基于宽度学习的浓密机底流浓度软测量

由于浓密脱水过程中浓密机的底流浓度难以在线检测，本文提出了一种基于宽度学习的软测量建模方法，用以解决底流浓度的在线检测问题.该方法精度高，泛化能力强.首先，在浓密机内部安装压力传感器，建立正常工况下的历史数据集;然后，利用宽度学习系统对软测量模型进行训练，从而实现浓密机底流浓度的在线预测;最后，通过仿真实验验证了该方法的有效性.与传统的机器学习方法相比，宽度学习方法具有更高的预测精度.     

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.     

基于CWD和残差收缩网络的调制方式识别方法

针对低信噪比时莱斯信道下特征提取准确性难以保证、识别准确率偏低等问题, 提出一种基于Choi-Williams分布(Choi-Williams distribution, CWD)和深度残差收缩网络(deep residual shrinkage network, DRSN)的通信辐射源信号调制方式识别方法。利用CWD将时域复信号转换为二维时频矩阵, 对深度残差网络添加软阈值化得到DRSN, 将时频矩阵样本用于对DRSN的训练, 最终构建不同信噪比下的调制方式识别网络。仿真实验表明, 基于RadioML2016.10a数据集, 利用部分先验信息的情况下, 该分类识别方法具有较高的识别准确率和噪声鲁棒性。在0 dB时, 对11类信号的总体识别准确率达到了89.95%;在2 dB以上时, 总体识别准确率均超过91%, 优于其他深度学习识别方法。     

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。     

Seismites(地震岩)等术语的概念与名称

seismites,按其字面意思理应翻译成地震岩,即与地震有成因联系或受发震断裂改造、变形的岩石。按发震时地质材料的固结程度与力学性质,地震岩可分为震积岩(地震时尚未固结成岩的含水沙土层,即软沉积物)和脆性断层岩(地震时已经固结成岩的沉积岩、岩浆岩和变质岩)。脆性断层岩包括断层角砾岩、碎裂岩、超碎裂岩、假熔岩和断层泥等。发育由沙土液化形成的软沉积物变形构造的沉积岩,统称为“沙土液化岩”(liquefactites),但是长期以来一直被误译为seismites。大量的研究表明,并不是所有的沙土液化和软沉积物变形都是由地震造成的,也并不是所有地震都能导致沙土液化。只有那些所在区域存在重要发震断层、真正由地震引起的区域性的沙土液化造成的软沉积物发育变形构造的岩层才能称之为震积岩(seismic liquefactites)。震积岩不应再翻译成seismites。零星出现的软沉积物变形构造与沙土液化构造(例如:砂涌丘)不足以作为古地震的证据。     

水溶性La_(0.88)Sr_(0.12)MnO_3纳米粒子的非水相合成

采用纳米微乳液法,以三嵌段共聚物聚氧乙烯-聚氧丙烯-聚氧乙烯(PEO-PPO-PEO)为表面活性剂,乙酰丙酮镧(III),乙酰丙酮锰(III)和乙酰丙酮锶(II)为前驱体,1,2-十六烷二醇为还原剂成功合成了水溶性La0.88Sr0.12MnO3纳米粒子.FT-IR分析证实该纳米粒子表面存在PEO-PPO-PEO分子,XRD和TEM分析表明该纳米粒子基本上呈球形、粒径分布窄、结晶度高,VSM测试表明该纳米粒子室温下显示软铁磁性.纳米粒子在水中快速和高效的分散收集过程,表明该纳米粒子具有良好的水溶性和磁操控性.     

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。     

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.     

溶出固形物对软米硬度和黏弹性的影响

以粳米和糯米为对照,研究了溶出固形物对软米硬度和黏弹性的影响。分析发现软米溶出固形物质量分数为11.85%,显著高于粳米和糯米(P<0.05),与弹性显著正相关(P<0.05)；与粳米和糯米相比,软米中的固形物直支链淀粉比最低,利于形成连续凝胶网结构。此外,软米溶出淀粉侧链中聚合度为6~12的短链A链比例最高,赋予其较好的黏弹性。质构和流变分析结果表明:除溶出固形物后,软米的硬度显著增加,黏硬比和弹性显著降低。扫描电子显微镜结果表明:除溶出固形物后米粒表面粗糙、凹凸不平,有明显的孔洞；软米表面所形成的渔网状孔洞状结构能够对饭粒起到支撑作用,使得整个饭粒弹性更好。溶出固形物含量、组成、分子结构及其在米饭表面分布的差异是软米较低硬度和较好黏弹性优势产生的主要原因。