JG/T 579-2021 建筑装配式集成墙面检测

建筑装配式集成墙面是指由集成墙面板和/或功能模块及装饰线条、卡扣等配件集成,在工厂制作、现场安装的装饰性室内墙面制品,分为金属集成墙面板,竹木塑集成墙面板,石塑集成墙面板,陶瓷集成墙面板,木质集成墙面板等面材。

JG/T 579-2021 建筑装配式金属集成墙面测试介绍:

测试项目

测试方法

涂层厚度

GB/T 4957

阳极氧化膜厚度

GB/T 4957

覆膜厚度

GB/T 4957

光泽度差

GB/T 9754

铅笔硬度

GB/T 6739

涂层附着力

GB/T 9286

覆膜剥离力

LY/T 1279

金属板与保温板粘接性能

GB/T 23932

耐人工气候老化

GB/T 16422.2

耐污染性

JG/T 463

燃烧性能

GB 8624

甲醛释放量

GB/T 17657

总挥发性有机化合物TVOC

HJ 571

重金属含量

GB/T 26125

耐撞击性能

GB/T 14155

吊挂力

JG/T 579

JG/T 579-2021 建筑装配式竹(木)塑集成墙面测试介绍:

测试项目

测试方法

竹木纤维含量

LY/T 2554

弯曲强度

GB/T 17657

尺寸稳定性

GB/T 17657

邵氏硬度

GB/T 2411

吸水厚度膨胀率

GB/T 17657

表面耐划痕

GB/T 17657

维卡软化温度

GB/T 1633

附着力

GB/T 9286

剥离力

LY/T 1279

耐人工气候老化

GB/T 16422.2

耐污染性

JG/T 463

燃烧性能

GB 8624

氯乙烯单体

GB/T 4615

甲醛释放量

GB/T 17657

总挥发性有机化合物TVOC

HJ 571

重金属含量

GB/T 26125

耐撞击性能

GB/T 14155

吊挂力

JG/T 579

JG/T 579-2021 建筑装配式石塑集成墙面测试介绍:

测试项目

测试方法

吸水率

GB/T 17657

吸水厚度膨胀率

GB/T 17657

加热后尺寸变化率

GB/T 24508

弯曲强度

GB/T 17657

落球冲击

GB/T 17657

附着力

GB/T 9286

剥离力

LY/T 1279

耐人工气候老化

GB/T 16422.2

耐污染性

JG/T 463

燃烧性能

GB 8624

氯乙烯单体

GB/T 4615

甲醛释放量

GB/T 17657

总挥发性有机化合物TVOC

HJ 571

重金属含量

GB/T 26125

耐撞击性能

GB/T 14155

吊挂力

JG/T 579

JG/T 579-2021 建筑装配式陶瓷集成墙面测试介绍:

测试项目

测试方法

吸水率

GB/T 17657

拉伸粘接强度

JG/T 579

抗冲击

JG/T 579

耐污染性

JG/T 463

燃烧性能

GB 8624

可溶性重金属铅

HJ/T 297

可溶性重金属镉

HJ/T 297

反射性核素内照射指数

GB 6566

放射性核素外照射指数

GB 6566

甲醛释放量

GB/T 17657

总挥发性有机化合物

HJ 571

耐撞击性能

GB/T 14155

吊挂力

JG/T 579

JG/T 579-2021 建筑装配式木质集成墙面测试介绍:

测试项目

测试方法

胶合强度

GB/T 15104

弯曲强度

GB/T 17657

2h吸水厚度膨胀率

GB/T 17657

耐人工气候老化

GB/T 16422.2

耐污染性

JG/T 463

燃烧性能

GB 8624

氯乙烯单体

GB/T 4615

甲醛释放量

GB/T 17657

总挥发性有机化合物TVOC

HJ 571

重金属含量

GB/T 26125

耐撞击性能

GB/T 14155

吊挂力

JG/T 579

相关标准:

GB/T 36140-2018 装配式玻纤增强无机材料复合保温墙体技术要求

JC/T 2505-2019 装配式建筑 预制混凝土楼板

JC/T 2504-2019 装配式建筑 预制混凝土夹心保温墙板

JG/T 570-2019 装配式铝合金低层房屋及移动屋

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值