基于多目标遗传算法的混合动力汽车能量管理优化

混合动力技术是实现汽车节能减排的有效途径。以P2混合动力汽车为研究对象,考虑电池荷电状态(state of charge, SOC)分别为高、中、低3种不同的电量模式时,设计不同的能量管理策略,以实现混合动力汽车节能减排的同时维持SOC的平衡的目的。该策略在基于规则的基础上采用Isight软件中的多目标遗传算法对门限值进行优化,以提高能量管理策略中门限值的可靠性和有效性。仿真结果表明,该能量管理策略对降低车辆油耗的效果显著,并且能很好地维持电池SOC的平衡。     

叶片磨短对低压冷却风扇气动性能的影响

工程中常用磨短叶片的方法来确保足够的叶顶间隙,由此对风扇气动性能的影响尚无研究报道。该文通过实验发现,叶片磨短后最大流量和风扇效率均急剧下降。对风扇内湍流场进行了三维数值模拟,结果与实验吻合良好。基于数值计算结果的流场分析表明,叶片磨短后叶顶间隙涡进一步发展,阻塞叶顶流道,使流量锐减,同时降低了叶片顶部区域做功能力。研究指出,叶片磨短相比机壳增大更易造成风扇性能恶化,尤其是流量的下降会使风扇无法正常使用,必须重视。     

一种基于MCMA的双模切换变步长的盲均衡算法

在修正常模算法（MCMA）代价函数的基础上，根据QAM信号分布的特点，得到一种误差控制函数在CMA和DD算法间切换的、变步长的盲均衡算法。它充分利用了CMA与DD算法各自的优点，改善了常算法收敛速度慢和收敛后剩余码间干扰大的不足，能够补偿由信道引起的相位误差，同时还具有重新启动的能力。计算机仿真表明：该算法收敛速度较快，收敛后剩余码间干扰很小，输出星座图紧簇，没有相位旋转，而且在信道突变的情况下能快速达到二次均衡。     

模糊支持向量机在煤与瓦斯突出预测中的应用

煤与瓦斯突出预测是一个复杂的、高度非线性的多分类问题。为了能够准确地对其作出预测,在传统支持向量机"一对一"分类算法的基础上,定义垂直于两类的最优分类超平面的方向上的模糊隶属函数,从而提出了基于模糊支持向量机的煤与瓦斯突出预测模型。实例分析表明,该模型比传统支持向量机"一对一"分类算法更易于划分突出类别,具有较高的可靠性和实用性,是一种十分有效的煤与瓦斯突出预测方法。     

攀枝花市区域创新体系建设研究

本文结合区域创新的相关理论,对攀枝花市区域创新体系建设的难点和重点进行了研究分析,提出了攀枝花区域创新体系的构建和相应的对策措施,以期为攀枝花“打造中国钒钛之都建设特色经济强市”战略的实施提供参考,同时为其它资源型城市建设区域创新体系提供借鉴。     

高层钢结构设计中几点问题的探讨

章介绍了钢结构在我国的运用和钢结构的优越性能；探讨了高层钢结构在设计方法、设计指标(高宽比限制，层间变形限值)、抗风设计(风振系数、人体舒适度等)、抗震设计、抗火设计中存在的一些问题以及迫切需要研究的方面。     

金属基体表面热熔敷玻璃涂层耐蚀性研究

利用斑点试验、点蚀试验、电化学测试及扫描电镜等方法，研究了熔敷温度、保温时间和稀土添加量等工艺参数对热熔敷法制备的玻璃涂层耐蚀性的影响，探讨了添加稀土提高玻璃涂层耐蚀性的机理。试验结果表明，采用热熔敷法制备的玻璃涂层有较好的耐蚀性。随着熔敷温度的提高和保温时间的延长，形成了一定量的晶相后会降低涂层的耐蚀性。试验结果表明，熔敷温度为700℃、保温5min后能够得到耐蚀性良好的玻璃涂层。添加稀土提高了釉料的软化温度和熔融釉料的粘度，阻止了结晶形核和晶核长大，减少了晶相，同时提高了涂层的电极电位，使涂层耐蚀性显著提高。当稀土含量为2％时，涂层的耐蚀性较好。     

羧基化氧化石墨烯的制备及其电化学性能

以Hummers法为基础一步合成了氧化石墨烯,并制备了羧基化石墨烯.用热失重、红外光谱法、XRD衍射以及扫描电子显微镜对羧基化石墨烯的官能团及结构进行了表征.并用循环伏安法和差分脉冲伏安法进行了电化学性能分析.结果表明制备的羧基化石墨烯不但具有较好的水溶性,而且具有较好的电催化作用.     

基于二阶谱的海面微波散射特性仿真

基于波面的二阶谱特征,研究了粗糙海面后向散射特性并进行了数值仿真。仿真结果表明,在散射模型中考虑海浪波面的二阶谱特征时,海面微波后向散射特性呈现出随方位角和入射角等参量变化的差异,体现了粗糙海面的非线性效应。     

D3DQN-CAA:一种基于DRL的自适应边缘计算任务调度方法

为解决已有基于深度强化学习的边缘计算任务调度面临的动作空间探索度固定不变、样本效率低、内存需求量大、稳定性差等问题,更好地在计算资源相对有限的边缘计算系统中进行有效的任务调度,在改进深度强化学习模型D3DQN（Dueling Double DQN）的基础上,提出了自适应边缘计算任务调度方法D3DQN-CAA.在任务卸载决策时,将任务与处理器的对应关系看作一个多维背包问题,根据当前调度任务与计算节点的状态信息,为任务选择与其匹配度最高的计算节点进行任务处理;为提高评估网络的参数更新效率,降低过估计的影响,提出一种综合性Q值计算方法;为进一步加快神经网络的收敛速度,提出了一种自适应动作空间动态探索度调整策略;为减少系统所需的存储资源,提高样本效率,提出一种自适应轻量优先级回放机制.实验结果表明,和多种基准算法相比,D3DQN-CAA方法能够有效地降低深度强化学习网络的训练步数,能充分利用边缘计算资源提升任务处理的实时性,降低系统能耗.