不同加固方式对RC框架抗连续倒塌性能的影响研究

为研究不同加固方式对钢筋混凝土框架结构抗连续倒塌能力的影响,建立钢筋混凝土框架有限元模型进行对比分析。用五种不同加固方式分别加固,并模拟结构中柱遭遇偶然荷载后失效情况,对其进行非线性静力分析。ABAQUS模拟结果表明：加腋梁有利于节点区塑性铰的转移,使得框架在梁机制阶段的承载能力明显提升;粘贴碳纤维加固法、粘贴玻璃纤维加固法和增大梁截面加固法在悬索阶段对承载能力有所提升;增大柱截面加固法对抗连续倒塌能力提升很小。考虑材料成本及实际施工情况,各加固方式综合效益由高到低依次为：加腋梁加固法、粘贴玻璃纤维布加固法、粘贴碳纤维布加固法、增大梁截面法加固法、增大柱截面法加固法。     

周期激励下广义离散Duffing系统的多稳态分析

具有硬边界的动基座双自由度动力学系统在受到基座周期性激励与随机冲击扰动时,振子与边界碰撞后的强非线性特性导致系统产生复杂的混沌行为.本文基于Soft Actor-Critic强化学习框架,构建了同时实现振动控制与基座运动跟随的智能算法,研究了宽频域范围内含有硬边界约束的动基座双自由度系统的动力学控制效果.通过构建包含相对位移、控制力的复合奖励函数,实现动力学系统精度较高的轨迹跟踪与振动抑制.结果表明,该算法可以实现频率范围跨2个数量级(0.01Hz到1Hz)的有效振动控制,并通过与PID控制方法的比较,展现了该方法在复杂环境中的稳定性与泛化性.     

沙漠砂微生物注浆钙离子追踪数值分析

在微生物诱导CaCO₃沉淀技术的基础上,利用Matlab软件建立一维流动注浆模型,在离子层面对模拟注浆的砂柱进行分析和计算,并着重对砂柱后期强度的关键影响因素Ca²⁺浓度进行追踪,以期从理论方面对注浆效果进行进一步的优化和深入研究.结果表明：注浆模型能够灵活追踪Ca²⁺浓度随时间的变化,检测砂柱任意位置的Ca²⁺浓度;钙源为0.75、1.00 mol/L的CaCl₂溶液时的注浆效果更优;数值模拟与试验结果吻合较好,可以为利用沙漠砂快速固结形成的高强度材料来建造沙漠公路路基提供有效的参考和依据.     

预应力CFRP板加固钢-混凝土组合梁受弯性能试验

为研究钢-混凝土组合梁经预应力碳纤维板加固后的受弯性能,设计4根预应力碳纤维板加固试件和1根不加固的对比试件. 5根试件均为工字形钢-混凝土组合简支梁,采用四点弯曲静力加载.锚固装置为自主研发的装配式预应力碳纤维板锚固系统,碳纤维板与钢梁之间的锚固主要依靠端部锚具,并辅之以专用环氧胶的黏结作用.试验中考虑碳纤维板的加固量和预应力水平两种因素对加固效果的影响.结果表明:加载全过程截面应变基本符合平截面假定;增大碳纤维板的加固量能提高钢-混凝土组合梁的抗弯极限承载力;增大碳纤维板的预应力有助于提高钢-混凝土组合梁的屈服承载力,对结构抗弯刚度贡献有限;破坏阶段碳纤维板有断裂和剥离两种形式,其强度利用率可达到80%以上.所采用的锚固系统锚固力大、可靠度高,工程实用价值大;预应力碳纤维板加固钢-混凝土组合梁,能有效提高结构的抗弯承载力,是一种补强效果很好的主动加固技术.     

飞行时间约束下的再入制导律

为应对现代战场的信息化与集群化发展趋势,从多高超声速飞行器饱和打击任务需求出发,针对其中的再入飞行时间约束条件进行研究,提出一套基于Deep Q-learning Network(DQN)的时间可控再入制导律.该制导律工作流程为首先纵向轨迹预测-校正模块根据当前飞行状态和攻角-速度剖面规划出倾侧角幅值;然后在线约束强化管理模块对其进行安全限幅处理;最后倾侧角符号规划模块以调节再入飞行时间为目标,在对横向飞行状态进行马尔科夫决策过程建模的基础上,设计相应的深度神经网络进行离线训练以在线生成倾侧角符号,进而与幅值信息共同组成最终的倾侧角指令.多组仿真的对比分析结果表明:在标称环境下的多任务仿真中,时间可控再入制导律能够自主地进行倾侧角符号的在线规划,在不影响制导精度的前提下,对再入飞行时间进行调整以满足不同的任务需求;在参数拉偏的蒙特卡洛仿真中,其在保证再入飞行安全、稳定的同时,仍然能将时间误差控制在合理的范围之内.从而验证了相对于传统方法而言,本研究所设计的再入制导律在任务适应性、鲁棒性与时间可控性等方面均具有良好表现,能够有效地满足飞行时间约束下的再入任务需求.     

自适应序列生成的建筑能耗预测

提出一种基于强化学习的生成对抗网络(Reinforcement learning-based Generative Adversarial Networks,Re-GAN)能耗预测方法.该算法将强化学习与生成对抗网络相结合,将GAN(Generative Adversarial Nets)中的生成器以及判别器分别构建为强化学习中Agent(生成器)以及奖赏函数.在训练过程中,将当前的真实能耗序列作为Agent的输入状态,构建一组固定长度的生成序列,结合判别器及蒙特卡洛搜索方法进一步构建当前序列的奖赏函数,并以此作为真实样本序列后续第一个能耗值的奖赏.在此基础之上,构建关于奖赏的目标函数,并求解最优参数.最后使用所提算法对唐宁街综合大楼公开的建筑能耗数据进行预测试验,实验结果表明,所提算法比多层感知机、门控循环神经网络和卷积神经网络具有更高的预测精度.     

基于优先记忆库结合竞争深度Q网络的动态功率控制

针对认知无线电多用户的动态功率控制策略问题,提出了一种基于优先记忆库(Prioritized Experience Replay,PER)结合竞争深度Q网络（Dueling Deep Q Network,Dueling DQN）的功率控制方法。在不知道主用户的控制策略及发射功率情况下,次用户以下垫式接入到主用户信道进行传输任务。微基站收集到的接收信号强度信息作为环境状态信息输入到竞争深度Q网络中,经过训练和学习后,得到次用户的动态功率控制策略。实验结果表明,次用户经过深度强化学习后能够找到最优的功率控制策略,并且在环境参数发生变化时也能快速调整自身的行为和控制策略,提高了频谱利用率和网络能效。     

深度强化学习的无人作战飞机空战机动决策

无人作战飞机(unmanned combat aerial vehicle,UCAV)在进行空战自主机动决策时,面临大规模计算,易受敌方不确定性操纵的影响。针对这一问题,提出了一种基于深度强化学习算法的无人作战飞机空战自主机动决策模型。利用该算法,无人作战飞机可以在空战中自主地进行机动决策以获得优势地位。首先,基于飞机控制系统,利用MATLAB/Simulink仿真平台搭建了六自由度无人作战飞机模型,选取适当的空战动作作为机动输出。在此基础上,设计了无人作战飞机空战自主机动的决策模型,通过敌我双方的相对运动构建作战评估模型,分析了导弹攻击区的范围,将相应的优势函数作为深度强化学习的评判依据。之后,对无人作战飞机进行了由易到难的分阶段训练,并通过对深度Q网络的研究分析了最优机动控制指令。从而无人作战飞机可以在不同的态势情况下选择相应的机动动作,独立评估战场态势,做出战术决策,以达到提高作战效能的目的。仿真结果表明,该方法能使无人作战飞机在空战中自主的选择战术动作,快速达到优势地位,极大地提高了无人作战飞机的作战效率。