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 > 给排水百科

水泵模型及装置模型验收试验规程

《水泵模型及装置模型验收试验规程》是2006年由电子工业出版社出版的国家标准。

水泵模型及装置模型验收试验规程基本信息

书名水泵模型及装置模型验收试验规程
出版社电子工业出版社
出版时间2006年
定价18 元
ISBN9781550845259

水泵模型及装置模型验收试验规程内容介绍

根据水利部水利水电规划设计管理局水总局科[2004]11号文下达的水利水电勘测设计技术标准修订工作安排，对《水泵模型验收试验规程》（SL140—97）进行修订，将标准名称改为《水泵模型及装置模型验收试验规程》。 本标准共8章12节102条和3个附录，主要技术内容包括： ——总则； ——术语、符号及计量单位； ——试验台； ——水泵模型及装置模型； ——参数测量方法及不确定度； ——验收试验； ——保证值的验证及原型泵性能换算； ——试验大纲与试验报告的编制。 本次修订的主要内容包括： ——标准名称改为《水泵模型及装置模型验收试验规程》，突出水泵装置模型试验的重要性； ——在前引部分，增加了前言及基本信息，取消了原规程中的附加说明； ——在“总则”中，更新2个引用标准，删除过时或重复性的标准； ——在“试验台”中，提高了对模型试验台精度的规定，即模型效率的允许总不确定度由原规程的士1.3%提高至士0.4%； ——在“水泵模型”中，增加了“装置模型”并对水泵模型及装置模型的范围作了更明确的规定，还增加了水泵模型及装置模型尺寸允差的图、表； ——在“原型泵性能换算”中，增加了保证值的验证部分； ——修订了有关条文说明和附录； ——对原规程中局部结构和文字进行了修改，如“性能”改为“能量”，“汽蚀”改为“空化”，“汽蚀余量”改为“空化余量”，“误差”改为“不确定度”等。

水泵模型及装置模型验收试验规程造价信息

市场价
信息价
询价

清水压榨泵（清水泵）

规格型号：
Q=6m3/h,P=2.0MPa,N=7.5kw
价格行情：
材料单位：
台
材料品牌：
连成
材料税率：
13%
供应商：
广西立淇环保有限公司
报价时间：
2022-12-06

查看价格

清水压榨泵（压榨水泵）

规格型号：
Q=6m3/h,P=2.0MPa,N=7.5kw
价格行情：
材料单位：
台
材料品牌：
川源
材料税率：
13%
供应商：
广西立淇环保有限公司
报价时间：
2022-12-06

查看价格

清水压榨泵（清水泵）

规格型号：
Q=6m3/h,P=2.0MPa,N=7.5kw
价格行情：
材料单位：
台
材料品牌：
凯士比
材料税率：
13%
供应商：
广西立淇环保有限公司
报价时间：
2022-12-06

查看价格

DL型给水泵

规格型号：
40DL6-12*6，Q=6，H=72，N=4
价格行情：
材料单位：
台
材料品牌：
材料税率：
13%
供应商：
上海中泉泵业制造有限公司北京销售分公司
报价时间：
2022-12-06

查看价格

模块式空气源热水泵机组-模块机

规格型号：
YCAE61SMC-B,冷量：63.5KW
价格行情：
材料单位：
台
材料品牌：
约克
材料税率：
13%
供应商：
约克沈阳办事处
报价时间：
2022-12-06

查看价格

离心清水泵

规格型号：
(电动多级)出口直径50mm
价格行情：
材料单位：
台班
材料税率：
地区时间：
韶关市2008年11月信息价
所属行业：
建筑工程
备注说明：

查看价格

离心清水泵

规格型号：
(电动单级)出口直径100mm
价格行情：
材料单位：
台班
材料税率：
地区时间：
韶关市2008年11月信息价
所属行业：
建筑工程
备注说明：

查看价格

离心清水泵

规格型号：
(电动多级)出口直径100mm扬程120m以下
价格行情：
材料单位：
台班
材料税率：
地区时间：
韶关市2008年11月信息价
所属行业：
建筑工程
备注说明：

查看价格

离心清水泵

规格型号：
(电动多级)出口直径150mm扬程180m以下
价格行情：
材料单位：
台班
材料税率：
地区时间：
韶关市2008年11月信息价
所属行业：
建筑工程
备注说明：

查看价格

离心清水泵

规格型号：
(电动多级)出口直径50mm
价格行情：
材料单位：
台班
材料税率：
地区时间：
韶关市2008年9月信息价
所属行业：
建筑工程
备注说明：

查看价格

榨汁机模型

规格型号：
包括五种不同阶段的模型,即:草模、结构模型、功能模型、概念模型和成品模型,可以进行相应的试验.
需求量：
1套
报价数：
1
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：
2019-06-21

查看价格

铆接、黏接、焊接模型

规格型号：
铆接模型:3件/套.焊接模型:3件/套; 粘接模型:3件/套.
需求量：
1套
报价数：
1
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：
2019-06-21

查看价格

模型底座

规格型号：
定制模型底座
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：
2022-11-09

查看价格

仿真毒品模型

规格型号：
1、仿真毒品模型
需求量：
28个
报价数：
1
材料品牌：
无
材料档次：
中档
费用说明：
不含税费 | 含运费
询价时间：
2022-07-13

查看价格

建筑模型

规格型号：
1:110定制建筑模型3500×3500建筑用模型专用ABS跟进口亚克力制作,建筑与路网发光,环境淡雅写实制作.
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：
2022-11-09

查看价格

水泵模型及装置模型验收试验规程作品目录

1　总则 2　术语、符号及计量单位 3　试验台 4　水泵模型及装置模型 5　参数测量方法及不确定度 5.1　流量测量及不确定度 5.2　扬程测量及不确定度 5.3　轴功率测量及不确定度 5.4　转速测量及不确定度 5.5　其他参数测量及不确定度 5.6　总的测量参数不确定度 6　验收试验 6.1　能量试验 6.2　空化试验 6.3　飞逸特性试验 6.4　水压脉动试验 7　保证值的验证及原型泵性能换算 7.1　保证值的验证 7.2　原型泵性能换算 8　试验大纲与试验报告的编制 附录A　水的物理性质与重力加速度 附录B　试验不确定度分析与估算 附录C　试验结果与主要保证值比较 标准用词说明 条文说明 2100433B

水泵模型及装置模型验收试验规程常见问题

GTJ2018软件模型模型模型

2018已经下架了没有程序可以共享了可以找官方客服或者是分支索取
模型喷笔喷泵

刚接触，龟泵可以了，淘宝上那种分几档调节的就没必要了，喷笔买国产五六十的够了，先熟悉，等认识了喷笔结构，懂得拆卸再买好喷笔也不迟
简述什么是瀑布模型，V模型，原型模型，增量模型，螺旋模型

瀑布模型：将软件生命周期划分为制订计划、需求分析、软件设计、程序编写、软件测试和运行维护等六个基本活动，并且规定了他们自上而下、相互衔接的固定次序，如同瀑布流水，逐级下落。其优点是：可以规范化过程，有...

水泵模型及装置模型验收试验规程文献

水泵模型装置拍门试验研究

水泵模型装置拍门试验研究

水泵模型装置拍门试验研究

格式：pdf

大小：384KB

页数：未知

水泵模型装置拍门试验发现 ,水泵扬程损失与拍门的形状、面积、厚度、出水水流旋转程度等有关 ,按经验公式计算将出现很大误差。通过优化拍门尺寸 ,可以减少扬程损失和降低出口边墙高度 ,具有明显经济效益 ,对南水北调东线工程泵的优化选择具有现实意义。由于模型装置完全几何相似 ,原型泵站流量估算可以采用模型试验的拍门孔口出流流量系数

在线阅读立即下载

宝应泵站水泵装置模型验收试验

宝应泵站水泵装置模型验收试验

宝应泵站水泵装置模型验收试验

格式：pdf

大小：384KB

页数： 6页

介绍南水北调东线一期工程中宝应泵站水泵装置模型验收试验的内容及试验结果,得出了装置试验结果符合合同要求的结论。同时,根据该试验验收过程提出了南水北调工程中泵站装置验收需要考虑的若干建议,供其它类似泵试验验收参考。

在线阅读立即下载

闸门水力模型试验规程内容简介

《闸门水力模型试验规程(SL159-2012)》由中国水利水电出版社出版。

神经网络模型压缩方法以及装置附图说明

图1是根据《神经网络模型压缩方法以及装置》一个实施例的神经网络模型压缩方法的流程图； 图2是根据《神经网络模型压缩方法以及装置》一个实施例的神经网络模型压缩方法的流程图； 图3是根据《神经网络模型压缩方法以及装置》一个实施例的神经网络模型压缩装置的结构示意图； 图4是根据《神经网络模型压缩方法以及装置》一个具体实施例的神经网络模型压缩装置的结构示意图； 图5是根据《神经网络模型压缩方法以及装置》另一个具体实施例的神经网络模型压缩装置的结构示意图； 图6是根据《神经网络模型压缩方法以及装置》又一个具体实施例的神经网络模型压缩装置的结构示意图。 《神经网络模型压缩方法以及装置》附图说明

神经网络模型压缩方法以及装置发明内容

神经网络模型压缩方法以及装置专利目的 《神经网络模型压缩方法以及装置》的第一个目的在于提出一种神经网络模型压缩方法。该方法可以更好地保持模型效果，大大减少了神经网络模型的大小，减少了计算资源，特别是减少了内存资源的占用。 《神经网络模型压缩方法以及装置》的第二个目的在于提出一种神经网络模型压缩装置。 《神经网络模型压缩方法以及装置》的第三个目的在于提出一种非临时性计算机可读存储介质。 《神经网络模型压缩方法以及装置》的第四个目的在于提出一种计算机程序产品。 神经网络模型压缩方法以及装置技术方法 《神经网络模型压缩方法以及装置》第一方面实施例提出的神经网络模型压缩方法，包括：针对神经网络模型中的每一个神经元层，确定所述每个神经元层的模型参数集合，其中，所述模型参数集合包含多个模型参数；对所述多个模型参数进行第一变换以生成多个中间参数；根据预设的量化步长对所述多个中间参数进行量化，得到多个量化参数；根据预设的量化位数，从所述多个量化参数中选取多个采样量化点；根据所述多个量化参数的值和所述多个采样量化点，生成所述多个模型参数的量化值；根据所述量化值对所述多个模型参数进行压缩存储。 《神经网络模型压缩方法以及装置》实施例的神经网络模型压缩方法，针对神经网络模型中的每一个神经元层，确定每个神经元层的模型参数集合，其中，模型参数集合包含多个模型参数，之后，对多个模型参数进行第一变换以生成多个中间参数，并根据预设的量化步长对多个中间参数进行量化，得到多个量化参数，然后，根据预设的量化位数，从多个量化参数中选取多个采样量化点，之后，根据多个量化参数的值和多个采样量化点，生成多个模型参数的量化值，最后，根据量化值对多个模型参数进行压缩存储。即根据需要压缩的数据调节量化步长，并根据预设的量化位数，从排列在多个量化参数的靠前位置开始采取采样量化点，可以更加充分的对压缩数据进行采样，更好地保留重要的权值信息，更好地保持模型效果，大大减少了神经网络模型的大小，减少了计算资源，特别是减少了内存资源的占用。 《神经网络模型压缩方法以及装置》第二方面实施例提出的神经网络模型压缩装置，包括：确定模块，用于针对神经网络模型中的每一个神经元层，确定所述每个神经元层的模型参数集合，其中，所述模型参数集合包含多个模型参数；第一变换模块，用于对所述多个模型参数进行第一变换以生成多个中间参数；量化模块，用于根据预设的量化步长对所述多个中间参数进行量化，得到多个量化参数；采样模块，用于根据预设的量化位数，从所述多个量化参数中选取多个采样量化点；生成模块，用于根据所述多个量化参数的值和所述多个采样量化点，生成所述多个模型参数的量化值；压缩模块，用于根据所述量化值对所述多个模型参数进行压缩存储。 《神经网络模型压缩方法以及装置》实施例的神经网络模型压缩装置，可通过确定模块针对神经网络模型中的每一个神经元层，确定每个神经元层的模型参数集合，其中，模型参数集合包含多个模型参数，第一变换模块对多个模型参数进行第一变换以生成多个中间参数，量化模块根据预设的量化步长对多个中间参数进行量化，得到多个量化参数，采样模块根据预设的量化位数，从多个量化参数中选取多个采样量化点，生成模块根据多个量化参数的值和多个采样量化点，生成多个模型参数的量化值，压缩模块根据量化值对多个模型参数进行压缩存储。即根据需要压缩的数据调节量化步长，并根据预设的量化位数，从排列在多个量化参数的靠前位置开始采取采样量化点，可以更加充分的对压缩数据进行采样，更好地保留重要的权值信息，更好地保持模型效果，大大减少了神经网络模型的大小，减少了计算资源，特别是减少了内存资源的占用。 《神经网络模型压缩方法以及装置》第三方面实施例提出的非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器被执行时，使得电子设备能够执行一种神经网络模型压缩方法，所述方法包括：针对神经网络模型中的每一个神经元层，确定所述每个神经元层的模型参数集合，其中，所述模型参数集合包含多个模型参数；对所述多个模型参数进行第一变换以生成多个中间参数；根据预设的量化步长对所述多个中间参数进行量化，得到多个量化参数；根据预设的量化位数，从所述多个量化参数中选取多个采样量化点；根据所述多个量化参数的值和所述多个采样量化点，生成所述多个模型参数的量化值；根据所述量化值对所述多个模型参数进行压缩存储。 《神经网络模型压缩方法以及装置》第四方面实施例提出的计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行一种神经网络模型压缩方法，所述方法包括：针对神经网络模型中的每一个神经元层，确定所述每个神经元层的模型参数集合，其中，所述模型参数集合包含多个模型参数；对所述多个模型参数进行第一变换以生成多个中间参数；根据预设的量化步长对所述多个中间参数进行量化，得到多个量化参数；根据预设的量化位数，从所述多个量化参数中选取多个采样量化点；根据所述多个量化参数的值和所述多个采样量化点，生成所述多个模型参数的量化值；根据所述量化值对所述多个模型参数进行压缩存储。 《神经网络模型压缩方法以及装置》附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过《神经网络模型压缩方法以及装置》的实践了解到。

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