位置:中冶有色 >
> 化學分析技術(shù)
本發(fā)明涉及信息處理領域,具體是一種通過強化學習技術(shù)實現(xiàn)無人機自主飛行的方法,包括如下步驟:步驟一、獲取模擬數(shù)據(jù)集和真實數(shù)據(jù)集;步驟二、提取圖像特征和動作特征;步驟三、使用Q?learn ing訓練一個深度神經(jīng)網(wǎng)絡Q?funct ion;步驟四、構(gòu)建現(xiàn)實世界策略學習網(wǎng)絡,將深度神經(jīng)網(wǎng)絡Q?funct ion訓練好的參數(shù)遷移至現(xiàn)實世界策略學習網(wǎng)絡中,訓練行動條件獎勵預測函數(shù);步驟五、輸入狀態(tài)向量和H個未來計劃行動向量的序列至行動條件獎勵預測函數(shù),通過一個長短期記憶循環(huán)神經(jīng)網(wǎng)絡整合之后,并在將來的每個時間點輸出預測的獎勵;步驟六、根據(jù)預測的獎勵實現(xiàn)自主飛行;該方法能夠使機器人僅使用單目攝像機就可以避免碰撞以實現(xiàn)自主飛行。
本發(fā)明公開了一種化學鍍銅廢液的回收利用方法,其特征在于:(一)將生產(chǎn)系統(tǒng)中排放的硫酸銅廢液收集到廢液儲備槽中備用;(二)將廢液儲備槽中的硫酸銅廢液抽入除Fe++槽中;(三)將除Fe++槽中廢液進行加熱,加熱溫度為60~70℃,其次加入CaCO3使溶液pH值調(diào)至2~3,然后在除Fe++槽里加入雙氧水,通過雙氧水將Fe++轉(zhuǎn)化為Fe+++,加入Na2SO4,進行機械攪拌1~2小時使其充分反應,使其生成黃鐵釩;(四)將步驟三中黃鐵釩過濾清除,經(jīng)過濾后的硫酸銅溶液進入到液體儲槽中待化驗硫酸銅溶液的各項指標;(五)檢化驗液體儲槽的硫酸銅各項指標。通過以上步驟的處理,可以完全實現(xiàn)實芯氣保焊絲的生產(chǎn)主要工藝用硫酸銅溶液自循環(huán)利用,降低了生產(chǎn)成本,消除了銅離子(重金屬)對環(huán)境的污染,是一項利國利民的項目。
本發(fā)明屬于分析化學技術(shù)領域,具體涉及一種利用高效液相色譜—蒸發(fā)光散射檢測系統(tǒng)(HPLC-ELSD)檢測薯類總糖含量的方法。以液相色譜、蒸發(fā)光檢測器、色譜柱構(gòu)成HPLC-ELSD系統(tǒng),在標準葡萄糖溶液中添加NaCl。本發(fā)明具有靈敏度高,且檢測器的響應不受溶劑和樣品特殊性質(zhì)的影響。
本發(fā)明公開一種化學試樣制備裝置,包括一組合容器,所述組合容器包括用于將樣液均質(zhì)處理為均質(zhì)液的樣液均質(zhì)單元;用于截留均質(zhì)液中固體物質(zhì)的過濾單元;用于接收濾液的濾液儲存單元;用于保持組合容器平衡的靜置單元;用于提取濾液儲存單元中儲存的濾液的濾液提取單元。本發(fā)明化學試樣制備裝置,可以同時滿足樣液的均質(zhì)、過濾、震蕩、靜置、濾液提取,減少了測試儀器的使用量,減少了樣品溶液的轉(zhuǎn)移次數(shù),避免了雜質(zhì)的引入,使用時方便快捷。
本實用新型公開了一種危險化學品有毒有害氣體泄漏應急處理裝置,包括應急處理裝置本體、毒氣探測器、多根毒氣吸氣管、可拆卸毒氣處理單元裝置、風機裝置、出風口監(jiān)測傳感器和控制器,在應急處理裝置本體中設置有可拆卸毒氣處理單元裝置,可拆卸毒氣處理單元裝置與風機裝置連接,風機裝置與控制器電連,毒氣探測器設置在毒氣釋放源附近,并與控制器電連,在毒氣吸氣管的第一端頭連接有毒氣吸氣罩,在毒氣吸氣管的第二端頭連接可拆卸毒氣處理單元裝置,在風機裝置的出風口位置設置有出風口監(jiān)測傳感器,出風口監(jiān)測傳感器與控制器電連。本實用新型應對毒氣泄漏事故,能起到預防和管控功能,減少人員傷亡和財產(chǎn)損失。
本實用新型公開miRNAs電化學生物芯片,屬于醫(yī)藥生物技術(shù)領域。該生物芯片是由載體(1)和載體(1)表面附著的腔體膜片(2)組成,所述腔體膜片(2)內(nèi)具有通道模塊腔(3),通道模塊腔(3)之間相互連通,通道模塊腔(3)的腔壁內(nèi)貼合miRNAs探針系統(tǒng);所述miRNAs探針系統(tǒng)是將DNA與miRNA的雜交直接轉(zhuǎn)化為可測的電化學信號。該芯片采用的載體表面設置有腔體膜片,且載體基底為陶瓷;腔體膜片為無紡布材料,無紡布材料吸附能力強,使得探針密度高,樣品和試劑的用量較少;而且膜的機械強度高;腔體膜片內(nèi)具有通道模塊腔,腔體膜片還具有防止反應過程中通道模塊腔內(nèi)水分的流失。本實用新型結(jié)構(gòu)簡單,原材料易得,成本低,操作方便。
本發(fā)明提供了一種基于強化學習的基片集成波導參數(shù)優(yōu)化方法及結(jié)構(gòu),方法包括如下步驟:對待優(yōu)化基片集成波導進行參數(shù)提?。簠?shù)包括阻抗網(wǎng)絡中阻抗單元的偏轉(zhuǎn)角度θ,以及加載其上的結(jié)構(gòu)參數(shù)L;根據(jù)Q?learning算法,基于強化學習中的ε貪婪策略,以參數(shù)夾角θ和尺寸L做范圍變化并代入三維電磁場仿真軟件進行變量仿真測試,得到參數(shù)對應的獎勵值或懲罰值;根據(jù)所述參數(shù)對應的獎勵值或懲罰值,得到最優(yōu)參數(shù)。本發(fā)明在線下利用深度學習算法學習到最優(yōu)的基片集成波導優(yōu)化參數(shù),然后在線上優(yōu)化時使用,以快速得到給定設計參數(shù)及設計目標下最優(yōu)的優(yōu)化參數(shù),提高了基片集成波導設計效率。
本實用新型公開了一種可拆卸式電化學再生槽,包括槽體、蓋板和電極組件,槽體與蓋板連接,槽體內(nèi)設有小槽體,蓋板上設有槽孔,槽孔與所述小槽體相對設置,電極組件可通過蓋板上的槽孔插入小槽體內(nèi),電極組件包括電極、絕緣套和安裝板,電極上部設有接線柱,絕緣套套裝在接線柱上,絕緣套與安裝板連接,安裝板與所述蓋板連接,電極與所述小槽體均為矩形結(jié)構(gòu)。有益效果:通過蓋板上開設槽孔,電極組件可由槽孔插入槽體,方便拆卸和檢修;電極采用矩形結(jié)構(gòu),增大電解質(zhì)與電極之間的流通面積,均勻分布;多組電極采用對插式插入電解液,增加電解效率;再生槽內(nèi)設有與電極相匹配的矩形小槽體,既保證電解效率又減小再生槽外形尺寸。
本發(fā)明公開了一種基于深度強化學習的群體教學推薦系統(tǒng),屬于教育和信息技術(shù)領域。本發(fā)明通過課堂的投票、問答、作業(yè)和測驗等交互方法采集學生數(shù)據(jù),為給定的學生群體提供整體收益最大的教學計劃,其整體收益可以用多目標優(yōu)化函數(shù)表示,具體可以包括但不限于及格率、優(yōu)秀率、平均分等。本發(fā)明使用深度強化學習方法為教師進行目標導向的教學路徑規(guī)劃,能夠處理大規(guī)模的復雜數(shù)據(jù)。同時將花費大部分時間的訓練過程放在了課前和課后,在課堂中,通過學生的課堂反饋,教師能夠立即獲得推薦的教學知識點。
本發(fā)明公開了一種化學摻雜碳制備高阻值埋嵌式電阻的方法。通過采用阻值添加劑提供C源摻雜Ni?P薄膜進行化學改性,制備了在樹脂基板上沉積Ni?P?C的三元合金高阻值材料。經(jīng)測試,該材料制備的方塊電阻高達400Ω以上,通過輔予在線監(jiān)控電阻器的方法,實現(xiàn)制備誤差控制在10%以內(nèi)的目標。本發(fā)明公開的方法有效地解決了常規(guī)Ni?P、Ni?Cr等金屬電阻存在的阻值小、功能值不穩(wěn)定的難題,并降低了高頻通信下信號傳輸?shù)膿p耗與寄生效應。
本發(fā)明屬于分析檢測技術(shù)領域,具體涉及一種環(huán)境水中鐵離子的快速檢測方法和系統(tǒng)。本發(fā)明的方法包括如下步驟:步驟1,采用化學顯色體系處理待檢測水樣,使化學顯色體系發(fā)生顏色變化,拍攝化學顯色體系的圖片;步驟2,從所述圖片中分割出感興趣區(qū)域;步驟3,計算所述感興趣區(qū)域中RGB顏色空間和HSI顏色空間的各分量的變化值;步驟4,以步驟3得到的至少兩種分量的變化值作為特征,通過多元性回歸方程模型分析待檢測水樣中鐵離子的含量。本發(fā)明具有成本低、操作簡單、檢測效率高、抗干擾能力強等顯著優(yōu)勢,適用于自然水體中Fe3+濃度的快速檢測,具有很好的應用前景。
本實用新型公開了一種基于微機控制的化學實驗箱,包括箱體,箱體底部設置有保溫箱,保溫箱頂部設置有震蕩裝置,震蕩裝置上設置有數(shù)個容器插入口,箱體中豎直設置有直線驅(qū)動機構(gòu),直線驅(qū)動機構(gòu)上設置有橫梁,橫梁上設置有數(shù)個航空插座,航空插座的數(shù)量與容器插入口的數(shù)量相同,航空插座的位置與容器插入口的位置一一對應。通過本技術(shù)方案能夠在微機的控制下自動完成一系列的實驗,并且使得各類實驗的數(shù)據(jù)采集、顯示、存儲和處理合為一體,極大地提高了化學實驗的自動化程度和實驗數(shù)據(jù)的測量精度。
本發(fā)明公開了一種基于強化學習與光載無線技術(shù)的高鐵電磁干擾規(guī)避系統(tǒng),具體為:分布于高鐵沿線的無線接入終端通過天線將電磁信號接收并調(diào)制到光信號上,利用密集型波分復用器復用來自不同無線接入終端的上行光信號,經(jīng)上行光纖鏈路遠距離傳輸至中心站;上行復用光信號通過光電接收陣列中的波分解復用器解復用至陣列接收信道,利用陣列光電探測器完成電磁信號恢復,并接入多信道模數(shù)轉(zhuǎn)換模塊進行數(shù)字信號處理;集中式數(shù)據(jù)處理模塊通過強化學習技術(shù)實現(xiàn)電磁干擾的主動式避免。本發(fā)明實時高效完成電磁干擾的主動式避免,尤其對于高鐵沿線隧道、山區(qū)、高原等難以維護站點的電磁干擾極為有效,保障了高鐵列車運行安全,提升運營效率。
本發(fā)明公開了沸騰、強腐蝕性溶液環(huán)境下電化學腐蝕試驗裝置及其應用,試驗裝置包括試驗容器,試驗容器上設置試樣支持體接口、參比電極接口、輔助電極接口、蒸汽循環(huán)減壓器接口,試樣支持體接口、參比電極接口、輔助電極接口、蒸汽循環(huán)減壓器接口分別安裝有工作電極試樣支持體、參比電極支持體、輔助電極和蒸汽循環(huán)減壓器;工作電極試樣支持體和參比電極支持體均設置了冷卻單元,對工作電極試樣支持體的導線進行了隔熱處理。本發(fā)明有效解決了高溫、強腐蝕介質(zhì)環(huán)境下因密封件破壞導致電化學信號短路的問題,通過雙冷凝回路串聯(lián)設計,有效解決了裝置內(nèi)壓力過大和參比電極冷卻問題,并結(jié)合磨口接口設計、蒸汽循環(huán)減壓器,實現(xiàn)了測量裝置密封問題。
本發(fā)明屬于無線通信技術(shù)領域,具體的說是涉及一種D2D系統(tǒng)中基于深度強化學習的功率分配方法。本發(fā)明的方案中為每個鏈路對都單獨構(gòu)建一個深度神經(jīng)網(wǎng)絡,不需要實時得到所有鏈路的信道信息,而是根據(jù)部分歷史信息和其他鏈路地決策信息來預測當前鏈路周圍的通信環(huán)境,讓各個鏈路對能夠相互配合進而進行實時的功率決策以最大化全局網(wǎng)絡的加權(quán)和速率,從而實現(xiàn)了無需迭代的基于深度強化學習的功率分配方法。
本發(fā)明公開了一種多氣氛環(huán)境下電化學滲氫電解池及其應用方法。本發(fā)明電解池包括兩個相同的單電解池和螺桿,每個單電解池包括:電解槽、氣氛進氣口、參比電極插口、內(nèi)置對電極、夾具、陽極端、插孔、基座、置氣通氣口,進水口和出水口;電解槽為內(nèi)雙層結(jié)構(gòu),基座和夾具分別位于電解槽的兩側(cè),氣氛進氣口、參比電極插口、置氣通氣口分別設于電解槽的頂面上,進水口和出水口分別設于電解槽的前側(cè)面和后側(cè)面上,內(nèi)置對電極設于基座內(nèi)部;兩個單電解池上的夾具的側(cè)面相對設置,且兩者形成間隙;螺桿與插孔固定連接;陽極端設于間隙中,樣品置入陽極端中,樣品的中心位于兩個單電解池的水平軸線上。本發(fā)明實現(xiàn)了多氣氛環(huán)境下金屬材料的電化學滲氫測試。
本發(fā)明提出了一種基于深度強化學習的遠程監(jiān)督文本實體關系抽取方法,該方法包括:進行數(shù)據(jù)預處理,通過分詞、詞向量轉(zhuǎn)化、位置向量構(gòu)成文本向量;Bi?LSTM+Attentnion將自然文本編碼為含有上下文語義的特征向量;通過實體類型嵌入得到實體類型信息的嵌入表示;再構(gòu)建出依存樹,組合表示為最終的句子表示;選用一個句子注意力機制,得到加權(quán)的包表示;通過softmax函數(shù)計算得到預測標簽;使用強化學習方法在遠程監(jiān)督標注和預測標簽中選擇一個作為軟標簽,再使用軟標簽作為正確標簽訓練,得到最終的關系抽取結(jié)果。
本發(fā)明公開了一種高溫高壓電化學實驗用樣品固定裝置及其安裝方法,固定裝置包括固定圓盤、薄管樣品固定夾具和薄片樣品固定夾具;固定圓盤上設置有若干豎向螺紋通孔,等間距分布在投影位置四周;薄管樣品固定夾具包括定位螺柱,以及鉑筒對電極和管狀工作電極,鉑筒對電極和管狀工作電極呈同心布置;薄片樣品固定夾具包括定位螺柱,以及片狀工作電極和鉑片對電極,定位螺柱的頂部可拆卸式設置有定位樣品夾,片狀工作電極和鉑片對電極可拆卸式安裝在定位樣品夾上,片狀工作電極和鉑片對電極對稱分布在定位螺柱兩側(cè)。本發(fā)明解決了高壓釜中進行電化學實驗時電力線不均勻、重復性差、管材樣品測試信號不完整以及無法同時對樣品進行多通道測試的問題。
本發(fā)明公開了一種基于動作采樣的強化學習知識圖譜推理方法。該發(fā)明針對傳統(tǒng)知識圖譜強化學習推理算法中表征能力不足、無效冗余動作選取以及無記憶組件問題,根據(jù)表示學習方法在數(shù)據(jù)集上的原始事實預測評分,針對性地選取適應性更強的表示學習方法來表示強化學習環(huán)境以增強算法表征能力;設計動作采樣器以減少智能體在游走過程中的無效冗余動作選擇;以LSTM為記憶組件,將歷史信息進行編碼以增加模型精度,這使得本算法可以在擺脫預訓練的情況下取得優(yōu)于基于路徑的推理算法的效果。該方法將智能體在環(huán)境中游走得到的路徑映射到三層LSTM策略網(wǎng)絡,通過動作采樣促進智能體選擇更有意義的路徑,最終實現(xiàn)較為準確的實體關系路徑學習。
本發(fā)明公開了一種基于強化學習的多徑動態(tài)復用與分組傳輸方法,1)將時間劃分為以100ms為長度的時間片,并進行順序編號1,2,……,t,t+1,……;2)在每一個時間片的尾部,收集影響和反映各個鏈路傳輸質(zhì)量的因素,將這些數(shù)據(jù)進行標準化后做為外部環(huán)境觀測值;本發(fā)明基于深度強化學習的鏈路捆綁傳輸技術(shù),將鏈路捆綁傳輸控制作為智能體,將傳輸中影響鏈路質(zhì)量的因素作為環(huán)境,鏈路后續(xù)的傳輸質(zhì)量和穩(wěn)定性作為獎勵和懲罰,從而建立強化學習模型,通過深度神經(jīng)網(wǎng)絡對策略進行不斷優(yōu)化,從而達到不斷優(yōu)化傳輸策略的目的;具備更好的前瞻性。
一種化學實驗廢棄物分離與處理裝置,包括:沉降罐,其頂部一側(cè)設有注入罐,沉降罐內(nèi)設有斜面,沉降罐下部相對的兩側(cè)壁上設有插槽,插槽內(nèi)設有固體收納箱;反應罐,反應罐和沉降罐通過彎管連接,反應罐上設有攪拌電機,且反應罐上表面設有加藥器,反應罐底部設有沉淀收集槽,反應罐內(nèi)設有pH計;吸附裝置,其內(nèi)設有吸附層。本實用新型將化學實驗產(chǎn)生的廢棄物進行簡單的就低分離、處理,處理成本低,適合用于小規(guī)模實驗室內(nèi)使用,將本實用新型用于“化學反應焓變的測定”產(chǎn)生的廢棄物進行分離時,能夠有效的處理廢棄物中的銅粉、鋅粉、銅離子以及鋅離子,使得處理后的液體能夠達到排放標準,降低了廢液存放、運輸過程中的安全隱患。
本實用新型提供了一種化學廠用多介質(zhì)污水過濾器,屬于污水處理技術(shù)領域,包括罐體、排水管和進水管,罐體右側(cè)自上而下分別嵌入設置有進水管和排水管,且排水管呈“L”狀設置,罐體頂端通過螺栓固定連接有檢修口,進水管靠近罐體內(nèi)部一端固定連接有分水器。該種化學廠用多介質(zhì)污水過濾器中設置頂帽、第一活性炭層和第二活性炭罐,通過頂帽與分水器的配合使用,使得污水在進水管分流向分水器流動,進而令污水呈向上噴灑狀排出,通過增加污水與空氣之間接觸時間達到對污水冷卻的目的,同時利用第一活性炭層和第二活性炭罐雙重配合,使得初步過濾完畢的污水在二者中進一步過濾,從而令污水中的雜質(zhì)被活性炭分離達到更好的過濾效果。
本發(fā)明公開了基于模型的高樣本率深度強化學習的無人設備控制方法,包括:獲取軌跡數(shù)據(jù),并將軌跡數(shù)據(jù)存入環(huán)境緩沖池中;對環(huán)境狀態(tài)轉(zhuǎn)移模型進行更新;進行多步交互軌跡預測生成預測數(shù)據(jù),并將預測數(shù)據(jù)存入模型緩沖池;對Actor?Critic策略模型進行更新;持續(xù)迭代更新環(huán)境狀態(tài)轉(zhuǎn)移模型和Actor?Critic策略模型直至當前策略性能達到預期要求。本發(fā)明采用基于模型的深度強化學習的方法,構(gòu)建一個環(huán)境狀態(tài)轉(zhuǎn)移模型來模擬無人設備與外界環(huán)境的交互,從而急劇減少無人設備與真實環(huán)境的交互次數(shù),并且由環(huán)境狀態(tài)轉(zhuǎn)移模型產(chǎn)生的數(shù)據(jù)能夠?qū)o人設備行進控制策略進行有效的優(yōu)化,使得對無人設備的控制變得高效。
本實用新型公開了一種含油乳化液廢水電化學分離反應器,反應器本體分別連接有廢水進水管和處理后出水管,其特征在于:在反應器本體內(nèi)設置有用于電化學反應的電極單元,電極單元的兩個電極分別與電極專用電源的兩個電源輸出端連接,在電極單元的下方約50MM處安裝有取樣口和在線監(jiān)測儀表接口;在所述反應器本體外設置有加藥單元,加藥單元包括廢水和破乳劑混合單元,加藥單元的送水管與反應器本體的廢水進水管連接。利用本實用新型可以實現(xiàn)電離及化學破乳,其應用范圍更加廣泛,具有對乳化液廢水分離效率高、脫色率高、操作簡便、無易損易耗件更換等優(yōu)點。
本發(fā)明公開一種水力?化學耦合作用下的孔隙壓力傳遞實驗系統(tǒng)及方法,包括雙泵流體控制系統(tǒng)和三軸室、圍壓增壓系統(tǒng);所述三軸室包括軸向增壓缸、三軸室支座、三軸室腔體、氣泵;所述三軸室腔體上設有與三軸室腔體內(nèi)腔相通的氣管接頭、軸向穿設的頂端支撐壓頭,內(nèi)部設有流體循環(huán)壓頭、巖心;所述三軸室支座具有向上的軸向凸起部,所述頂端支撐壓頭、流體循環(huán)壓頭、巖心依次壓在所述三軸室支座的軸向凸起部上;所述巖心側(cè)面設有測量巖心內(nèi)部壓力的孔隙壓力傳感器。本發(fā)明可以模擬地層條件下循環(huán)的鉆井液在水力壓差單獨作用、化學勢差單獨作用以及水力壓差和化學勢差耦合作用下的孔隙壓力傳遞實驗,得到各因素對孔隙壓力的影響程度和變化規(guī)律。
本發(fā)明公開了一種基于深度強化學習的時間序列分類方法,包括以下步驟:采集若干時間序列,獲取樣本數(shù)據(jù),并對樣本數(shù)據(jù)進行預處理;構(gòu)建深度殘差網(wǎng)絡,根據(jù)預處理后的樣本數(shù)據(jù),并通過深度強化學習方法對深度殘差網(wǎng)絡進行更新;將待測試的時間序列輸入更新完成的深度殘差網(wǎng)絡,得到時間序列的分類結(jié)果。本發(fā)明通過將樣本打亂順序輸入深度強化學習網(wǎng)絡,使其更具魯棒性,設置獎勵和懲罰的方式尋找時間序列分類的最優(yōu)策略,擁有高的分類準確度。
本發(fā)明公開了一種基于相似上下文和強化學習的中文詞向量生成方法,解決了現(xiàn)有的中文詞向量生成方法都是考慮基于目標詞的相鄰上下文和目標詞的關系來進行預測的,沒有考慮到在中文中有些單詞雖然相鄰,但是語義不相關的情況,且詞向量的表示質(zhì)量不高問題。本發(fā)明方法包括:選取語料庫,進行語料庫預處理,從而構(gòu)建中文語料庫;對中文目標詞進行相似上下文發(fā)現(xiàn),獲得與中文目標詞的語義相關的相似上下文;構(gòu)建中文詞向量強化學習框架,并進行強化學習,得到中文目標詞的詞向量表示。本發(fā)明能夠解決中文相鄰詞不相關的問題,生成高質(zhì)量的中文詞向量。
本實用新型屬于化學品腐蝕測試設備技術(shù)領域,具體涉及一種用于航空化學品氫脆試驗的盛樣杯及試驗裝置。針對現(xiàn)有技術(shù)的缺陷,本發(fā)明的盛樣杯包括杯體,所述杯體底部設置有用于通過氫脆棒試件的通孔,所述通孔中設置有用于密封杯體與氫脆棒試件的密封環(huán)。采用本實施例的盛樣杯,能夠保證航空化學樣品體積與氫脆棒表面積的比值為25ml/cm2,同時能避免夾具或杯體被腐蝕產(chǎn)生腐蝕產(chǎn)物,從而影響試驗結(jié)果。且試驗中氫脆棒試件斷裂時試驗裝置仍能夠保持穩(wěn)定,從而提高了實驗的安全性。
本發(fā)明屬于人工智能技術(shù)領域,具體的說是涉及一種基于深度強化學習的網(wǎng)絡自主智能管控方法。本發(fā)明首先構(gòu)建網(wǎng)絡拓撲,然后引入CNN、LSTM層和延遲更新策略構(gòu)建基于DDPG強化學習算法的路由決策模型,最后對基于深度強化學習的路由決策模型進行迭代訓練。在每次迭代訓練中,智能體根據(jù)測量得到的網(wǎng)絡狀態(tài)和神經(jīng)網(wǎng)絡獲得輸出的動作,即一組鏈路權(quán)重,并根據(jù)鏈路權(quán)重使用最短路徑算法計算業(yè)務的路由。根據(jù)路由計算結(jié)果,智能體下發(fā)流表,并獲取業(yè)務的端到端時延和丟包率計算此次迭代的獎勵值。算法具有良好的收斂性,能夠有效降低業(yè)務的端到端時延和丟包率。
本實用新型屬于石油化工技術(shù)領域,具體而言,涉及一種化學防砂配砂及固砂評價實驗裝置。該裝置包括配砂裝置、注砂裝置、固砂裝置和測評裝置。配砂裝置、注砂裝置、固砂裝置和測評裝置依次相連。配砂裝置包括樹脂儲罐、樹脂輔助劑儲罐、固化劑儲罐、固化劑輔助劑儲罐、第一調(diào)節(jié)閥、第二調(diào)節(jié)閥、第三調(diào)節(jié)閥、第四調(diào)節(jié)閥、平流泵、第一截止閥和混合釜;注砂裝置包括涂敷砂注入管線和攜砂液注入管線。固砂裝置包括氮氣瓶、第七調(diào)節(jié)閥和固砂模型;測評裝置包括進液管線、排液管線和生產(chǎn)流體儲罐。實現(xiàn)了對現(xiàn)場化學防砂施工工藝從配砂、注砂、固砂到固砂質(zhì)量測評整個工藝流程的室內(nèi)實驗模擬,通過實驗優(yōu)選出與出砂層匹配度最佳的涂敷砂配置方案。
中冶有色為您提供最新的四川成都有色金屬化學分析技術(shù)理論與應用信息,涵蓋發(fā)明專利、權(quán)利要求、說明書、技術(shù)領域、背景技術(shù)、實用新型內(nèi)容及具體實施方式等有色技術(shù)內(nèi)容。打造最具專業(yè)性的有色金屬技術(shù)理論與應用平臺!