随机需求下企业的生产能力规划和柔性技术选择

根据生产产品种类能力的不同,生产技术可以分为刚性技术、部分柔性技术和完全柔性技术.由于完全柔性技术在投资上显著高于其他技术,企业在满足市场需求的前提下,更倾向于选择部分柔性技术来进行生产.考虑了不同技术的投资成本和操作成本的差别,建立了一个随机需求下的线性规划模型,从而研究了随机市场需求下的技术选择问题.通过仿真试验说明了技术选择的一些特性.     

pH和盐浓度对火龙果种子分离蛋白功能特性的影响

以火龙果(Hylocereus polyrhizus)种子为材料,脱脂后分析其成分。采用Osborne分级分离法得到三种火龙果种子分离蛋白,检测其表面疏水性、巯基含量、热变性温度、氨基酸成分等理化性质,分析pH和NaCl浓度对火龙果种子分离蛋白的溶解性、持水性、发泡性、泡沫稳定性、乳化性、乳液稳定性等功能特性的影响。结果表明,火龙果种子脱脂粉中含量最高的三种成分为粗蛋白(51.04%)、粗纤维(23.60%)和总多酚(15.26%);火龙果种子中分离得到白蛋白、球蛋白和谷蛋白,提取率分别为19.51%、14.07%和32.29%;白蛋白由2个亚基组成(分子量23.4kD和14.2kD),球蛋白由3个亚基组成(分子量分别为21.7kD、18.7kD和15.2kD),谷蛋白由3个亚基组成(分子量分别为49.5kD、34.2kD和18.6kD);白蛋白、球蛋白、谷蛋白热变性温度分别为59℃、58℃和91℃;谷蛋白的表面疏水性(2730)最高;白蛋白的总巯基(5.38 mmol/L)和游巯基(2.35 mmol/L)含量最高;3种分离蛋白中谷氨酸和精氨酸含量较高。4≦pH≦6范围内3种蛋白的溶...     

芳纶纤维强化UP的激光加工性基础研究

使用CO2和YAG激光加工芳纶纤维强化不饱和聚酯树脂板,探讨其在不同的强化方式下,改变照射时间和激光功率及焦点位移量时的微孔加工性。     

基于DQN的机场地服人员动态排班研究

针对在繁忙机场的地面服务人员动态排班问题,提出一种基于深度Q网络(DQN)的排班方法．首先以最大化任务执行率和最小化员工工作时间作为目标,建立了优化模型;然后根据目标提出了两种不同的排班方法,进而采用DQN算法,根据生成的航班动态数据,提取6个状态特征作为网络的输入,并拟定合适的奖励机制,使得训练后的模型能够动态地选择最好的分配方法,最终对模型进行求解．将该方法应用在连续7 d的实际排班中,实验结果表明：与人工排班结果相比,该方法平均每天的任务完成数增加了0.43个,员工的总工作时长减少了53 min,DQN的排班结果具有明显优势,提高了机场地面服务的工作效率．     

农用运输车温差发电系统瞬态响应特性分析

为预测温差发电系统在农用运输车实际行驶工况下的瞬态输出响应,建立一种瞬态计算流体动力学(CFD)-热电耦合数值模型,求解得到温差发电系统在燃油经济性测试工况(HWFET)下的流热电多物理场瞬态仿真结果,同时搭建试验台架进行了测试研究．结果表明：温差发电系统的流热电多物理场分布受尾气温度和流量动态变化的综合影响均随工况时间发生动态变化,热惯性的存在会导致温差发电片的输出响应与尾气输入之间产生延迟;系统在HWFET工况下的平均输出功率和热电效率分别可达到26.808 W和2.966%;系统输出电压的模型结果与试验结果之间的平均误差仅为6.43%,验证了瞬态CFD-热电耦合模型的准确性．     

基于增强拓扑神经进化的等效并行机动态调度

针对工件动态到达、处理时间不确定且机器须要弹性预防维护的等效并行机调度问题,以平均流程时间最小化为目标,提出了基于强化学习的动态调度方法．将调度过程作为马尔可夫决策过程,通过定义状态空间、行为空间、奖励函数与适应度函数,提出基于增强拓扑神经进化(NEAT)算法的动态调度方法．设计三种规模问题的实例,将基于NEAT的方法与最短路径树(SPT)、先装先卸(FIFO)调度规则及基于深度Q网络(DQN)的方法进行比较,结果表明：基于NEAT的方法相比基于DQN的方法能够以更短的训练时间获得更优、更稳健的调度方案,相比SPT和FIFO调度规则能够获得更优的目标值,利用训练好的NEAT模型对随机生成的大规模问题实例的快速高质量求解结果表明,基于NEAT的调度方法具有更好的泛化性能．     

氨燃烧特性及稳燃技术研究进展

针对当前氨燃烧存在着火困难、燃烧稳定性差及NO_x排放高等问题,从氨的基础燃烧特性出发,总结了现有的稳燃技术,包括氨、氢、甲烷混合燃烧,高压富氧等手段强化热质传递,以等离子为代表的外部辅助技术等．探讨了氨在不同动力设备如内燃机、燃气轮机及锅炉中的燃烧稳定性问题．未来氨燃料研究的重点应集中在稳燃技术发展、氨/氢混燃、氨/固体燃料混烧等方面：结合不同应用场景,采用不同稳燃技术,优化氨燃烧过程;氨/氢燃料掺混燃烧系统发展前景巨大,亟待研究开发;氨/固体燃料混烧试验数据较少,可开发领域众多;开发新兴辅助燃烧技术,为氨燃料应用服务．     

基于动态优先级的奖励优化模型

传统的约束马尔可夫决策过程(constrained Markov decision process, CMDP)模型用来解决多目标决策的困难,但该模型缺乏通用性并且只适用于离散环境。为了解决这一问题,提出一种基于CMDP的改进算法CRODP,与强化学习(reinforcement learning, RL)算法结合,将带约束问题建模为拉格朗日公式,其中包含着深度强化学习的策略参数。然后进一步推导出模型参数的更新公式,并将其作为深度强化学习神经网络的损失函数。模型在学习过程中动态调整约束与主要目标之间的权重以确保最终策略符合给定的约束。在若干机器人平台上与基准的深度强化学习算法进行比较,显示本算法得出的最优策略能够更好地满足相应约束。     

大气压脉冲调制微波发卡氩等离子体射流的电离行为研究

大气压微波等离子体射流具有高密度、高活性的优点,但是难以调制出特定需求的等离子体射流形貌,从而限制了微波等离子体射流的应用范围.本文构建了脉冲微波发卡谐振放电装置,产生了大气压脉冲调制微波氩等离子体射流.实验表明,脉冲调制微波等离子体射流存在三种典型的放电形态:当脉冲频率为10 kHz时,氩等离子体射流呈现周期性变化,且在发卡的开口端形成了拱形的等离子体形貌;当脉冲频率为30 kHz时,氩等离子体射流呈现非周期性变化,等离子体形貌为月牙形;当脉冲频率为60 kHz时,氩等离子体射流呈现大尺度非周期性变化,此时形成了类椭圆形等离子体形貌.此外,微波瑞利散射实验测定了氩等离子体射流的时空电子演化过程,得出电子密度峰值为4.06×10²¹m^-3,电子数在10¹³的量级且随入射功率呈周期性变化.结合实验和仿真结果,三种放电形态的形成机制可归因于局域增强电场的共振激发、微波等离子体射流中的电离波推进、脉冲调制微波氩等离子体中不同粒子的时空分布等共同作用.