大体积混凝土结构裂缝成因及控制措施

浅析大体积混凝土裂缝的成因,并论述了大体积混凝土结构裂缝控制的各种措施(包括设计措施、材料措施、施工措施),给有关技术人员在处理大体积混凝土裂缝问题提供参考。     

基于深度学习的无人机航拍目标检测与跟踪方法综述

基于视觉的目标检测与跟踪方法是当前最火热的研究方向之一。近年来,随着无人机技术的快速发展,利用无人机航拍技术进行目标检测与跟踪也成了研究的热点。对于无人机目标检测,首先探讨了无人机航拍目标检测与跟踪任务的复杂性和难点,并着重介绍了以深度学习为基础的目标检测算法;针对无人机目标跟踪技术,深入探讨了以相关滤波为基础和以深度学习为基础的两种判别式目标跟踪算法;最后,总结并展望了在无人机领域目标检测与跟踪技术的应用前景。     

叉型叶根超声相控阵检测综合应用研究

叉型叶根结构作为常用的叶根型式之一,在役检测时,因其结构复杂及检测空间受限,常规方法往往很难达到预期的检测效果。采用超声相控阵技术对叉型叶根进行检测,并设计制作相应的调试和对比试块。通过在不同位置对叉型叶根内外弧不同深度模拟缺陷进行检测,并用软件与结构图纸进行1:1拟合对比分析,全面地测试和分析了其检测效果,得出叶根的弧形面和端角产生的结构波会与缺陷波产生复杂的干涉,在对叶根进行检测时,探头应适当往中间侧移动并适当提高检测灵敏度,以保证最佳的检测效果。     

基于干扰观测器的机电伺服系统PI控制策略

空气舵机电伺服系统的主要任务是接收控制指令,并驱动负载按指令角度摆动,在各类航空航天飞行器中具有越来越广泛的应用价值。然而在运行过程中存在的未知干扰给机电伺服系统高精度控制带来了巨大挑战。针对这一问题,提出基于干扰补偿的空气舵机伺服系统控制策略。首先进行空气舵机电伺服系统模型分析,其次运用径向基函数设计神经网络的状态观测器,将不可测量的舵面角度用估计值替代进行反馈控制,最后应用Lyapunov方法分析了有限时间收敛条件。仿真结果表明：与传统电机角度反馈相比,所提出的控制策略使空气舵机电伺服系统的稳态误差减少97%以上。     

相控阵超声新技术在电站设备无损检测中的实践思路探索

超声相控阵检测技术20世纪60年代就已经出现,被应用于医疗领域。但是由于固体中波动传播复杂性、系统复杂性和成本费用高等因素存在,限制了超声相控阵检测技术在无损检测中的运用。而电子技术和计算机技术以及压电复合材料等高新技术被广泛综合应用,促进了超声相控阵技术发展,并且渐渐应用到工业无损检测中。     

特殊古滑坡地质灾害对黑大公路建设的影响

通过黑大公路建设中所发生的路基滑塌反映了古滑坡地质特殊类型特征对公路建设的灾害性影响。对寒冷地区、山岭重丘植被覆盖区的沉积岩层中修筑公路有一定的指导意义。     

粒子群优化的变论域模糊 PI 机电作动器控制

为了提高飞机机电作动器的位置跟踪速度,克服传统 PI 算法参数调试依赖于人工经验的缺陷,提出一种基于粒子群优化的变论域模糊 PI 控制方法。首先根据机电作动器的结构与工作原理,建立永磁同步电机与机械传动部分的数学模型;然后根据电机控制系统建立机电作动器位置环变论域模糊 PI 控制模型;最后利用粒子群优化算法对量化因子、比例因子以及伸缩因子寻优并进行仿真验证。仿真结果表明,与传统 PI 控制和模糊 PI 控制相比,基于粒子群优化的变论域模糊 PI 控制方法在具备着传统模糊控制算法优点的同时,又能够根据偏差变化实时调整论域,改善系统的性能。     

基于深度强化学习的锂电池快速充电控制策略

安全高效的锂电池充电控制策略对于电动汽车的发展具有重要推动作用。针对锂电池的快速充电问题,提出一种综合考虑锂电池充电速度、能量损耗、安全约束多目标优化充电控制策略。基于动作-评价网络框架,利用基于近端策略优化的深度强化学习算法,训练出使得充电目标对应的奖励函数最大的充电策略神经网络和策略评估神经网络。然后,利用训练完成的充电策略神经网络根据当前电价和电池SOC智能决策出最优的充电电流。该充电控制策略的优势在于能够在保证快速充电的同时,实现充电花费最小化。同时,充电策略神经网络在线运算量较小,与基于模型的在线优化算法相比更能满足充电控制的实时性要求。最后,仿真结果表明,该充电控制策略与传统恒流-恒压法相比,具有兼顾充电速度与电费支出的优势,满足快速充电任务需求的同时,最高可降低25%的充电成本。     

基于深度强化学习的多无人机电力巡检任务规划

无人机因其成本低、操控性强等优势,在电网线路与电塔的巡检任务中取得了广泛的应用。在大范围电网巡检任务中,单台无人机由于其续航半径有限,需要多架无人机协作完成巡检任务。传统任务规划方法存在计算速度慢、协作效果不突出等问题。针对以上问题,本文提出一种基于多智能体强化学习值混合网络（QMIX）的任务规划算法,采用集中训练、分散执行的框架,为每架无人机建立循环神经网络,并通过混合网络得到联合动作值函数指导训练。该算法通过设计任务奖赏函数以激发多智能体的协作能力,有效解决多无人机任务规划协作效率低的问题。仿真实验结果表明所提算法的任务时间相比于常用的值分解网络（VDN）算法减少了350.4 s。     

枞树型叶根超声相控阵检测方法

枞树型叶根是低压转子叶根的主要型式之一,在实际检测时,因其叶根本身的复杂结构及检测空间受限,很难达到预期的检测效果。本文采用超声相控阵技术对枞树型叶根进行检测,试验设计了叶根调试试块和对比试块,对叶根不同位置进行检测,并采用软件对叶根检测数据结合其结构原图,按照1:1拟合出数据图谱,全面分析了超声相控阵检测技术的检测方法及检测效果,得出叶根弧形结构回波会与缺陷波产生明显的干涉,在对叶根不同齿牙的应力区进行检测时应注意探头位置的设计,探头应置于齿牙上方且应有一定的移动空隙以保证获得最佳检测效果。