优先级保护的分布式动态频谱分配算法

对认知无线网络中动态频谱分配算法进行了研究,在分析原有的ADP（Asynchronous Distributed Pricing）算法的前提下,运用合作博弈的理论提出了具有干扰价格因子的ADP算法,分配过程中所有用户发布自己的干扰价格,用户在选择信道和功率的时候需要考虑到自身的效用和对其它用户的干扰,可以在有效保证高优先级用户性能的前提下最大化网络效用。仿真结果表明,该算法可以达到纳什均衡并且具有极快的收敛速度,可以提高高优先级用户的信干噪比。     

金属离子改性MPP协效ADP阻燃玻纤增强聚酰胺6

将多种金属离子改性的三聚氰胺聚磷酸盐（MPP）(简称J-MPP,其中,J代表金属离子)与二乙基次膦酸铝（ADP）复配,得到的协同阻燃体系与玻纤增强聚酰胺6（PA6/GF）复合制备了PA6/GF/J-MPP复合材料。采用FTIR、XRD、SEM、EDS对J-MPP进行了表征,通过摆锤式冲击试验机、微型控制电子万能试验机、锥形量热仪、氧指数测定仪、水平垂直燃烧测定仪和热失重分析仪考察了不同J-MPP对PA6/GF/J-MPP复合材料力学性能、阻燃性能和热稳定性的影响。结果表明,经Mg²⁺改性的PA6/GF/Mg-MPP复合材料的拉伸强度、弯曲模量和缺口冲击强度分别为148.5 MPa、9184.4 MPa和8.5 kJ/m²,比未改性的PA6/GF/MPP复合材料分别提升了6.7%、9.6%和14.9%;PA6/GF/J-MPP复合材料表现出更优异的阻燃性能,特别是经Al³⁺表面改性的PA6/GF/Al-MPP复合材料,在垂直燃烧测试中达到UL-94的V-0等级,极限氧指数高达31.7%,总热释放量减至139.1 MJ/m²,800℃残炭量提升至41.5%,Al-MPP能显著提升PA6/GF复合材料在燃烧时的凝聚相阻燃效果。     

基于马氏决策过程模型的动态系统学习控制:研究前沿与展望

基于马氏决策过程(Markov decision process, MDP)的动态系统学习控制是近年来一个涉及机器学习、控制理论和运筹学等多个学科的交叉研究方向, 其主要目标是实现系统在模型复杂或者不确定等条件下基于数据驱动的多阶段优化控制. 本文对基于MDP的动态系统学习控制理论、算法与应用的发展前沿进行综述,重点讨论增强学习(Reinforcement learning, RL)与近似动态规划(Approximate dynamic programming, ADP)理论与方法的研究进展,其中包括时域差值学习理论、求解连续状态与行为空间MDP的值函数逼近方法、 直接策略搜索与近似策略迭代、自适应评价设计算法等,最后对相关研究领域的应用及发展趋势进行分析和探讨.     

碳纤维/环氧预浸料的热固化工艺研究

以先进拉挤(Advanced Pultrution)[1]ADP成型技术为研究背景,借助差示扫描量热法(DSC)对USN12500碳纤维/环氧预浸料固化所涉及的温度和时间进行了研究与分析。以弯曲强度作为考察指标设计正交试验,优选了模拟的拉挤成型固化工艺参数。试验结果表明,①后固化温度下的保温时间对制品的力学性能影响最大,预处理温度下的保温时间影响最小;②预处理温度80℃下处理25min、热压温度130℃下保温保压25min以及后固化温度150℃下保温1.5h为本组试验的优方案。     

Argonaut SL在某隧洞过水断面水文测验中的应用

声学多普勒水流剖面仪(ADP)近十年来得到了较为广泛的应用,与传统测流仪器相比,它具有方便、快捷、经济、安全、数据准确、适应性强等优点.某隧洞已运行了12年,为了提供科学依据进行安全评价,必须测量不同流量下的隧洞进出口水位、流速等参数,为此结合该工程实例阐述Argonaut SL的应用及洞内水位的测量方法.     

Decentralised zero-sum differential game for a class of large-scale interconnected systems via adaptive dynamic programming

In this paper, a novel decentralised differential game strategy for large-scale nonlinear systems with matched interconnections is developed by using adaptive dynamic programming technique. First, the Nash-equilibrium solutions of the corresponding isolated differential game subsystems are found by appropriately redefining the associated cost functions accounting for the bounds of interconnections. Then, the decentralised differential game strategy is established by integrating all the modified Nash-equilibrium solutions of the isolated subsystems to stabilise the overall system. Next, the solutions of Hamilton–Jacobi–Isaaci equations are approximated online by constructing a set of critic neural networks with adaptation law of weights. The stability analysis of each subsystem is provided to show that all the signals in the closed-loop system are guaranteed to be bounded by utilising Lyapunov method. Finally, the effectiveness of the proposed decentralised differential game method is illustrated by a simple example.