基于Q学习的参数自适应S面控制方法

复杂的动力学特性及多变的海洋环境对无人水下航行器（UUV）控制器的设计提出了巨大挑战,在实际应用中,控制器的参数经人工调试后便固化,在控制过程中无法适应环境的变化。针对上述难题,该文借鉴自适应控制思想,提出一种基于强化学习的参数自适应S面控制方法,采用自适应控制方式实现不同环境下控制器参数的优化和自动整定。该方法采用Q学习算法进行训练,通过Q学习的自学习机制寻找输入状态和输出动作间的最优映射。仿真试验表明,所提方法能对控制器的参数进行实时在线调整,具备良好的控制效果和环境自适应能力。     

以打造世界一流集装箱码头为目标强化作业效率管理(续前)

2．5 合理调配资源,有效提高综合资源生产率现代集装箱码头高度机械化的作业特点决定了其固定设备的投资是十分巨大的,作为其经营主体的码头公司必须考虑企业的生存及盈利问题,因此也不可能无限制的投入机械设备。同时,集装箱码头即使规模     

接枝SBS对改性沥青稳定性的影响及机理研究

通过沥青基本性能测试、红外光谱测试、荧光显微镜研究了接枝SBS对改性沥青稳定性能的影响及其机理。结果表明:丙烯酸接枝到SBS,在SBS中引入极性基团,其改性为化学改性;接枝SBS改性沥青的改性剂和沥青之间界面非常模糊,改性剂和沥青有较好的相容性,界面结合强度较好;接枝SBS(2%~6%SBS)离析后软化点差仅为0.1~1.1℃,提高了改性沥青的高温储存稳定性,达到了规范的要求。     

大型齿轮的新热处理方法——高频加热硬化处理

介绍了德国Reese公司正在开展大型零件的高频加热硬化处理的研究计划,并以大模数齿轮为实例,就渗碳硬化与高频加热硬化处理工艺进行比较,指出高频加热硬化处理能以低成本、高质量制造大型齿轮,且该工艺的环保性优良。     

Zn(acac)2·H2O化学气相沉积产物的表征

以Zn(acac)2.H2O为前驱体,以硅片为基底,采用化学气相沉积法,在不同的催化剂条件下,分别制备了ZnO纳米棒、ZnO纳米钵以及C纳米管,并分别用SEM、TEM、EDS和XRD对各产物进行了表征。当催化剂为水溶性金纳米粒子时,制得ZnO纳米棒;当催化剂为Fe-Pt合金时,制得C纳米管;当不用催化剂时,制得ZnO纳米钵。     

冷链货物非接触式智能搬运系统

为提升冷链货物搬运作业的自动化水平和整体效率,降低一线作业员感染新冠病毒的风险,研究基于传统人工冷库条件的冷链货物非接触式智能搬运系统工艺方案。在拆装箱环节,运用机器视觉和无线遥控等技术实现低温复杂环境下盒装货物自动化拆装箱技术;在码垛环节,运用强化学习算法优化码垛机器人多货型堆码作业;在货物冷库货架堆存环节,基于5G通信技术设计超高位叉车无人驾驶和远程装卸系统方案。应用结果表明,系统能够在一定程度上提升冷链库作业效率、降低人工货物接触频次和人工成本。     

化学改性乳化沥青桥面防水材料研究

文中研究了一种可用于混凝土桥面的层间粘结防水材料。该材料结合沥青及高分子材料的特点,用自行配制的乳化剂和改性剂,并针对改性剂的内部结构加入接枝剂和活性引发剂对其进行化学构网,配合特殊的乳化工艺加工而成。性能检测显示,此产品具有耐高低温性能优异、粘结力大、耐老化、高效环保等优点,从而有效地克服了传统防水材料的缺点,大幅度提高了桥面的粘结防水性能。     

基于深度强化学习的自动驾驶车辆跟驰行为建模

为提高自动驾驶车辆的跟驰性能,减轻交通震荡干扰的负面影响,研究了1种基于深度强化学习的自动驾驶跟驰模型。在现有奖励函数设计基础上融入对能源消耗的考虑,基于VT-Micro模型构建能耗相关项;同时对使用跟车时距构建行驶效率因素相关项的方法进行优化,添加虚拟速度来避免在交通震荡场景中出现计算溢出和车间距过近的问题。为克服过往抑制震荡研究中仅用闭合环状模拟道路和仿真车辆轨迹开展训练的局限性,选用NGSIM轨迹数据中交通震荡阶段的驾驶员行为特征搭建训练环境,应用双延迟深度确定性策略梯度算法（Twin Delayed Deep Deterministic Policy Gradient Algorithm,TD3）训练形成多目标优化的跟驰模型。进一步构建模型性能测试评价体系,对比分析TD3模型与其他传统模型在跟车与交通震荡2类测试场景中的表现。跟车测试场景实验结果表明：在舒适度与行驶效率上,TD3模型和传统自适应巡航控制（Adaptive Cruise Control, ACC）模型表现相近,二者均优于人类驾驶员;在安全性上,TD3模型相较于传统ACC模型安全隐患降低53.65%,相较于人类驾驶...