运用反馈原理改进航海类专业游泳教学

本文结合航海类专业体育教学的特点 ,借鉴信息反馈控制的有关原理 ,对航海类专业学生的游泳教学进行了实验研究 ,并在教学中注重利用信息反馈进行强化调控 ,探讨在游泳教学中如何运用强化调控及运用强化调控对教学效果与质量的影响 ,以便为今后教学改革提供一定的参考和建议。　　一、实验方法于 2 0 0 0年 3月至 1 2月对我校航海类专业2 0 0 0级 1 5 2人进行了教学实验。实验前对教学分组的学生进行了身体素质和游泳基础的测试 (见表1 ) ,测试结果经t检验证明两组无显著性差异。表 1　两组学生教学前的测试结果分析组　别人数技评距离 (m)…     

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     

平行板电极间玻璃中的电场分布

讨论金属与玻璃阳极连接过程中由于碱金属离子迁称所引起的电场在玻璃内的分布。结果表明靠近金属阳极一侧玻璃中电场强度10^8V/m量级。     

电力机车司机室侧窗玻璃隔声性能的仿真研究

通过噪声仿真软件VA one建立了电力机车司机室侧窗玻璃的统计能量仿真模型,对比分析了不同厚度的单层玻璃、不同中间空气层厚度的双层中空玻璃以及夹层玻璃的隔声量,并与试验结果相对比。仿真结果表明:夹层玻璃的隔声效果较好。     

烟台货运营业部创烟台港日卸车最高纪录

<正>烟台货运营业部通过出台系列考核办法、强化市场营销、强化任务考核,于近期创造了烟台港日卸609车的历史最高纪录。烟台地区持续降雨导致烟台车务段各站积压化肥车辆近1 200车。烟台货运营业部把卸车组织措施细化到每一个时段、每一条线路、每一批作业,全程督促指导卸车作业。面对待卸车急剧增长、保留车大量增多的现     

新型高频淬火及表面强化技术与应用

高频淬火是利用高频电流快速加热工件表面并实施迅速淬火的金属热处理工艺,将快速加热与淬火冷却相结合,只对距工件表面一定深度的部位进行强化,工件中央部位基本上保持处理前的组织和性能,从而获得高强度、良好耐磨损性及高韧性的综合性能。研究人员已在铁道车辆车轴、汽车齿轮及曲轴等零部件上成功应用这一工艺,取得了显著的经济及技术效益。研究表明,高频淬火是一项值得借鉴并推广的高效、环保的热处理工艺。介绍了新型高频淬火工艺的原理,提高工件疲劳强度的机理和具体方法,以及对曲轴和转向小齿轮等部件进行表面强化的应用实例。     

铁路关键信息基础设施安全保障体系研究

铁路作为我国重要基础设施,在国民经济及综合交通运输中占有极其重要的地位。文章对铁路关键信息基础设施防护需求进行分析,提出铁路关键信息基础设施的基础保护、强化保护、协同保护3层安全保障体系框架,通过实施工程项目和系统实验室建设,完善了该保障体系建设,进一步提升了铁路关键信息基础设施整体安全保护能力。     

基于改进型D3QN深度强化学习的铁路智能选线方法

传统的人工选线方法劳动强度大,设计效率低,随着我国铁路建设重心向西部复杂艰险山区转移,人工选线面临的困难日趋凸显。为缩减铁路选线的人力物力成本,提高设计效率,亟需发展结合了人工智能和信息技术的现代选线技术。为此,提出一种基于深度强化学习理论的铁路智能选线方法。以带有空间属性信息的数字高程模型为选线环境,以相邻空间点间的建造费用为即时奖励,以工程建造费用最小为优化目标,设置离散化的备选动作,考虑多种约束条件,构建面向铁路选线的深度强化学习模型。结合深度学习的感知能力和强化学习的决策能力,利用双竞争深度Q学习网络(DuelingDouble-Deep Q Network,D3QN)对模型进行训练,既克服强化学习问题对复杂状态和动作空间难以收敛的缺点,同时解决了传统DQN算法易于出现过估计、训练不稳定的问题,实现自动对选线环境进行感知、搜索、判断、决策,最终寻得目标函数最优的线路方案。以某山区铁路对本方法进行验证,实验结果表明：该方法能搜索到多样化的线路备选方案,可以为设计人员提供新的设计思路;有效降低了铁路建设的经济费用,较人工选线方案节约最多达17.5%。智能选线方法可以帮助节省选线工作...     

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。