函数逼近方法在P型核磁解释饱和度算法研究中的应用

函数逼近法是一种重要的数据拟合方法.在已知自变量与期望值的情况下,通过构造函数作用于自变量得到拟合值逼近期望值.文章介绍将该方法用于研究P型核磁解释饱和度算法,对哈里伯顿Petrosite软件饱和度模块输入输出数据进行分析、试验、计算,得到相关性强的构造函数,通过实际资料处理,采用与Petrosite软件相同的参数设置,处理结果与Petrosite软件处理结果基本吻合.实验结果证明以本文算法为基础开发的软件达到了引进软件的处理水平.     

基于FPGA的深度强化学习硬件加速技术研究

深度强化学习(Deep Reinforcement Learning, DRL)是机器学习领域的一个重要分支,用于解决各种序贯决策问题,在自动驾驶、工业物联网等领域具有广泛的应用前景。由于DRL具备计算密集型的特点,导致其难以在计算资源受限且功耗要求苛刻的嵌入式平台上进行部署。针对DRL在嵌入式平台上部署的局限性,采用软硬件协同设计的方法,设计了一种面向DRL的FPGA加速器,提出了一种设计空间探索方法,在ZYNQ7100异构计算平台上完成了对Cartpole应用的在线决策任务。实验结果表明,研究在进行典型DRL算法训练时的计算速度和运行功耗相对于CPU和GPU平台具有明显的优势,相比于CPU实现了12.03的加速比,相比于GPU实现了28.08的加速比,运行功耗仅有7.748W,满足了深度强化学习在嵌入式领域的在线决策任务。     

巷道过陷落柱施工工艺及支护优化

针对巷道采用炮掘过陷落柱效率低的问题,结合长平矿二盘区胶带机大巷的地质情况,对原施工工艺及支护存在问题进行分析,通过采用EBZ260掘进机组,提高巷道过陷落柱的掘进效率,并对巷道围岩支护方案进行优化。试验表明:采用EBZ260机组截割过陷落柱,掘进效率提升150%;巷道支护方案优化后,顶板下沉量不大于150mm,两帮收缩量不大于250mm,巷道支护效果良好。