银系抗菌纤维的制备工艺

银系抗菌纤维是一种功能材料,可广泛用于服装、家纺、医疗等领域。本文从抗菌强度、抗菌广谱性以及对人体的安全性三个方面评述了银的抗菌性能,介绍了银离子的抗菌机理,重点讨论了银系抗菌纤维的四种制备方法:镀银法、化学接枝改性法、后整理法和共混纺丝法,指出了银系抗菌纤维广泛使用亟待解决的问题。     

静电纺丝法制备聚乙烯醇纳米纤维

纳米纤维的制备和应用是纳米材料研究中极为活跃的领域和发展前沿。静电纺丝法作为一种能够直接、连续制备聚合物纳米纤维的方法,受到广泛关注。本文利用电纺技术制备了聚乙烯醇(polyvinyl alconhol,PVA)纳米纤维,考察了PVA溶液静电纺丝中PVA浓度,纺丝电压和接收距离等电纺参数对PVA纤维形成及其微观形貌的影响。实验结果表明,PVA浓度对PVA纤维形成和形貌起决定作用,随PVA浓度的提高,块体转变为均匀纤维,纤维直径逐渐增加;当接收距离和溶液流速恒定时,随纺丝电压的提高,纤维平均直径有缓慢提高的趋势;接收距离几乎不影响PVA纳米纤维的微观形貌。通过实验确定了制备PVA纳米纤维最佳条件为:电纺溶液组成为10%PVA水溶液,纺丝电压:15kV,流速:0.5mL/h,接收距离:15cm。     

含水量对固态胺纤维吸附CO_2速率的影响

在0.101MPa、温度25℃、CO2含量1.0%条件下,实验测定了含水量0～300%范围内SAF吸附CO2速率,含水量为60%～120%时吸附最快。对低、高含水量工况下水的作用分别进行了讨论,高分子涂层溶胀程度和纤维团堆密度分别是两种状态下影响吸附速率的主要因素。依据扩散控制模型,推导出了适宜含水量下吸附速率公式,当含水量为100%时,其实验值为13.2 g/（kg.min）,约为理论估算值95.0g/（kg.min）的1/7。     

基于场景动力学和强化学习的自动驾驶边缘测试场景生成方法

为解决小概率高风险边缘测试场景的问题,本文提出一种基于场景动力学和强化学习的边缘场景生成方法,实现边缘场景的自动生成,能模拟真实世界中车辆间的对抗与博弈行为的特征。首先将随时间动态变化的场景模型由一组微分方程描述为场景动力学系统;然后利用神经网络作为通用函数逼近器来构造场景黑盒控制器,并基于强化学习实现边缘场景控制器的优化求解;最后以超车切入场景为例,在Matlab/Simulink软件进行仿真验证,结果表明,边缘场景强化生成模型在场景交互博弈、覆盖率和可重复测试等方面具有良好的性能。     

加纤维沥青混凝土用于桥面铺装的路用性能及施工研究

通过研究普通及纤维沥青混合料各项路用性能及力学性能,表明添加纤维能显著改善沥青混合料的高温稳定性、低温抗裂性及水稳定性能,并且能有效地增加混合料的整体性与柔韧性,适于作为桥面铺装材料。     

改善码头面层混凝土塑性收缩的方法

混凝土塑性收缩除了与环境温度、湿度、风速以及混凝土表面温度有关外,混凝土组成和配合比也对塑性收缩和开裂产生一定的影响.采用粉煤灰、粒化高炉矿渣粉以及聚丙烯纤维,进行了码头面层混凝土塑性收缩的研究.研究结果表明,20%的粉煤灰对混凝土的塑性收缩的影响不大,与基准混凝土的塑性收缩相当;掺入30%的粒化高炉矿渣粉比基准混凝土的塑性收缩略有增加.提出了控制码头面层混凝土塑性收缩综合防治方法,并在洋山港三期工程中进行了应用,有效控制了码头面层的塑性收缩.     

高韧性纤维水泥稳定碎石路用性能研究

反射裂缝是沥青路面半刚性基层中常有出现的问题,研究提出将自主研发的特种高韧性纤维掺入到水泥稳定碎石中,达到改善其抗裂性能的目的,通过测定多种纤维掺量水泥稳定碎石的无侧限抗压强度、劈裂强度、单轴压缩模量及收缩系数,分析该特种高韧性纤维对水稳碎石材料性能影响的变化规律。试验结果表明：随着纤维掺量逐渐大,水泥稳定碎石养护7、28、90 d的无侧限抗压强度和劈裂强度均呈现先增大后减小的趋势,且各种指标强度均在1‰纤维掺量时最大,单轴压缩模量在2‰下有最大值。养护90 d的无侧限抗压强度和劈裂强度在掺入1‰纤维后分别提高14.1％和9％;掺加特种高韧性纤维能够改善水稳碎石材料的收缩性能,纤维掺量为1‰时,温缩系数和干缩系数分别比不掺时提高14.1％和12.8％。     

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     

基于Q学习算法的摘挂列车调车作业计划优化

针对摘挂列车编组调车作业计划编制问题,基于强化学习技术和Q学习算法,提出1种调车作业计划优化方法。在表格调车法的基础上,将调车作业计划分为下落和重组2个部分。通过动作、状态和奖励3要素构建调车作业问题的强化学习模型,以调车机车为智能体,以车组下落的股道编号为动作,以待编车列的下落情况为状态,形成车组挂车、摘车具体条件和车辆重组流程,并依据车组下落的连接状态和车辆重组后产生的总调车程设计奖励函数。改进Q学习算法求解模型,以最小化调车程为目标,建立待编车列与最优调车作业计划之间的映射关系,智能体学习充分后即可求解得到最优的调车作业计划。通过3组算例对比验证本方法效果,结果表明:相较于统筹对口法和排序二叉树法,本方法使用的股道数量更少、调车作业计划更优;相较于分支定界法,本方法可在更短时间内求解质量近似的调车作业计划。因而,本方法有助于提高车站调车作业计划编制的智能化决策水平。     

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。