全光网中采用可信度模型的故障定位技术

宽带业务的飞速发展推动着光网络向着超大容量、超高速率方向演进．与此同时,在透明节点增加、光电再生设备减少的全光网络中,多故障定位的非完全多项式属性、网络拓扑的复杂性以及承载业务的多样性使得故障定位变得尤为困难．如何根据收集的告警信息,确切地找出故障的准确数目及其位置成为网络管理人员的难题．针对全光网中故障与告警的关系展开研究,在多故障定位的相关方向上完成了采用可信度推理方法对故障与告警之间的复杂映射关系进行梳理,建立了一种多故障条件下全光网故障定位模型,并以此为基础,提出了基于模糊隶属度以及联合可信度的两种启发式故障定位算法．通过不同的网络拓扑以及与其他的算法对比,对这两种算法以及可信度模型的正确性进行了验证．仿真结果表明,该模型能够很好地处理多故障定位问题的不确定性,且定位性能优越,具有很强的实际意义．     

氯碱、聚氯乙烯行业生产安全管理措施(待续)

介绍了国内部分氯碱、聚氯乙烯危险化学品生产企业在安全管理方面存在的软硬件安全隐患问题,提出了解决这些安全生产问题的建议性措施。     

全球PVC专利技术新进展(待续)

介绍了国内外有关PVC生产、加工、应用方面的专利新技术,包括乙烷氯化制氯乙烯、PVC糊树脂汽提、氯乙烯本体聚合、CPVC生产、聚合用分散剂、无害化增塑剂及废塑料回收等。     

电石法氯乙烯单体质量的提高

为了提高电石法氯乙烯单体品质,在氯乙烯生产中采用了先进的氯乙烯合成工艺、变压吸附脱水技术和高效导向筛板精馏塔技术,降低了精氯乙烯单体中的杂质含量,单体含水质量分数≤100×10~(-6),从而保证了PVC树脂的质量。     

木质素改性及其作为水煤浆添加剂的性能研究

为制备出性价比高的水煤浆添加剂,根据木质素的组成和性质,采用均匀试验设计方法确定了木质素改性制水煤浆分散剂(DCS)的工艺条件。在义马煤的成浆实验中,通过添加剂的添加量与水煤浆黏度的关系及制浆浓度与水煤浆黏度的关系可以看出,在DCS添加量为0.8%(干煤基)时,水煤浆的浓度可达到65%,黏度为988mPa.s;由DCS、木质素磺酸钠(木钠)、萘磺酸钠(NSF)3种添加剂在制浆浓度都为64%时制得水煤浆的流动性和稳定性的比较中,可以看出DCS具有良好的分散与稳定性能。     

聚醚类消泡剂的性能考察

分析了有机硅类、聚醚类消泡剂的特性,对5种市售聚醚类消泡剂的消泡性能、抑泡性能进行了考察,并详细介绍了试验原理和流程。     

基于Frenet标架下三维元胞自动机的航母舰载机集群运动建模

航母舰载机运动包括二维甲板上的运动和三维空域内的运动.二维甲板面易受海面复杂扰动而发生运动,三维空域涉及区域又非常大,这使得实现航母舰载机集群运动建模成为一项具有挑战性的问题.目前国内外公开的研究工作很少有涉及舰载机集群运动的,可以借鉴的关于飞行器集群方面工作中又很少有涉及整个飞行空域内集群运动的模拟.针对上述问题,提出了一种基于Frenet活动标架下的三维元胞自动机模型来实现舰载机集群运动模拟,通过沿舰载机预定航线轨迹构建Frenet活动标架,基于该标架进行元胞剖分并采用三维元胞自动机模型建模求解整个空域内舰载机之间的运动,最终实现整个空域内舰载机集群运动的模拟.在PS机上基于各种虚拟数据集对舰载机的运动进行实验模拟,结果表明,文中方法可以较好地模拟舰载机在多种环境下的起降以及巡航行为,并且针对5 km的航线,可以实时计算模拟约8万架次舰载机的运动状态.     

全球PVC专利技术新进展(待续)

介绍了国内外有关PVC生产、加工、应用方面的专利新技术,包括乙烷氯化制氯乙烯、PVC糊树脂汽提、氯乙烯本体聚合、CPVC生产、聚合用分散剂、无害化增塑剂及废塑料回收等。     

基于分层PCE的多域最小代价路径启发式算法

智能光网络技术和P2MP(点对多点)技术的融合将能够极大地促进光组播业务的发展。文章针对多层多域光网络中的P2MP业务,提出了一种 MDMPH(基于分层PCE(路径计算元素)的多域最小代价路径启发式)算法,并进行了仿真分析。与传统的PDB(基于逐域路径)算法、E-BRPC(基于扩展的反向回溯)算法以及 CTB(基于核心树)算法相比,MDMPH 算法能够计算出代价更小的P 2 MP路径树。     

智能集群系统的强化学习方法综述

智能集群系统是人工智能的重要分支,所涌现出的智能形态被称为集群智能,具有个体激发时的自组织性和群体汇聚时的强鲁棒性等特征.智能集群系统的协同决策过程是融合人-机-物,覆盖多元空间,囊括感知-决策-反馈-优化的复杂非线性问题,具有开放的决策模型和庞大的解空间.然而,传统的算法依赖大量的知识与经验,使其难以支持系统的持续演化.强化学习是一类兼具感知决策的端到端方法,其通过试错的方式不断迭代优化,具有强大的自主学习能力.近些年来,受生物群体和人工智能的启发,强化学习算法已由求解个体的决策问题,向优化集群的联合协同问题演进,为增强集群智能的汇聚和涌现注入了新动能.但是,强化学习在处理集群任务时面临感知环境时空敏感、群内个体高度自治、群间关系复杂多变、任务目标多维等挑战.本文立足于智能集群系统的协同决策过程与强化学习运行机理,从联合通信、协同决策、奖励反馈与策略优化四个方面梳理了强化学习算法应对挑战的方法,论述了面向智能集群系统的强化学习算法的典型应用,列举了相关开源平台及其适用算法.最后,从实际需求出发,讨论总结了今后的研究方向.