内置H型钢再生混凝土钢管柱抗震性能有限元分析

为研究内置H型钢再生混凝土钢管柱的抗震性能，利用ABAQUS有限元分析软件研究了6根试验柱在低周反复荷载作用下，再生混凝土强度、再生粗骨料取代率和型钢配钢率对其破坏形态、滞回性能、骨架曲线、耗能能力和刚度退化曲线的影响规律。结果表明：试验柱均呈弯曲型破坏，滞回曲线均较为饱满，刚度退化较慢，表现出良好的耗能能力以及抗震性能；试验柱的峰值承载力和耗能能力随再生混凝土强度的提高而提高，随再生粗骨料取代率的提高而降低；随着型钢配钢率的增加，试验柱的承载力和耗能能力均显著提高；各试验柱的位移延性系数均在5.0～6.0，具有良好的弹塑性变形能力。     

冷镀锌表面处理状态电阻点焊接头盐雾腐蚀后疲劳性能的研究

通过盐雾腐蚀试验及脉动拉伸疲劳试验对Q310NQL2(2.5 mm)+Q345NQR2(3 mm)电阻点焊接头进行疲劳性能的研究。试验结果表明：与未经盐雾腐蚀的冷镀锌表面处理状态电阻点焊接头疲劳极限相比，经盐雾腐蚀后电阻点焊接头的疲劳性能有一定程度的降低；盐雾腐蚀时间对冷镀锌表面处理状态电阻点焊接头的疲劳性能影响不大。     

基于深度学习的HARQ辅助空天地融合网络时延受限容量预测

空天地融合网络（Satellite-Aerial-Terrestrial Integrated Network，SATIN）可以满足未来网络对全时全域全空通信和网络互联互通的需求。为了降低用户端传输时延并满足高频谱利用效率的要求，研究了基于深度学习的混合自动重复请求（Hybrid Automatic Repeat reQuest，HARQ）辅助的SATIN的时延受限容量（Delay-Limited Throughput，DLT）。为了提升性能预测效率和实时性，提出了基于卷积神经网络（Convolutional Neural Network，CNN）的性能预测方法，采用了一种去除池化层的改进CNN模型。预测结果表明，所提出的CNN预测结果较优，较Elman、BP等传统机器学习方法有更好的预测性能，其误差在10浮动，且预测时间较其他方法大幅度减少。     

海底硬岩钻探的现状与前景分析

海底硬岩是世界大洋钻探实现"莫霍钻"目标必然钻遇的地层。世界大洋钻探实施的航次中已多次钻遇海底硬岩,不仅采获了岩心样品,也在钻进施工中发现了诸多问题。本文搜集了近年来世界大洋钻探实施的309、312、335、360和384等有关海底硬岩钻探航次的资料,在对航次情况简要介绍的基础上,重点阐述了目前海底硬岩钻探在钻头、井壁稳定以及取心工具等方面遇到的挑战以及采取的应对措施,并对今后海底硬岩钻探的发展进行了展望。     

一种200 V垂直型恒流二极管的优化设计

恒流二极管具有很高的动态阻抗、很好的恒流性能以及负温度特性,被广泛应用于恒流源、稳压源、放大器以及电子仪器的保护电路中。设计了一种200 V垂直耗尽型恒流二极管,对其电学参数进行了仿真,优化了外延厚度与浓度、沟道浓度、JFET区长度、栅氧层厚度等参数,并对终端结构进行了设计。最终成功设计出一个夹断电压小于5 V,击穿电压约为250 V,电流约为1.5×10-5 A/μm,恒流特性良好的恒流二极管。     

基于调频连续波相位敏感特性的电缆局部缺陷检测方法

灵敏地检测和定位电缆缺陷对于电缆安全运行具有重要的作用。调频连续波（FMCW）法是一种基于频域反射法的电缆缺陷检测方法，该方法相对于宽频阻抗谱法具有更高的缺陷检测灵敏度及抗干扰能力。该文在现有FMCW方法的基础上，提出利用FMCW的相位敏感特性对电缆缺陷进行检测的方法，提高了现有FMCW方法缺陷检测的灵敏度。首先，结合FMCW相位敏感特性与电缆分布参数模型进行了电缆缺陷检测仿真；然后，在实验室的射频同轴电缆、10 kV交联聚乙烯（XLPE）电缆上模拟不同程度的缺陷并测试，观察缺陷处相位的变化情况，验证了所提方法的有效性。结果表明：相敏-FMCW方法对于射频及10 kV XLPE电缆上模拟的缺陷敏感，不同严重程度的缺陷相位变化量不同，缺陷处对应相位变化的取值区间可为180°。定义缺陷引起的相位、幅值变化量占取值区间的比例为灵敏度，相敏-FMCW方法可以提高现有FMCW方法对该文中所设缺陷检测的灵敏度：对于电缆局部异常温升造成的容性缺陷，当局部温差为37℃时，可将灵敏度由36%提升至71%；对于电阻性、电导性及铜屏蔽破损缺陷，相敏-FMCW方法的灵敏度均优于传统FMCW方法，检测灵敏度提升...     

无人机中继通信的轨迹与资源分配优化方法

为提高地面用户的传输速率以及保证公平性，在基站覆盖不到的偏远地区可利用无人机进行辅助中继通信。首先将无人机的轨迹控制与频谱资源分配建模成一个混合整数非线性规划问题；然后基于块坐标下降法，将联合优化问题解耦成信道分配、发射功率和飞行轨迹三个子问题以降低复杂度；最后提出基于继承的子信道迭代分配算法求解信道分配子问题，采用凸优化和连续凸近似法分别求解功率优化及飞行轨迹优化子问题。仿真结果表明，所提算法在保证地面用户公平性的同时，具有比基准策略更高的最小平均速率。     

基于深度强化学习算法的风光互补可再生能源制氢系统调度方案

风光可再生能源制备“绿氢”是实现能源低碳化的重要途径，但风能、太阳能的波动性、间歇性等问题会使系统存在“弃风、弃光”现象。为解决该问题，构建了可再生能源并网制氢系统，针对传统CPLEX需要精准预测数据、基于状态控制法的监控策略控制效果不够理想的缺点，将协调控制转化为序列决策问题，采用深度强化学习连续近端策略优化算法进行解决。在发电量、负荷等多种因素变化的情况下，设计了适合解决可再生能源制氢系统调度问题的深度强化学习模型(renewable energy to hydrogen-proximal policy optimization,R2H-PPO)，经过足够的训练后能够实现在线决策控制，并与日前控制方案和基于状态控制法的监控策略进行了对比，证明所采用方法避免了传统方案的不足，并能有效处理不同时刻、天气、季节的场景。结果证明了所提出的R2H-PPO方法的可行性和有效性。     

电缆局部缺陷的步进频连续波定位方法

电缆缺陷定位是电缆检修的重点，宽频阻抗谱法(broadband impedance spectroscopy,BIS)是一种常用的频域反射电缆缺陷定位方法，BIS面临的问题是，现场的噪声会干扰测量，且检测效率不高。因此提出了一种基于步进频连续波(stepped frequency continuous wave,SFCW)的新方法来提高电缆缺陷定位的检测效率和抗干扰能力。首先，依据SFCW电缆缺陷定位的原理结合电缆分布参数模型进行电缆缺陷定位仿真实验。然后，在实验室300、611 m长的射频同轴电缆和180 m长的10 kV XLPE电缆上进行缺陷定位测试，验证了所提方法的有效性。试验结果表明：SFCW能有效定位电缆的缺陷，定位误差小于0.6%，首末端定位盲区小于8 m，对于模拟缺陷的有效定位距离大于511 m；相较于BIS法，SFCW方法将抗噪能力提高了5.7～10.1 dB,SFCW方法定位一根电缆的测试时间已小于10 s，检测效率有了较大提升。     

基于深度学习的空天地缓存中继网络性能评估方法

空天地融合网络(Satellite-Aerial-Terrestrial Integrated Network,SATIN)充分发挥一体化网络架构下全局信息处理、灵活部署、广泛覆盖范围等优势,能够实现多维复杂网络信息的一体化处理和资源利用率最大化。为了降低用户端传输时延并满足高频谱利用效率的要求,将无线缓存融入SATIN中,具体研究了2种典型中继缓存方案,即最多访问业务缓存(Most Popular Content Caching,MPCC)方案和均匀缓存(Uniform Caching,UC)方案,并在此基础上推导了不同的中继缓存方案下网络中断概率(Outage Probability,OP)的闭合表达式。此外,为了提升性能评估效率和实时性,提出了基于卷积神经网络(Convolutional Neural Network,CNN)的性能预测方法。同时,为了避免输入数据重要特征信息的丢失,所提预测方法采用了一种去除池化层的改进CNN模型。仿真并对比了在不同参数条件下3种缓存中继方案的OP性能表现。预测结果表明,所提出的改进后的CNN预测方法能准确预测系统性能,并且较已有方案有更好的实时性。