100 MW循环流化床锅炉长周期安全高效运行研究

为实现循环流化床锅炉的长期安全稳定运行,对这个国产410 t/h CFB锅炉进行了防磨综合治理改造,分另进行了主动多阶防磨梁安装、冷态试验、热态试验、运行优化调整.结果显示,防磨综合治理改造显著降低磨损,锅炉效率提升了0.75％,相关研究工作为锅炉的长周期安全高效运行创造了良好条件.     

单螺杆压缩机浮动星轮耐磨设计研究

建立了单螺杆压缩机浮动星轮动力学模型,分析了星轮片厚度、材料密度、弹性模量、星轮轴承处摩擦系数等因素对星轮耐磨特性的影响,提出了以啮合动载作为星轮耐磨设计的准则,并将以此理论设计的浮动星轮成功地应用于DLG－3／7单螺杆设计之中。     

一种新的局域网时间同步方法

传统的对时方法精度不能满足实时性要求较高的应用的要求。本文引入时间中介计算机、时间服务器与客户概念。采用主动对时机制,消除了以太网的竞争机制对系统对时精度的影响。     

正交软件体系结构设计与应用

讨论正交软件体系结构的基本思想和结构框架,通过实例研究正交软件体系结构的设计与进化过程,并分析其质量特性,结果表明正交软件体系结构在项目需求、开发和管理方面具有独特的优势。     

基于多Agent强化学习的多站点CSPS系统的协作Look-ahead控制

研究多站点传送带给料生产加工站(Conveyor-serviced production station, CSPS)系统的最优控制问题, 其优化目标是通过合理选择每个CSPS的Look-ahead控制策略, 实现整个系统的工件处理率最大.本文首先根据多Agent系统的反应扩散思想, 对每个Agent的原始性能函数进行改进, 引入了具有扩散功能的局域信息交互项(原始项看作具有反应功能); 并运用性能势理论, 构建一种适用于平均和折扣两种性能准则的Wolf-PHC多Agent学习算法, 以求解决策时刻不同步的多站点的协作Look-ahead控制策略. 最后,论文通过仿真实验验证了该算法的有效性,学习结果表明, 通过性能函数的改进,各工作站的负载平衡性得到改善, 整个系统的工件处理率也明显提高.     

射流卷吸边界层内相干结构的实验研究

在轴对称水射流实验台上,采用单帧长曝光图像法,测量了出口Reynolds数在1849~2509范围内的卷吸边界层内流场结构。发现在流向距离L=2D~3.5D,径向距离H=D~1.25D的区域内,流场中吞噬作用和侵蚀作用两种卷吸模式交替出现。分析得到,当Re>1915时,吞噬作用所占的比例随着Re的增大而增大,当Re>2311之后,Reynolds数对该结构发生概率的影响降低;通过快速傅里叶变换得到该相干结构发生的频率在10～19Hz之间;吞噬作用发生的同时在流场中观测到一些特殊涡结构。同时采用运动单帧长曝光图像法对射流流场进行拉格朗日法观测,发现射流流场中的涡结构一般存在于湍流与非湍流界面附近。     

基于Paillier加密的数据多副本持有性验证方案

云存储服务中,用户将数据存储在不可信的云储存服务器上,为检查云存储中服务提供商(CSP)是否按协议完整地存储了用户的所有数据副本,提出一种 支持对数据副本进行动态操作 的基于Paillier加密的数据多副本持有性验证方案, 即DMR-PDP方案。该方案为实现多副本检查,将文件块以文件副本形式存储在云服务器上,将各副本编号与文件连接后利用Paillier密码系统生成副本文件以防止CSP各服务器的合谋攻击。利用BLS签名实现对所有副本的批量验证。将文件标志和块位置信息添加到数据块标签中,以保证本方案的安全性,支持对文件的动态更新操作。安全性分析和仿真实验结果表明,该方案在安全性、通信和计算开销方面的性能优于其他文献提出的方案,极大地提高了文件存储和验证的效率,减少了计算开销。     

装备战场失效模型及其应用

根据机械系统和电子系统的不同特点,针对战争中多种类型的攻击,建立装备战场失效率的一般模型。对战场视效率模型进行介绍,导出寿命分布函数以及平均寿命、方差和相关系数。通过实例进行比较、分析,提出了减小相关系数,提高装备战场可靠性的理论途径。     

非泊松工件流CSPS系统的Q学习算法适用性仿真研究

研究工件非泊松到达情况下,传送带给料加工站(CSPS)系统无法建立成半马尔可夫决策过程(SMDP)模型时, Q学习算法的适用性问题.首先,以马尔可夫调制泊松过程(MMPP)和半马尔可夫调制泊松过程(SMMPP)来模拟非泊松工件流,并在相同的平均到达率下,仿真评估其Q学习算法性能,并分别与泊松工件流情况下的Q学习算法性能进行比较:其次,在非泊松工件流情况下,观测以实时统计平均到达率作为工件标准泊松到达率的理论优化情况:最后讨论在MMPP和SMMPP叠加混合非泊松工件流情况下CSPS系统的Q学习算法性能.实验表明,在工件非泊松到达情况下Q学习算法依然能学到较好的控制策略,从而说明了CSPS系统中Q学习算法的适用性.     

可变服务率模式下基于需求驱动的传送带给料加工站系统的优化控制

本文主要研究可变服务率模式下基于需求驱动的传送带给料加工站(CSPS)系统的优化控制问题,主要目标是对系统的随机优化控制问题进行建模和提供解决方案.论文以缓冲库和成品库剩余容量为联合状态,以站点前视距离和工件服务率为控制变量,将其最优控制问题描述为半马尔科夫决策过程(SMDP)模型.该模型为利用策略迭代等方法求解系统在平均准则或折扣准则下的最优控制策略提供了理论基础,特别地,据此可引入基于模拟退火思想的Q学习算法等优化方法来寻求近似解,以克服理论求解过程中的维数灾和建模难等困难.仿真结果说明了本文建立的数学模型及给出的优化方法的有效性.