摘要：针对强化学习中已有连续动作空间算法未能充分考虑最优动作的选取方法和利用动作空间的知识,提出一种对自然梯度进行改进的行动者评论家算法。该算法采用最大化期望回报作为目标函数,对动作区间上界和下界进行加权来求最优动作,然后通过线性函数逼近器来近似动作区间上下界的权值,将最优动作求解转换为对双策略参数向量的求解。为了加快上下界的参数向量学习速率,设计了增量的Fisher信息矩阵和动作上下界权值的资格迹,并定义了双策略梯度的增量式自然行动者评论家算法。为了证明该算法的有效性,将该算法与其他连续动作空间的经典强化学习算法在3个强化学习的经典测试实验中进行比较。实验结果表明,所提算法具有收敛速度快和收敛稳定性好的优点。

摘要：经典的强化学习算法主要应用于离散状态动作空间中.在复杂的学习环境下,离散空间的强化学习方法不能很好地满足实际需求,而常用的连续空间的方法最优策略的震荡幅度较大.针对连续空间下具有区间约束的连续动作空间的最优控制问题,提出了一种动作加权的行动者评论家算法(Action Weight Policy Search Actor Critic,AW-PS-AC).AW-PS-AC算法以行动者评论家为基本框架,对最优状态值函数和最优策略使用线性函数逼近器进行近似,通过梯度下降方法对一组值函数参数和两组策略参数进行更新.对两组策略参数进行加权获得最优策略,并对获得的最优动作通过区间进行约束,以防止动作越界.为了进一步提高算法的收敛速度,设计了一种改进的时间差分算法,即采用值函数的时间差分误差来更新最优策略,并引入了策略资格迹调整策略参数.为了证明算法的收敛性,在指定的假设条件下对AW-PS-AC算法的收敛性进行了分析.为了验证AW-PS-AC算法的有效性,在平衡杆和水洼世界实验中对AW-PS-AC算法进行仿真.实验结果表明AW-PS-AC算法在两个实验中均能有效求解连续空间中近似最优策略问题,并且与经典的连续动作空间算法相比,该算法具有收敛速度快和稳定性高的优点.

摘要：文章从分析桩基检测技术现状以及其存在的主要问题入手,在此基础上解析了桩基施工中常见的质量问题及成因,最后探讨了目前常用桩基施工方法的技术特点和管控流程及要点,提出了针对性的解决方案,望可以为相关从业人员提供一定的参考和帮助。

摘要：介绍了一种分级帷幕止水技术在动水压力的抛石坝及粗颗粒地层的应用,阐述了分级帷幕止水技术的原理、工艺、施工方法及止水效果,并通过工程实例,对分级帷幕止水技术的级配干粉料的充填技术和三序孔劈裂注浆技术进行了介绍&分级帷幕止水技术是一种通过工程验证的止水技术,宜在相似工况下推广。

摘要：尿素装置高压设备衬里,因材料本身、制造质量和过程控制等原因,设备长期运行,难免会发生衬里母材或焊缝腐蚀泄漏现象。针对这一现象,需要采取及时、有效和可靠监测手段,防止泄漏增大而造成重大安全和设备事故。分析了传统检漏方法存在的压力控制、检测连续性、数据偏差等缺点,通过应用具有自主知识产权的高压设备衬里在线氨泄漏检测系统,替代落后的手动检漏方法。一年的运行实际显示,该系统检测精度高、自动生成历史趋势、避免检测盲区、增强了系统的安全性,达到了对高压设备衬里连续监控的目的。

摘要：主要介绍了高压甲铵池式冷凝器管板腐蚀的主要原因,对造成蒸汽冷凝液中溶解氧含量升高的地方进行查找分析,通过实施相应对策,解决了蒸汽冷凝中溶解氧含量高的问题。

摘要：尿素装置汽提塔随使用年限增加,分布管上的三个出液小孔受冲刷腐蚀增大,单位时间进入汽提管中尿液量增加,汽提塔效率下降。通过对分布管加工修复,达到了新分布管各项指标要求,满足使用条件,实际应用后效果较好,可推广修复利用。

摘要：介绍了尿素在国民经济发展中的重要作用以及CO2汽提法合成尿素的发展概况,并着重探讨分析了尿素合成塔结构与功能,以及影响尿素合成塔CO2转化率的因素及其优化措施。

摘要：蒸汽冷凝液中存在氯离子会腐蚀尿素高压设备,通过分析本装置蒸汽冷凝液中氯离子含量高的原因,查找造成氯离子含量高的设备,针对相应问题提出整改措施,解决了蒸汽冷凝液中氯离子含量高的问题。