水利施工技术确保工程质量强化措施

当前国民经济的快速发展以及社会主义市场经济的繁荣和发展与我国实行改革开放具有十分重要的联系,在这种大环境之下的我国的各行各业之间呈现出了竞争程度不断加深的发展趋势。面对这种新的竞争形势,很多水利施工企业也面临着巨大的挑战,不仅承受着很多外在压力,同时内部也在不断的进行改革和调整,力求通过提高自身的竞争实力来实现施工企业的跨域式和快速的发展。受当前水利工程管理体制和发展模式的制约使得水利工程的质量面临着多方面的挑战和压力,再加影响工程质量安全的因素本身就很多,使得新时期的水利工程的发展更具阻碍性。在这种情况下,对于水利施工技术确保工程质量强化措施的研究是具有十分重要的现实意义。     

电场抑制纳米液滴的Leidenfrost现象

Leidenfrost现象是指液滴与过热表面接触时,快速汽化的蒸汽层将液滴与表面隔离,使液滴在表面悬浮的现象.为揭示表面润湿性对纳米液滴Leidenfrost现象的影响机制并实现纳米液滴的强化换热,本文采用分子动力学模拟研究了纳米液滴在不同润湿性表面上的Leidenfrost现象.结果表明,纳米液滴的Leidenfrost温度与表面润湿性密切相关,即表面越亲水, Leidenfrost温度越高.本文进一步研究了电场作用下纳米液滴在不同润湿性表面上的相变换热过程,发现施加电场可有效抑制Leidenfrost现象,电场增加液滴与表面的相互作用力是其抑制Leidenfrost现象的机理.     

氧化还原介体催化强化污染物厌氧降解研究进展

 由于厌氧生物处理技术具有产生剩余污泥少、可回收能源等优点而被广泛用于处理各种有机污染物，尤其在有毒、有害、难降解污染物的去除方面取得了良好的效果。然而，厌氧生物法的处理速率通常比较低，而氧化还原介体可通过自身不断的氧化和还原来传递电子，提高电子在氧化还原反应过程中的传递速率，从而促进污染物高效厌氧降解。醌类物质和腐殖酸是应用较多的氧化还原介体，在催化难降解污染物降解方面取得了一定效果。讨论了氧化还原介体的特点、作用机制，并总结了其对偶氮染料厌氧脱色、反硝化和多氯联苯厌氧降解的强化作用，提出了氧化还原介体未来的研究方向。     

边缘计算下基于深度强化学习的车联网任务调度

针对边缘计算下车联网中时延约束型计算任务的卸载执行问题，提出一种基于深度强化学习的任务调度方法。在多边缘服务器场景下，构建软件定义网络辅助的车联网任务卸载系统，给出车辆计算卸载的任务调度模型；根据任务调度的特点，设计一种基于改进指针网络的调度方法，综合考虑任务调度和计算资源分配的复杂性，采用深度强化学习算法对指针网络进行训练；运用训练好的指针网络对车辆卸载任务进行调度。仿真结果表明：在边缘服务器计算资源相同的情况下，该方法在处理时延约束型计算任务的数量方面优于其他方法，有效提高了车联网任务卸载系统的服务能力。     

基于深度强化学习算法的无人机智能规避决策

为提升无人机在复杂空战场景中的存活率，基于公开无人机空战博弈仿真平台，使用强化学习方法生成机动策略，以深度双Q网络(double deep Q-network, DDQN)和深度确定性策略梯度(deep deterministic policy gradient, DDPG)算法为基础，提出单元状态序列(unit state sequence, USS),并采用门控循环单元(gated recurrent unit, GRU)融合USS中的态势特征，增加复杂空战场景下的状态特征识别能力和算法收敛能力。实验结果表明，智能体在面对采用标准比例导引算法的导弹攻击时，取得了98%的规避导弹存活率，使无人机在多发导弹同时攻击的复杂场景中，也能够取得88%的存活率，对比传统的简单机动模式，无人机的存活率大幅提高。     

深度强化学习在天基信息网络中的应用——现状与前景

未来天基信息网络(space information network, SIN)领域将面临由结构复杂、环境动态、业务多样等发展趋势带来的挑战。数据驱动的深度强化学习(deep reinforcement learning, DRL)作为一种应对上述挑战的可行思路被引入SIN领域。首先简要介绍了DRL的基本方法，并全面回顾了其在SIN领域的研究进展。随后，以星地网络场景的中继选择为例，针对大规模节点问题提出了基于平均场的DRL算法，并提出一种基于微调的模型迁移机制，用以解决仿真环境与真实环境之间的数据差异问题。仿真证明了其对网络性能优化的效果，且计算复杂度和时间效率均具有可行性。在此基础上归纳和总结了DRL方法在SIN领域的局限性与面临的挑战。最后，结合强化学习前沿进展，讨论了此领域未来的努力方向。     

知识牵引与数据驱动的兵棋AI设计及关键技术

在分析知识推理型与数据学习型兵棋人工智能(artifical intelligence, AI)优缺点的基础上, 提出了基于知识牵引与数据驱动的AI设计框架。针对框架中涉及的基于数据补全的战场态势感知，基于遗传模糊系统的关键点推理，基于层次任务网的任务规划、计划修复与重规划，基于深度强化学习的算子动作策略优化等关键技术进行深入探讨。结果表明，所提框架具有较强的适应性, 不仅能够满足分队、群队、人机混合等兵棋推演的应用需求, 而且适用于解决一般回合制或即时策略性的博弈对抗问题。     

基于模糊强化学习的双轮机器人姿态平衡控制

针对单轨双轮机器人在静止情况下存在的固有静态不稳定问题, 提出一种基于模糊强化学习(简称为Fuzzy-Q)的控制方法。首先，运用拉格朗日法建立带控制力矩陀螺的系统动力学模型。然后, 在此基础上设计表格型强化学习算法, 实现机器人的稳定平衡控制。最后，针对算法存在的控制精度不高和控制器输出离散等问题, 采用模糊理论泛化动作空间, 改善控制精度, 并使控制输出连续。仿真实验表明, 相较于传统强化学习方法, 所提方法能够显著提高控制精度, 且可以有效抑制外界干扰力矩对系统的影响, 保证系统具有一定的抗干扰能力。     

基于强化研磨轴承套圈表面化学成分分析

强化研磨是一种金属表面处理的新型精密加工工艺,文章采用对轴承套圈表面进行强化研磨加工工艺,通过X射线能谱仪对强化研磨加工前后试样表面化学元素组成成分及含量进行对比分析,得出经过表面强化研磨处理过的试样表面发生摩擦化学反应,元素种类增加,原子百分比含量发生相应变化,如B、N元素含量增加,这为研究强化研磨加工工艺能否在套圈表面形成含B、N化学物理膜层(B2O3、BN、硼酸酯铁、含氮有机物等)提供了相关实验依据.