正交体系下隧道与滑带相交力学模型与加固研究

在山区修建高速铁路或公路时,为了保证线路的顺直性,选线难以对所有滑坡都进行避绕,导致隧道穿越大型滑坡的情况经常发生。在修建以及线路运营过程中,时常发生隧道拱顶开裂、隧道支护鼓胀、隧道变形严重侵限等问题。结合三个典型隧道-滑坡正交体系的具体实例,通过其施工监测变形,剖析了正交体系下隧道-滑坡在单滑面的变形特征,并分析了其受力模式。结合数值模拟和受力模式,提出了一体化加固方式,并以实例分析了其加固效果。研究结论:①在单滑面情况下,总结了滑带与隧道相互作用下的变形特征:当滑带作用于隧道边墙,其破坏类型为剪切破坏;当滑带作用于拱顶时,隧道破坏类型为挤压剪切破坏,隧道以拱部变形为主;②简化了滑带作用于隧道边墙的受力计算模型,利用数值计算验证了计算模型简化的合理性;③对滑带作用于隧道边墙的相互作用模式,提出了合理的加固方式,并通过计算表明隧道的变形得到了较好的控制。     

600MPa钢筋混凝土十字形柱抗震性能参数分析

为研究600 MPa钢筋混凝土十字形柱的抗震性能,对4个不同轴压比的试件进行低周往复荷载试验。研究结果表明600 MPa钢筋混凝土十字形柱的滞回曲线饱满对称,耗能能力良好;采用ABAQUS软件对试件进行有限元分析,对比分析试件的滞回曲线和骨架曲线,有限元计算结果与试验结果吻合较好。在此基础上,分析配箍率、钢筋强度和配筋率对600 MPa钢筋混凝土十字形柱抗震性能的影响。分析结果表明:随着配箍率增大,试件的极限承载力提高;随着钢筋强度的提高,试件的峰值荷载增大,塑性变形能力增强,抗震性能得到改善;随着配筋率增大,试件的滞回环更加饱满,耗能能力增强,但刚度退化加速。     

基于触觉传感器和强化学习内在奖励的机械臂抓取方法

触觉在机器人抓取过程中扮演着重要的角色,但在大多数强化学习任务中,触觉仅被用于拓展状态空间,其提供的位置和压力等信息很少被完全利用.针对该问题,同时受内在奖励机制启发,首先设计了一种“倒T”形传感器阵列布局;然后基于这种传感器阵列提出了新的内在激励方法,该方法根据机械臂末端与物体接触位置的不同,给予不同的重视程度,鼓励智能体以更有效的姿态来夹取物体;最后将该方法在仿真环境中进行测试,结果表明该方法在夹取椭球和圆球物体任务中收敛速度比最新的基准方法平均提高了约20%.     

面向多目标柔性作业车间调度的强化学习NSGA-II算法

针对非支配排序遗传算法 (NSGA-II, non-dominated sorting genetic algorithm II)在求解柔性作业车间多目标优化调度问题中多样性不足、易于早熟与局部收敛的缺点,提出一种基于强化学习的改进NSGA-II算法(RLNSGA-II, reinforcement learning non-dominated sorting genetic algorithm II)。为避免NSGA-II陷入局部收敛问题引入双种群进化策略,利用性别判定法将种群拆分为两个种群,并在进化过程中采用不同的交叉变异算子,增加算法的局部和全局搜索能力;为解决NSGA-II精英策略造成多样性不足的问题,融合多个多样性度量指标,利用强化学习动态优化种群迭代过程中的拆分比例参数以保持多样性,改善算法收敛性能。最后通过Kacem标准算例进行了仿真实验与性能分析,验证了RLNSGA-II的有效性与优越性。     

不锈钢纤维增强ZA43复合材料的常压铸渗工艺

通过常压铸渗工艺制备了不锈钢纤维增强ZA43合金复合材料 ,分析了浸渗时间 ,N2 保护对浸渗过程和复合效果的影响 .研究结果表明 ,在一定时间和体积比下 ,浸渗过程宏观上是完全的 ,所获得的复合材料硬度和耐磨性都有不同程度的提高 ,但纤维与基体界面杂质和反应的控制还需进一步研究     

纤维增强MDF水泥的性能

研究了玻璃纤维和碳纤维作为MDF水泥增强材料的可行性及其增强效果，考察了二种纤维的长径比、体积掺量对MDF水泥材料的抗弯强度、断裂韧性、浸水体积膨胀率等性能的影响。研究结果表明，碳纤维和玻璃纤维作为MDF水泥的增强材料均能够显著提高MDF水泥的力学性能和耐水性、玻璃纤维的效果优于碳纤维。纤维增强MDF水泥的微观结构特征是纤维在复合材料中呈三维均匀分布，形成空间网络结构，这是纤维增强MDF水泥的主要原因。     

后张T梁预应力筋管道摩阻损失测试与分析

通过对秦沈客运专线上跨度16m后张法预应力砼T梁的预应力筋管道摩阻损失进行测试，验证其损失值在规范允范内，说明张拉施工满足设计及施工规范。     

基于智能Agent的复合学习方法

从实例学习和事例推理的关系出发,分析了专家经验累积的过程,指出传统知识获取瓶颈的根源.在此基础上,借助agent理论,提出了一种从专家分析实例学习和事例推理的有机结合模型,给出了专家知识获取的基本框架.构成此框架的各归纳学习agent在专家的协助下,可通过加强学习机制相互促进.     

开环可重入排队网络的递阶增强型学习调度

对平均费用型马氏决策过程 ,研究了一种递阶增强型学习算法 ;并将算法应用于一个两台机器组成的开环可重入生产系统 ,计算机仿真结果表明 ,调度结果优于熟知的启发式调度策略.