混凝土巨型箱形截面梁及其设计理论

双层交通混凝土箱梁是由钢筋和混凝土两种材料组成,而它们的工作性质可抽象为由钢筋和混凝土构成的拉杆-压杆模型。引入一种新的拓扑优化方法“加窗渐进结构优化算法”建立反映结构工作机理的拉杆-压杆模型,为双层交通混凝土箱梁腹板开孔设计提供理论指导。介绍了拓扑最优解建立拉杆-压杆模型和如何完成结构配筋设计方法。结果表明：通过加窗渐进结构优化算法获得的拓扑最优解能较好的呈现结构内部受力状态;根据优化方法完成的工字梁结构配筋及开孔设计与试验设计相比,开孔率增加了5.5倍,极限荷载增长了1.2倍,但钢筋用量减少了30%。     

基于粒子群优化的二阶拉曼光纤放大器研究

为了进一步提升二阶拉曼光纤放大器(RFA)的性能指标,对二阶RFA的主要参数进行了分析。首先设计了一个可以通过光开关控制,在二阶和一阶RFA两种模式下切换的结构模型,通过模拟仿真证明了二阶RFA可以提高系统的增益,改善系统的噪声性能,然后针对二阶RFA的增益性能进行了优化,以降低平坦度为优化目标,使用粒子群算法优化泵浦光波长和功率的配置,再经过结构的改进,最终在100 nm带宽范围内实现了增益为24.50 dB,增益平坦度为0.98 dB的二阶RFA。这些结果为以后设计出性能更加完善的二阶RFA提供了参考。     

一种有效的储备池在线稀疏学习算法

为克服传统储备池方法缺乏良好在线学习算法的问题, 同时考虑到储备池本身存在的不适定问题, 本文提出一种储备池在线稀疏学习算法, 对储备池目标函数施加L1正则化约束,并采用截断梯度算法在线近似求解.所提算法在对储备池输出权值进行在线调整的同时, 可对储备池输出权值的稀疏性进行有效控制, 有效保证了网络的泛化性能.理论分析和仿真实例证明所提算法的有效性.     

9H级燃机水汽系统化学控制和监测设计与优化

目的 国内燃气蒸汽联合循环机组电厂建设已呈现井喷状态,其中9H级机组的建设近年来更是日益增加,有必要对这些机组水汽系统化学控制和监测设计与优化进行研究。 方法 以某9H级联合循环电厂为例,根据机组水汽质量控制标准和化学监督技术导则的要求,对水汽系统化学控制和监测设计与优化进行研究。 结果 通过选择高严密性的凝汽器、可靠的凝结水精处理和锅炉补给水处理工艺,采用氧化性全挥发给水处理AVT(O)和炉水磷酸盐处理,水汽取样系统配置完善的在线监测仪表,可保证机组安全、可靠和经济运行。 结论 旨在为将来9H级燃气蒸汽联合循环机组水汽系统化学控制和监测设计提供可借鉴的优化方案。     

两轮差速机器人运动学分析和控制研究

为了解决机器人路径规划模块在为非完整轮式移动机器人规划路径时,若要实现规划轨迹平滑且完全满足机器人的运动学约束,则需要精确的机器人工作环境的地图信息,从而大幅度地增加了路径规划算法的计算量的问题,首先利用较为粗略的环境地图信息规划路径,再将机器人转弯部分的路径进行函数插值,使整个路径规划满足机器人运动学约束且计算量增加较少.现有的机器人轨迹描述方程不能满足对机器人转弯轨迹进行精确插值的需要,因此提出分别利用曲线拟合法和泰勒插值法来构建非完整轮式移动机器人转弯轨迹的时域非微分描述方程.实验结果显示,所述机器人轨迹非微分时域描述方程可以用于对机器人路径规划的插值,降低了算法的计算量.

     

基于粒子群算法的移动机器人全局路径规划策略

提出了一种基于保收敛粒子群优化算法的移动机器人全局路径规划策略,为移动机器人在有限时间内找到一条避开障碍物的最短路径提供了一种解决方案.首先建立环境地图模型,将连接地图中起点和终点的路径编码成粒子,然后根据障碍物位置规划出粒子的可活动区域,在此区域内产生初始种群,使粒子在受限的区域内寻找最优路径.在搜索过程中,粒子群优化算法的加速系数和惯性权重均随迭代次数自适应调节.仿真实验表明算法可在起点与终点之间找到一条简单安全的最优路径.与其他文献所提的方法进行了对比研究,结果表明本文所提算法具有更快的搜索速度和更高的搜索质量.     

机器学习在SDN路由优化中的应用研究综述

随着网络技术的迅速发展和新型应用的不断出现,网络数据的急剧增加导致网络管理变得极其复杂.传统网络中的设备多种多样,配置复杂,难于管理,而软件定义网络(software defined networking, SDN)这种新型网络架构的出现给网络管理带来了曙光,该架构摆脱了硬件设备对网络的限制,使网络具有灵活、可编程性等优点.一个好的路由机制影响着整个网络的性能,软件定义网络的集中控制特性给机器学习在路由机制方面的应用带来了新的研究方向.首先论述了SDN路由优化的现状,然后从监督学习和强化学习2个方面概述了近年来机器学习在SDN路由方面的研究,最后为了满足不同应用的服务质量(quality of service, QoS)以及不同用户的体验质量(quality of experience, QoE),提出了数据驱动认知路由的发展趋势.通过赋予网络节点感知、记忆、查找、决策、推理、解释等认知行为,加快寻路过程,优化路由选择,完善网络管理.     

通用图形处理器缓存子系统性能优化方法综述

随着工艺和制程技术的不断发展以及体系架构的日趋完善,通用图形处理器(general purpose graphics processing units, GPGPU)的并行计算能力得到了很大的提升,其在高性能、高吞吐量等通用计算应用场景的使用越来越广泛.GPGPU通过支持大量线程的并发执行,可以较好地隐藏长延时访存操作,从而获得高并行计算能力.然而,GPGPU在处理计算和访存不规则的应用时,其存储子系统的效率受到很大影响,尤其是片上缓存的争用情况尤为突出,难以及时提供计算操作所需的数据,使得GPGPU的高并行计算能力不能得到充分发挥.解决片上缓存的争用问题、优化缓存子系统的性能,是优化GPGPU性能的主要解决方案之一,也是目前研究GPGPU性能优化的主要热点之一.目前,针对GPGPU缓存子系统的性能优化研究主要集中在线程级并行度(thread level parallelism, TLP)调节、访存顺序调节、数据通量增强、最后一级缓存(last level cache, LLC)优化和基于非易失性存储(non-volatile memory, NVM)的GPGPU缓存新架构设计等5个方面.也从这5个方面重点分析讨论了目前主要的GPGPU缓存子系统性能优化方法,并在最后指出了未来GPGPU缓存子系统优化需要进一步探讨的问题,对GPGPU缓存子系统性能优化的研究有重要意义.     

一种三参数统一化动量方法及其最优收敛速率

动量方法由于能够改善SGD(stochastic gradient descent)的收敛性能而倍受机器学习研究者的关注.随着其在深度学习的成功应用,动量方法出现了众多形式的变体.特别地,产生了SUM(stochastic unified momentum)和QHM(quasi-hyperbolic momentum)两种统一框架.但是,即使是对非光滑凸优化问题,其最优平均收敛性的获得仍然存在着固定迭代步数和无约束等不合理限制.为此,提出了一种更一般的含三参数的统一化动量方法TPUM(triple-parameters unified momentum),能够同时包含SUM和QHM;其次,针对约束的非光滑凸优化问题,在采取时变步长的条件下,证明了所提出的TPUM具有最优的平均收敛速率,并将其推广到随机情况,从而保证了添加动量不会影响标准梯度下降法的收敛性能以及动量方法对机器学习问题的可应用性.典型的L1范数约束hinge损失函数优化问题实验验证了理论分析的正确性.     

Power allocation for enhancing energy efficiency in unmanned aerial vehicle networks

The non-orthogonal multiple access (NOMA) wireless networks are a robust multi-access mechanism that serves multiple clients accessing the same resource block simultaneously. The fifth-generation wireless networks offer huge efficiency in spectrum utilization, which can be exploited to deploy NOMA for LOS communication of unmanned aerial vehicles (UAVs). Previous research has extensively analyzed various aspects of NOMA-UAV communication systems, including user access fairness, coverage, maximizing system capacity, and total energy efficiency. However, only a few researchers have focused on maximizing the EE of NOMA-UAV wireless networks with user quality of service (QoS) constraints. This paper proposes a fuzzy logic-based crossover-based coati optimization algorithm for maximizing the energy efficiency of NOMA-UAV, along with user scheduling. The main objective of this model is to offer a solution to the joint energy efficiency and user QoS scheduling problem. The fuzzy decision-making strategy optimizes the energy efficiency (EE) of NOMA-UAV by selecting appropriate power and time resources. Additionally, the crossover-based coati optimization algorithm transforms the subchannel allocation problem into a two-sided matching procedure. The efficiency of the proposed algorithm is evaluated concerning overall residual energy, number of remaining nodes, and time consumption. The experimental outcomes demonstrate the capability of the proposed model in optimizing the energy efficiency of the NOMA-UAV network by identifying the optimal resource set in terms of time and power while satisfying the clients' QoS.