基于深度强化学习的机械装备剩余使用寿命预测方法

随着机械装备发展的日益大型化和复杂化,其使用安全性和可靠性也越来越受到重视.剩余使用寿命(remaining useful life, RUL)预测技术,通过分析设备的运行数据,预测设备还能正常运行的时间,利用该技术可有效提升设备运行的安全性和可靠性,同时可为设备的后续维修决策提供关键依据.本文提出一种基于深度强化学习(deep reinforcement learning, DRL)的RUL预测方法,首先通过自编码器(autoencoder, AE)对机械装备的原始信号进行特征提取,利用提取到的特征构成强化学习的状态变量,通过设置合适的动作空间和奖励函数训练强化学习模型,使其能依据样本间的时序相关性对装备的RUL进行准确预测.与其他方法相比,强化学习方法的时序交互决策逻辑可以自然地保留样本间的时序依赖关系,降低了RUL预测的波动性.最后利用涡轮发动机数据集CMPASS对提出的方法进行实验验证,所提出的方法在RMSE和Score两项指标上均优于目前多种RUL预测方法,且所提出方法对于接近退化末期的装备预测效果有明显提升.     

若干C_6—C_8烃与N—甲基吡咯烷酮、二甲基甲酰胺二元溶液的超额体积和超额折光率

测定了邻二甲苯——一苯乙烯体系及环已烷、环己烯、苯、甲苯、乙苯、对二甲苯、间二甲苯、邻二甲苯、苯乙烯与N——甲基此咯烷酮、二甲基甲酰胺分别构成的二元溶液的V~E和n~E;含有N——甲基呲咯烷酮和二甲基甲酰胺各二元系的V~E与n~E极值排列顺序相同。     

N-甲基-2-呲咯烷酮与某些芳烃相互作用的~1H核磁共振研究

N-甲基-2-吡咯烷酮(NMP)在石油化工中有广泛的应用。它是抽提芳烃、二烯烃以及自裂解焦油中提取苯乙烯的优良溶剂,而且对于苯乙烯和邻二甲苯的分离具有良好的效果。我们曾测定过某些NMP-芳烃二元体系的超额体积和超额吉氏函数,发现NMP与芳烃混合时均有明显的体积收缩,且以NMP-苯乙烯体系的体积收缩最为显著(V_(1/2)~E=-0.95cm~3/mol)。     

二甲基甲酰胺—苯,二甲基甲酰胺—甲苯分子间相互作用的研究

本文以半经验ＣＮＤＯ／２法为基础，采用分子近似，计算了二甲基甲酰胺－苯，二甲基甲酰胺－甲苯分子间相互作用位能曲线，并计算了二甲基甲酰胺中氮原子与羰基碳原子间化学键内旋转位垒，结果阐明了Ｈａｔｔｏｎ著名的实验事实；（１）二甲基甲酰胺的甲基上质子的核磁共振谱线随苯的加入而移向高场，（２）随着苯的加入ａ－甲基上质子的化学位移移向向高场的幅度比β－甲基上质子的化学位移移向高场场的幅度大。     

气液色谱法测定顺丁烯二酸酐与苯、甲苯、异戊二烯的分子络合常数

以丁二酸二正丁酯和顺丁烯二酸二丁酯为稀释溶剂,用气液色谱法测定了受体顶丁烯二酸酐与给体异戊二烯、苯、甲苯在20℃和25℃下的分子络合常数.对络合反应的生成热也作了估算.     

恒温静态总压法测定邻二甲苯—环丁砜,苯乙烯—环丁砜二元系的汽液平衡

在本工作中用恒温静态总压法测定邻二甲苯——环丁砜,苯乙烯——环丁砜二元系的汽液平衡;并计算了活度系数和超额吉布斯自由能。     

气液色谱法研究某些芳烃异构物在芳羧酸双酯类液晶中的溶液热力学

在不同温度下测量了二甲苯异构物、二氯苯异构物在三种邻甲基对苯二酚芳羧酸双酯类液晶向列相中的无限活稀度系数、过量偏摩尔焓及过量偏摩尔熵.对所测结果按溶液统计理论的观点作了定性的解释.