为增加聚集太阳光穿透深度,降低红外辐射散热损失,提出了一种由石英玻璃小球和氮化硅小球组成的梯度吸热颗粒堆积床太阳能吸热器(Gradient-absorption-packed solar receiver,GSR)。采用颗粒尺度方法,建立了聚集太阳光辐射加热作...
详细信息
为增加聚集太阳光穿透深度,降低红外辐射散热损失,提出了一种由石英玻璃小球和氮化硅小球组成的梯度吸热颗粒堆积床太阳能吸热器(Gradient-absorption-packed solar receiver,GSR)。采用颗粒尺度方法,建立了聚集太阳光辐射加热作用下GSR的高温耦合传热模型。结合实验测量验证,对GSR的高温吸热规律进行研究分析。结果表明,对单一吸热颗粒堆积床太阳能吸热器(Single-absorption-packed solar receiver,SSR),颗粒直径越小,热效率越高,但是吸热量与压降之比的综合效率越低。对粒径比为5的GSR,在低质量流量范围(质量流量小于7.5g/s),二层石英玻璃小球的GSR热效率最高,而在高质量流量范围(质量流量大于7.5g/s),一层石英玻璃小球的GSR热效率最高。在相同粒径比和流量条件下,GSR的聚集太阳光穿透深度大,热效率和综合效率均高于SSR,且温度越高,增幅越大,说明GSR尤其适合高温吸热,具有重要的应用潜力。
针对车辆移动过程中服务质量(QoS)下降的问题,提出了一种基于凸优化使能深度强化学习的服务迁移(service migration via convex-optimization-enabled deep reinforcement learning,SeMiR)方法。将优化问题分解为两个子问题并分别求解;...
详细信息
针对车辆移动过程中服务质量(QoS)下降的问题,提出了一种基于凸优化使能深度强化学习的服务迁移(service migration via convex-optimization-enabled deep reinforcement learning,SeMiR)方法。将优化问题分解为两个子问题并分别求解;针对服务迁移子问题,设计了一种基于改进深度强化学习的服务迁移方法,以探索最优迁移策略;针对资源分配子问题,设计了一种基于凸优化的资源分配方法,以推导给定迁移决策下每台MEC服务器的最优资源分配,提升服务迁移的性能。实验结果表明:与基准方法相比,SeMiR方法能够有效提升车辆的QoS,在各种场景下均展现出更加优越的性能。
暂无评论