纤维混凝土立方体抗压性能试验研究

混凝土作为目前使用量最多的建筑材料,因其易取材、耐久性好等优点被广泛运用,但由韧性差、易开裂等缺点,在混凝土中掺入纤维可以改善这些缺陷。为了研究不同纤维混凝土的力学性能,制作了9组27个标准立方体试块,前5组将PVA纤维按照0,0.05%,0.1%,0.15%,0.2%的掺杂到混凝土中;后4组控制纤维总量为0.2%,将PVA纤维与钢纤维以1∶3,1∶1,3∶1以及全掺0.2%钢纤维的掺量掺杂到混凝土中,采用液压机进行抗压试验,结果表明:在单掺纤维中,随着PVA纤维的掺量增加,抗压强度得到提升;对于混掺纤维,随着钢纤维掺量的增加,混凝土的抗压强度得到提升。     

墙体自保温体系在武汉地区的应用研究

简述夏热冬冷地区节能率提高的技术重点,分析墙体自保温体系应用的技术难点,结合工程实例介绍墙体自保温体系在武汉地区的应用研究.     

太阳能热水系统在建筑工程中的应用与探讨

探讨了与建筑相适应的不同太阳能热水系统特点,提出了太阳能建筑一体化过程中各专业协调配合流程,对比分析了太阳能热水系统成本及性价比,给出了当前不同建筑宜采用的太阳能热水系统形式。     

改进型装配式钢牛腿节点抗火性能试验研究

为了解采用不锈钢螺栓和增设焊缝对装配式钢牛腿节点抗火性能的影响,进行了3个ASTM-E 119升温模式下改进型钢牛腿节点抗火性能试验,获得了钢牛腿的温度分布、节点变形、破坏形态和耐火极限.建立了节点抗火分析有限元模型,通过与试验数据对比验证了模型的准确性.研究结果表明:采用不锈钢螺栓和增设焊缝均能有效提高节点的耐火极限...     

质子交换膜燃料电池亲水电极研究

用质量百分比为40%Pt/C Nafion制备了亲水电极,并与Nafion112质子交换膜热压制备了质子交换膜燃料电池膜电极组件.用恒电流极化和电化学阻抗谱研究了电极组分对性能的影响,同时优化了各组分的含量.在碳纸基体和催化剂层之间引入了C/FEP催化剂支撑层,支撑层碳粉的优化载量为0.8 mg/cm2,FEP的优化质量百分含量为40%.电极催化剂层Pt的适宜载量为(0.40±0.05)mg/cm2,Nafion的优化质量百分含量为30%.     

融入概率学习的混合差分进化算法求解绿色分布式可重入作业车间调度

本文针对绿色分布式可重入作业车间调度问题(GDRJSSP), 提出一种融入概率学习的混合差分进化算法 (HDE PL), 以实现最大完工时间和总能耗最小. 根据GDRJSSP的问题特点, 设计编码和解码规则, 并采用差分进化 算法执行全局搜索来发现优质解区域. 为能更明确地引导全局搜索方向, 设计基于贝叶斯网络结构的多维概率模型 合理学习和积累优质解(即当前种群中的较优解)的模式信息. 结合问题解的结构特征, 提出基于关键路径的4种邻 域结构来构造局部搜索, 并设计基于非关键路径的节能策略来提升算法获取低能耗非劣解的能力. 仿真实验和算 法对比验证了HDE PL可有效求解GDRJSSP.     

三阶段拉格朗日启发式算法求解带同时取送货的绿色车辆路径问题

针对带同时取送货的绿色车辆路径问题,以最小化带碳排放费用的配送成本为优化目标,建立混合整数规划模型,并提出一种结合数学规划方法与启发式算法的三阶段拉格朗日启发式算法进行求解.第1阶段,利用拉格朗日松弛技术得到该问题的拉格朗日对偶模型;第2阶段,设计一种改进的次梯度算法迭代求解该对偶模型,同时引入修复机制,将每次迭代所得下界对应的解修复为原问题较高质量的可行解,并在下次迭代中利用该可行解更新次梯度方向和步长;第3阶段,设计一种启发式局部搜索算法,对第2阶段得到的可行解进行优化,进一步改进解的质量,以得到原问题的近似最优解.实验表明,所提出算法能够获得问题的一个优质解,同时提供一个紧致下界,用以定量评估解的质量.     

考虑联合热电需求响应的多能源协调优化技术

为了满足用户对热能与电能的需求,解决现有多能源协调技术协调性能不佳的问题,提出考虑联合热电需求响应的多能源协调优化技术。综合光伏发电、风力发电、水力发电、燃气锅炉产热等能源生产方式,构建热电联合供给数学模型。在该模型下,根据用户的供暖面积和用电规律预测热电需求量,确定需求响应方式。利用能源枢纽装置实现能源之间的转换,调整能源波动峰值。在线路、购售电状态等条件的约束下,利用遗传算法求解数学模型,扩大能源存储容量,实现多能源协调优化。从实验结果中可以看出,该技术应用后,能够从热能和电能两个方面满足用户需求,有效降低能源消耗量,提高能源利用率,具有良好的协调性能。     

超启发式交叉熵算法求解模糊分布式流水线绿色调度问题

针对实际生产过程中普遍存在的加工时间不确定性,采用模糊数表示工件的加工时间,以同时最小化模糊最大完工时间和模糊总能耗为优化目标,建立模糊分布式流水线绿色调度问题(green distributed permutation flow-shop scheduling problem with fuzzy processing time,GDPFSP_FPT)的模型,进而提出一种超启发式交叉熵算法(hyper-heuristic cross-entropy algorithm,HHCE)进行求解.首先,HHCE采用一种新颖的三角模糊数排序准则合理计算个体的目标函数值,可在算法搜索过程中较准确发现优质解区域;其次,HHCE在高层利用基于贡献率的评价方法确定8种特定邻域操作所构成的各排列的优劣,同时采用交叉熵(cross-entropy,CE)方法学习较优排列的信息并生成新排列,进而在低层把高层生成的每个排列作为一种启发式算法,对低层相应个体执行一系列邻域操作,以实现对问题解空间较多不同区域的搜索;然后,HHCE将基于非关键路径的节能策略用于对低层每代种群中的较优个体执行局部搜索,从而进一步提高算法获取低能耗非劣个体或解的能力;最后,仿真实验与算法对比表明,HHCE可有效求解GDPFSP_FPT.     

超启发式分布估计算法求解带软时间窗的同时取送货车辆路径问题

本文针对带软时间窗的同时取送货车辆路径问题(VRPSPDSTW),以最小化车辆行驶总里程和最大化服务准时率为优化目标,提出一种超启发式分布估计算法(HHEDA)进行求解.全局搜索阶段,首先,提出3种启发式规则生成初始个体,以确保初始种群的质量和分散性;其次,根据问题特点,构造3个概率矩阵分别学习和积累优质解的排序信息、客户间的距离信息和捆绑信息,并通过采样概率矩阵生成新个体,以增强算法全局搜索发现解空间中优质区域的能力.局部搜索阶段,将11种邻域操作组成备选集合,进而设计学习型超启发式局部搜索(LHHLS),用于动态选择备选集合中的部分邻域操作构成多种新的有效启发式算法,以执行对解空间中优质区域的深入搜索.最后,仿真实验和算法比较验证了HHEDA的有效性.