燃料电池混合动力汽车分层能量管理策略

针对燃料电池混合动力汽车中燃料电池、电池、超级电容的能量分配问题,提出一种分层能量管理策略。该策略分为上下两层,上层依据燃料电池效率、电池SOC值和需求功率,设计基于规则的控制策略,优化燃料电池的能量输出;下层依据电池和超级电容特性,设计滑动平均滤波算法,使电池平稳输出能量。最后,在UDDS+HWFET工况下对该策略进行仿真,结果表明,与Advisor自带能量管理策略相比,该策略能更合理地分配能量源的能量输出,燃料电池效率提升0.17%,氢气消耗量减少4.37%。     

表面滚压强化技术研究与应用进展

综述了表面滚压强化技术的原理、特点及其研究与应用发展现状,指出其重点研究方向是将该技术用于各类零件表面的维修与强化;重视微观组织强化机理研究,以探究微观塑性应变与宏观工艺之间的关系,并加强有限元仿真方面的研究,利用其对滚压工艺进行优化,使该技术普适性更强、效率更高、应用范围更广;对滚压强化技术未来发展趋势进行了展望.     

各军工集团和中物院召开工作会议部署工作——突出改革主线 凝聚改革共识 理清改革思路 明确改革重点

中核集团：深化改革推动创新发展,强化管理促进效益提升 必须紧紧抓住国有企业全面深化改革的有利契机．强化危机意识,形成改革的共识,推进改革的实施。用改革统领全局,把改革贯穿集团公司工作的各个领域和环节。     

一种高效节能的小世界无线传感器网络

总结了无线传感器网络的小世界构造方法,基于混合模式构造了具有小世界特征的无线传感器网络,此混合模式分为拓扑优化阶段、小世界模型构造阶段和能量动态均衡阶段,最终形成了应用A3和A3 Cov算法的基于混合模式的小世界无线传感器网络MSW-WSNs-A3和MSW-WSNs-A3 Cov.基于Java平台对上述网络进行了仿真分...     

把战斗力标准贯穿政治工作实践全过程

牢固树立战斗力这个唯一的根本的标准,是贯彻落实习主席强军目标的根本要求。政治工作必须紧紧围绕战斗力标准聚焦发力,切实在引领思想上发挥作用,在凝聚力量上强化功能,在服务保证上彰显威力。一、切实端正对战斗力标准的认识习主席指出,军队首先是一个战斗队,是为打仗而存在的。虽然我军在不同时期担负的具体任务不同,但作为战斗队的根本职能始终没有改变。     

应对混合战争的人防工程安检设施设置研究

冷战结束后,"混合战争"的威胁日益增加,人民防空工程和其他各类城市安全设施都亟需改进安全防护手段,增设安全检查设施,防控敌对势力的恐怖袭击和后方破坏.人防工程在战时对于出入口通行效率的要求远比地铁设施高,且出入口区域空间有限,无法照搬现有的地铁安检措施.本文从防范标准、安检流程以及技术手段等方面进行分析,提出运用新的检...     

CODE新光压模型对北斗混合导航星座精密轨道确定的影响分析

基于国防科技大学自主研制的卫星定轨软件工具包NUDTTK,分析了CODE新光压模型EECOM对北斗二代混合导航星座精密轨道确定的影响。研究表明：对GEO卫星而言,EECOM模型能够明显改善定轨精度,相比于传统的ECOM-9和ECOM-5模型,卫星激光测距检核精度分别提高17.4%和35.1%。对IGSO和MEO卫星而言,采用ECOM-5模型的定轨精度要优于EECOM和ECOM-9模型,新光压模型EECOM并不能有效改善IGSO和MEO卫星的定轨精度。与IGS数据分析中心WHU、GFZ和CODE的轨道产品互比对结果（3D RMS）显示：目前,国防科技大学北斗精密轨道产品中,GEO卫星的定轨精度为1~4 m,IGSO卫星的定轨精度为25~30 cm,MEO卫星的定轨精度为10~20 cm。     

二维激波/湍流边界层干扰的混合LES/RANS模拟

为了降低高雷诺数条件下大涡模拟方法的计算量,将两方程k-ωSST湍流模型与Yoshizawa一方程亚格子模型通过一个衔接函数相结合,构造一种混合大涡/雷诺平均NS方程模拟方法(混合LES/RANS)。使用这种方法及AUSM+-up格式对20°压缩斜坡的马赫2.85流动进行模拟,并考察了固定入口和在入口添加白噪声两种湍流入口边界条件对于结果的影响。模拟结果再现了边界层的分离、再附以及分离激波等现象,计算得到的分离区要显著大于试验结果,对于这种混合模拟方法的缺点进行了分析,并提出了可能的改进方法。     

随机动态规划的混合算法研究

针对随机条件下动态规划模型的主要特点,运用智能算法混合编程理论,设计了一种探索多阶段决策问题的智能混合算法.该算法首先将问题转化成一族同类型的一步决策子问题,然后利用随机模拟和遗传算法,依据训练样本形成的训练神经元网络,在单步决策中寻求最优策略和最优目标值,逐个求解,再据初始状态逆序求出最优策略序列和最优目标值.仿真结果表明,该算法具有一定的通用性,初始设计点可以随机产生,其计算精度不因函数的非线性强弱而受影响,对目标和约束的限制较少,可应用于多种形式的随机多阶段决策优化问题,较好地满足了随机动态规划模型求解和优化的要求.     

基于深度逆向强化学习的行动序列规划问题研究

针对深度强化学习在解决序贯决策任务中严重依赖回报函数,而回报函数又存在着反馈稀疏和反馈延迟等问题,论文提出了基于深度逆向强化学习方法的行动序列生成与优化方法,通过专家示例轨迹数据重构回报函数,实现高质量示例轨迹数据中隐性专家经验的获取和利用,挖掘数据背后的规律。然后将重构的回报函数与环境固有的回报函数进行奖赏塑型,生成的新的回报函数能够更加及时、准确地对智能实体的行为给予反馈,大幅加速了强化学习的收敛速度。