基于修正斜压场的RC框架边节点剪切性能分析

为研究钢筋屈服强度和混凝土抗压强度对钢筋混凝土(RC)框架边节点剪切性能的影响规律,基于修正斜压场理论(MCFT),对某框架边节点的剪切应力-应变骨架曲线进行数值模拟,并与试验结果进行对比.在验证MCFT算法的精度后,研究钢筋屈服强度和混凝土抗压强度两个参数变化对RC框架边节点剪切应力-应变骨架曲线和峰值剪切应力的影响规律.结果表明:基于MCFT可以较好地模拟RC框架边节点的剪切应力-应变关系曲线; RC框架边节点的峰值剪切应力对混凝土抗压强度的变化更为敏感,但当试件的钢筋(HRB400)屈服应力下降幅度超过16.45%时,对钢筋屈服应力的变化更为敏感;当试件的钢筋(HRB400)屈服应力下降幅度超过10%时,节点发生钢筋滑移破坏,此时峰值剪切应力会大幅下降.     

粉末冶金法制备混杂增强铜基复合材料的增强体竞争析出行为研究

Copper matrix composites reinforced by in situ-formed hybrid titanium boride whiskers (TiB_w) and titanium diboride particles (TiB_2p) were fabricated by powder metallurgy. Microstructural observations showed competitive precipitation behavior between TiB_w and TiB_2p, where the relative contents of the two reinforcements varied with sintering temperature. Based on thermodynamic and kinetic assessments, the precipitation mechanisms of the hybrid reinforcements were discussed, and the formation of both TiB_w and TiB_2p from the local melting zone was thermodynamically favored. The precipitation kinetics were mainly controlled by a solid-state diffusion of B atoms. By forming a compact compound layer, in situ reactions were divided into two stages, where Zener growth and Dybkov growth prevailed, respectively. Accordingly, the competitive precipitation behavior was attributed to the transition of the growth model during the reaction process.     

MADDPG算法并行优先经验回放机制

多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient, MADDPG)算法是深度强化学习方法在多智能体系统(multi-agent system, MAS)领域的重要运用,为提升算法性能,提出基于并行优先经验回放机制的MADDPG算法。分析算法框架及训练方法,针对算法集中式训练、分布式执行的特点,采用并行方法完成经验回放池数据采样,并在采样过程中引入优先回放机制,实现经验数据并行流动、数据处理模型并行工作、经验数据优先回放。分别在OpenAI多智能体对抗、合作两类典型环境中,从训练轮数、训练时间两个维度对改进算法进行了对比验证,结果表明,并行优先经验回放机制的引入使得算法性能提升明显。     

基于核函数强化学习的抗干扰频点分配

针对学习未知动态的干扰图样问题，提出一种基于核函数强化学习的雷达与通信抗干扰频点协作算法。与需要获得干扰模式、参数等先验知识的研究相反，所提算法能够利用过去时隙中频点的使用情况来优化抗干扰频点分配策略。首先，通过核函数的强化学习来应对维度诅咒问题。其次，基于近似线性相关性的在线内核稀疏化方法，确保了抗干扰频点分配算法的稀疏性。最后，仿真结果验证了所提算法的有效性。得益于稀疏化码字对于系统动态特性的学习，所提算法与传统基于Q学习的抗干扰频点分配算法相比，收敛时间更短，并且可以快速规避外部未知干扰源的干扰。     

斜腹杆体外预应力杆-索结构刚度矩阵可逆性分析

根据线性代数理论,证明斜腹杆体外预应力杆-索结构刚度矩阵K的可逆性.把较为复杂的K的可逆性问题转换为简单矩阵的可逆性问题;对简单矩阵的行列式进行腹杆数分别为奇数和偶数两种条件下的恒等变形,得到由腹杆、索的方向角所确定的行列式.结果表明,当腹杆倾斜布置时行列式非0;当某一腹杆垂直布置时,对未定式通过洛比达法则求极限,其行列式也非0,即K的可逆性与腹杆、索的布置方向无关.杆-索结构刚度矩阵可逆性的证明为伸缩腹杆体外预应力加固技术在控制索应力的设计方面奠定了数学基础.     

一种基于强化学习的CDN流量调度系统设计方法

针对传统的CDN流量调度系统大多采用启发式方法或规划方法，存在维护成本高，实时性不足等缺点，提出一种基于深度强化学习的CDN流量调度系统设计框架。该框架基于马尔科夫链设计了故障告警网络来触发调度，建立了基于stacking模型的质量评估奖励函数，并在此基础上对流量调度进行定义和建模，构建了基于DQN的深度强化学习模型。最后，通过仿真实验验证了该调度框架的有效性。     

基于逆向强化学习的装船时堆场翻箱智能决策

集装箱码头装船时堆场翻箱具有时序性与动态性，属于NP（non?deterministic polynomial）难问题。针对常见的顺岸式集装箱码头堆场，以最小化总翻箱次数为优化目标，考虑翻箱对装船连续性及效率的影响，基于马尔科夫决策过程构建装船时堆场翻箱模型，设计逆向强化学习算法。为验证算法的有效性，以随机决策为基准，将设计的逆向强化学习算法与码头常见规则决策、随机决策对比。结果表明，贝位堆存状态不佳时，常见的规则决策不一定优于随机决策；逆向强化学习算法可有效挖掘隐含专家经验，收敛至最小翻箱次数的概率更高，且不同堆存状态下均能更好地限制单次发箱的翻箱次数，可实现装船时堆场翻箱智能决策。     

矿用汽车纵臂断裂失效分析与结构改进

针对某单纵臂悬架矿用汽车样车在试验的过程中出现纵臂断裂的情况,对前桥纵臂断裂进行了理论分析,并利用ABAQUS有限元分析软件对处于动态冲击下的前桥纵臂的受力变形情况进行了研究分析,得到了满载工况、动态左转向至极限工况、动态右转向至极限工况的应力应变特性.根据应力应变分析结果,对单纵臂悬架进行了结构改进.仿真结果表明,改进后的结构是合理的.     

分级加载真空预压加固吹填流泥试验研究

在分析高黏粒含量吹填土地基经常规真空预压处理后加固效果差、土体强度增长有限原因的基础上,进行分级加载真空预压和常规真空预压现场大型模型试验,探讨分级加载真空预压对流泥固结、变形的影响及其优势。结果表明:吹填流泥处于泥水混合物状态,具有明显的流动性;分级加载真空预压采用初始较小真空荷载且持续较长时间,有利于减缓排水板周围土体过早积聚、固结,给距离排水板较远处土体充分的排水固结时间,有利于改善整个土体的加固效果,且耗电量仅为常规真空预压的60.8%,具有较高的实际应用价值及经济效益。     

微生物诱导碳酸钙沉积加固土体的注浆方法

为了探讨微生物诱导碳酸钙沉积(MICP)在实际工程中的应用方法,尝试注浆管MICP加固土体,即在土体中插入不同分布密度注浆孔的注浆管,将菌液和胶结液通过注浆管注入土体中,从而形成加固体,并通过对比试验,研究注浆管MICP的加固效果。试验结果表明,经过注浆管MICP处理,能形成完整的且强度较高的固化砂柱,并且固化砂柱的强度比较均匀。