基于状态特征向量的装配式建筑钢结构损伤识别方法

为提高装配式建筑钢结构损伤识别精度,测定准确的损伤裂缝长度及相关数据,引入状态特征向量,开展对装配式建筑钢结构损伤识别方法的设计研究。利用状态特征向量,提取建筑钢结构参数,结合支持向量机,完成钢结构损伤磁记忆特征检测。基于检测结果,实现对装配式建筑钢结构损伤的等级判定。将新的识别方法与现有的两种识别方法应用于相同实验环境对比可知,新的识别方法可以得到更准确、精度更高的识别结果,查明所有的损伤问题,且识别误差不超过±0.1 mm。将新的识别方法应用于实际,能够进一步提高钢结构的施工质量,同时可以通过识别结果为钢结构性能优化和维护策略的提出提供重要依据。

基于样本优化的PPO算法在单路口信号控制的应用

优化交通信号的控制策略可以提高道路车辆通行效率,缓解交通拥堵.针对基于值函数的深度强化学习算法难以高效优化单路口信号控制策略的问题,构建了一种基于样本优化的近端策略优化(MPPO)算法的单路口信号控制方法,通过对传统PPO算法中代理目标函数进行最大化提取,有效提高了模型选择样本的质量,采用多维交通状态向量作为模型观测值的输入方法,以及时跟踪并利用道路交通状态的动态变化过程.为了验证MPPO算法模型的准确性和有效性,在城市交通微观模拟软件(SUMO)上与值函数强化学习控制方法进行对比.仿真实验表明,相比于值函数强化学习控制方法,该方法更贴近真实的交通场景,显著加快了车辆累计等待时间的收敛速度,车辆的平均队列长度和平均等待时间明显缩短,有效提高了单路口车辆的通行效率.