公开(公告)号：CN116143540A

公开(公告)日：2023-05-23

申请号：CN202310163319.5

申请日：2023-02-24

Applicant: 哈尔滨工业大学

Inventor： 曹健 ,  杨博 ,  赵立岩 ,  李淳 ,  周龙 ,  袁昊 ,  李鸣申 ,  司晓庆 ,  亓钧雷 ,  冯吉才

IPC: C04B37/02

Abstract: 采用Zr‑Cu‑Fe钎料钎焊MAX相陶瓷与锆基合金的方法，本发明要解决现有的MAX相陶瓷与锆基合金扩散焊接头强度低的问题。钎焊方法：一、真空电弧熔炼制备Zr‑Cu‑Fe钎料合金，合金切割打磨制成钎料箔片；二、分别对MAX相陶瓷和锆基合金的待焊表面机械打磨，超声清洗；三、按照MAX相陶瓷/钎料箔片/锆基合金的顺序依次叠放，得到待焊装配件；四、将待焊装配件置入高真空钎焊炉内，控制钎焊温度为880～930℃进行钎焊。本发明通过在Zr基体中添加Cu和Fe对MAX相陶瓷与锆基合金进行连接。添加的Cu和Fe降低了Zr基合金的熔点，又保留了Zr基钎料的活性，实现原子间的键合，从而形成可靠的连接。

公开(公告)号：CN114048834B

公开(公告)日：2023-01-17

申请号：CN202111303694.2

申请日：2021-11-05

Applicant: 哈尔滨工业大学(深圳)

Inventor： 王轩 ,  张加佳 ,  漆舒汉 ,  袁昊 ,  刘洋 ,  唐琳琳 ,  夏文 ,  廖清 ,  李君一 ,  杜明欣

IPC: G06N3/00 ,  G06N3/04 ,  G06N3/08 ,  G06N20/00

Abstract: 本发明公开了一种基于事后回顾和渐进式扩展的持续强化学习非完全信息博弈方法及装置，包括下述步骤：获取非完全博弈环境，确定任务目标；构建第一神经网络和基于未来值预测的强化学习方法；构建事后经验回顾池；对第一神经网络进行训练，直至第一神经网络收敛；构建渐进式神经网络，实现网络模型的渐进式扩展；选择下一个任务作为任务目标，利用基于未来值预测的强化学习方法持续训练，直至所有的任务都训练完成。本发明通过使用非完全信息博弈场景中丰富的智能体状态变化作为监督信号，解决该环境下的奖励稀疏问题，同时引入持续学习框架渐进式神经网络对未来值预测网络结构进行动态扩展，解决了在该环境下的多任务场景中的灾难性遗忘的问题。