’s Model　267 Experiment Two: Optimization of an Arbitrary Function　268 Experiment Three: A Slightly Harder and More Interesting Function　269 Experiment Four: A Hard Function　271 Experiment Five: Parallel Constraint Satisfaction　273 Experiment Six: Symbol Processing　279 Discussion　282 Summary　284 part two　The Particle Swarm and Collective Intelligence chapter seven　The Particle Swarm　287 Sociocognitive Underpinnings: Evaluate, Compare, and Imitate　288 Evaluate　288 Compare　288 Imitate　289 A Model of Binary Decision　289 Testing the Binary Algorithm with the De Jong Test Suite　297 No Free Lunch　299 Multimodality　302 Minds as Parallel Constraint Satisfaction Networks in Cultures　307 The Particle Swarm in Continuous Numbers　309 The Particle Swarm in Real-Number Space　309 Pseudocode for Particle Swarm Optimization in Continuous Numbers　313 Implementation Issues　314 An Example: Particle Swarm Optimization of Neural Net Weights　314 A Real-World Application　318 The Hybrid Particle Swarm　319 Science as Collaborative Search　320 Emergent Culture, Immergent Intelligence　323 Summary　324 chapter eight　Variations and Comparisons　327 Variations of the Particle Swarm Paradigm　328 Parameter Selection　328 Controlling the Explosion　337 Particle Interactions　342 Neighborhood Topology　343 Substituting Cluster Centers for Previous Bests　347 Adding Selection to Particle Swarms　353 Comparing Inertia Weights and Constriction Factors　354 Asymmetric Initialization　357 Some Thoughts on Variations　359 Are Particle Swarms Really a Kind of Evolutionary Algorithm"para" label-module="para"> Evolution beyond Darwin　362 Selection and Self-Organization　363 Ergodicity: Where Can It Get from Here"para" label-module="para"> Convergence of Evolutionary Computation and Particle Swarms　367 Summary　368 chapter nine　Applications　369 Evolving Neural Networks with Particle Swarms　370 Review of Previous Work　370 Advantages and Disadvantages of Previous Approaches　374 The Particle Swarm Optimization Implementation Used Here　376 Implementing Neural Network Evolution　377 An Example Application　379 Conclusions　381 Human Tremor Analysis　382 Data Acquisition Using Actigraphy　383 Data Preprocessing　385 Analysis with Particle Swarm Optimization　386 Summary　389 Other Applications　389 Computer Numerically Controlled Milling Optimization　389 Ingredient Mix Optimization　391 Reactive Power and Voltage Control　391 Battery Pack State-of-Charge Estimation　391 Summary　392 chapter ten　Implications and Speculations　393 Introduction　394 Assertions　395 Up from Social Learning: Bandura　398 Information and Motivation　399 Vicarious versus Direct Experience　399 The Spread of Influence　400 Machine Adaptation　401 Learning or Adaptation"para" label-module="para"> Cellular Automata　403 Down from Culture　405 Soft Computing　408 Interaction within Small Groups: Group Polarization　409 Informational and Normative Social Influence　411 Self-Esteem　412 Self-Attribution and Social Illusion　414 Summary　419 chapter eleven　And in Conclusion . . .　421 Appendix A Statistics for Swarmers　429 Appendix B Genetic Algorithm Implementation　451 Glossary　457 References　475 Index　497 ……2100433B

相关推荐

相关百科
相关知识
相关专栏

免费服务热线: 400-888-9639