SiO2-Al2O3-MgO-F系玻璃陶瓷的等温析晶

应用光学显微镜(OM)和扫描电子显微镜(SEM)等技术,系统研究了SiO2-Al2O3-MgO-F系玻璃和玻璃陶瓷在等温条件下析晶组织转变和转变动力学.结果表明：针状云母晶体首先从玻璃体表面形核,然后以一维模式向玻璃体内部长大.根据John-Meehl-Avrami方程,得到玻璃转变的反应生长指数n为1,活化能A为276.97kJ/mol.     

加强诚信建设 强化行业监管 推动工程建设招标投标制度深入科学健康发展

非常高兴参加第二届中国招标投标高层论坛,与大家一起交流和探讨,推动工程招标投标领域的规范、科学、健康发展。     

硫磺砂浆的配制及在工程施工中的应用

硫磺砂浆是指将硫磺加热到一定温度形成液态,充分脱水后加入适当比例的预热干燥耐酸粉料和粒径1.25mm以下的细骨料,形成的一种新     

公路表面层AC-13C和AC-13F沥青混合料压实厚度试验研究

铺筑厚度在30～70 mm之间的密级配沥青混合料AC-13C和AC-13F,采用常用的施工工艺压实.建立了现场取芯试件空隙率和路面厚度的关系.以空隙率满足路面不严重渗水为条件,得出AC-13C和AC-13F的适宜压实厚度.与沥青混凝土路面设计规范推荐的适宜压实厚度进行了对比分析,提出了AC-13C和AC-13F各自的适宜压实厚度范围.     

强化喷丸对渗碳齿轮表面接触疲劳裂纹形成与扩展的影响

导致渗碳齿轮接触疲劳裂纹形成与扩展的动力参数是齿轮次表面所受的最大切应力τmax与其表面硬度的比值,减小该比值可延缓齿轮表面接触疲劳裂纹形成与扩展过程,提高齿轮疲劳寿命.分析了强化喷丸工艺对渗碳齿轮次表面所受τmax和表面硬度的影响,通过强力喷丸引入的冷作硬化可使渗碳齿轮表面硬度明显提高;引入的高残余压应力可使渗碳件次表面所受的τmax显著减小.试验表明,齿轮渗碳后再按最佳工艺进行强化喷丸后,可显著提高齿轮表面的疲劳强度.     

循环载荷混合作用下加筋板格极限强度的研究

通过采用非线性有限元软件ABAQUS进行循环载荷作用下加筋板格的极限强度研究,获得循环载荷作用下加筋板结构中残余应力、侧向荷载、随动强化及循环应变幅混合作用对极限强度的影响规律。数值结果显示:加筋板在0.16 MPa侧压、15%残余压应力、3.2倍屈服应变幅下,循环4次后的极限强度下降达39%,这表明循环载荷混合作用对极限强度的影响是不可忽视的。该研究成果对于进一步理解和研究船体梁在循环载荷作用下的递增塑性破坏的机理具有一定的理论价值和实用价值。     

基于深度强化学习的协同式自适应巡航控制

针对传统的协同式自适应巡航控制的算法响应慢、无法快速准确地对突发危险路况做出反应的问题,设计了基于深度强化学习的协同式自适应巡航控制框架,提出了双经验池和优化评价的深度确定性策略梯度算法.在传统算法基础上新建了2个包含车辆状态信息的经验池(优先价值经验池和撒普列经验池),训练数据样本分别从2个经验池按比例选取;critic评价模块采用多维向量对输出的踏板开度策略精确评价.结果表明,该算法在正常行驶工况和突发危险工况下:平均跟车间距误差分别下降1.8 m和1.5 m,跟车调节时间分别降低30%和25%,可以提升控制的准确性和系统紧急反应能力.      

平衡主线和匝道交通运行的强化学习型匝道控制研究

考虑合流区域主线和匝道的交通流运行状态,提出了一种基于深度强化学习的鲁棒自适应匝道控制模型——DRLARM模型。根据交通流运行特征,构造了平衡主线交通效率和匝道排队长度的强化学习奖励函数;为适应动态变化的交通环境,采用多交通流场景混合训练控制模型,在不同拥堵成因、不同拥堵时长、不同需求分布等测试场景下开展仿真实验,对比分析了无控制及DRLARM、ALINEA和PI-ALINEA模型控制的车辆平均行程时间A、车道占有率o、匝道排队长度W和匝道损失时间比P等评价指标。研究表明：DRLARM模型控制的平均行程时间A相比无控工况节省了22%,略好于ALINEA模型,与PI-ALINEA模型控制效果相当;DRLARM模型在不同测试场景下产生的匝道损失时间比P较稳定,匝道排队长度W绝对值相较于ALINEA模型和PI-ALINEA模型均缩短了约16%;深度强化学习方法兼顾了通行效率和路权公平性,训练所得DRLARM模型在动态交通条件下表现出良好的鲁棒性。     

基于异步优势强化学习的交通信号控制策略

为解决交通信号控制中的信号灯配时调度不合理、路口拥堵等问题,提出一种基于行动者-评论家算法的城市智能交通控制算法。该算法是一种基于异步优势的算法,可对交通状态特征进行抽象表征,并以多线程并行实现对交通状态的精确感知。该算法还参考了强化学习算法,能在最短时间内不断迭代优化其内部参数,得到交通信号控制的最优方案。为验证该算法的有效性,采用交通仿真软件SUMO,对该算法和其他3种典型的交通信号控制算法进行模拟仿真,并对仿真结果进行比较和分析。研究结果表明：与这3类典型算法中效果最好的Qlearning算法相比,该算法的交叉口车辆平均延误时间减少了14.1%,平均队列长度缩短了13.1%,平均等待时间减少了13.5%。该交通信号控制算法能有效地改善城市道路拥堵,提高道路交叉口的通行效率。     

基于模仿学习和强化学习的智能车辆换道行为决策

本文中提出了一种基于模仿学习和强化学习的智能车辆换道行为决策方法.其中宏观决策模块通过模仿学习构建极端梯度提升模型,根据输入信息在车道保持、左换道和右换道中选择宏观决策指令,以此确定所需求解的换道行为决策子问题;各细化决策子模块通过深度确定性策略梯度强化学习方法得到优化策略,求解相应换道行为决策子问题,以确定车辆运动目...