新工科背景下“以学生为主体”的电路实验教学改革

在“以学生为主体”的教学理念下,内蒙古工业大学针对电路实验课程进行了改革。通过校园网络教学平台自建的实验资源库,结合雨课堂智慧教学工具,实现了对学生课前、课中、课后的闭环式实验监管。实验教学模式设计更注重探索式学习,通过提问的方式引导学生逐步开展实践操作。实验考核加入过程考核及激励评价机制,可以更全面准确地量化学生的学习效果。

基于RF与D-S证据理论融合的多通道齿轮箱复合故障诊断

针对齿轮箱复合故障特征难于提取,诊断缺乏自动识别性,且单通道往往无法全面表征故障信息等问题,提出一种基于随机森林与证据理论相融合的多通道齿轮箱复合故障诊断方法。首先通过小波包变换对各通道复合故障信号进行分解,得到故障信号的特征向量;之后引入一种新的特征集组合框架构建针对不同故障的特征数据集,通过随机森林算法划分单个分类模型;接着综合考虑各分类模型,合成每个通道下的集成分类器,并提出一种新的迭代自更新策略不断完善分类器的性能;最后设计一种基于Lance距离的改进D-S证据理论算法,该算法采用Lance距离来度量各空间证据间的证据距离,并构造Lance矩阵,由此获得相似度矩阵来衡量各证据体间的相似程度和支持度,通过计算各通道的敏感度权重系数进行BPA修正,获得最终的诊断融合结果。通过齿轮箱试验平台进行算法验证,结果表明该方法能有效识别出复合故障中包含的每类故障,并能全面融合不同通道的故障冗余信息,实现齿轮箱复合故障的精确诊断。

基于双流生成对抗网络数据增强的风电机组智能故障诊断

针对实际工况下风电机组故障数据难以获取,现有数据增强方法对1维数据特征提取效果不佳的问题,提出一种基于双流生成对抗网络(DSGAN)的小样本智能故障诊断方法。设计了一种新的双流网络,通过深度特征提取流与时间特征提取流对风电机组故障数据进行深度与时间双特征提取。提出一种全局特征引导的自适应加权融合(GFG-AWF)模块对提取的双特征进行融合,并通过引入对抗生成思想,设计DSGAN完成小样本数据的增强。构建基于增强数据集辅助的双流诊断网络实现故障分类识别。利用轴承试验台数据与实际风电机组运行数据对所提方法进行了验证,最终诊断准确率达到98%,表明所提方法可以有效解决小样本的故障诊断问题。

VanillaFaceNet:一种高精度快速推理的牛脸识别方法

快速精准确定牛只身份对于牛只活体贷款,改善牛只骗保等问题具有重要意义。针对不同牛只面部差异小,FaceNet网络层数深,推理速度较慢,模型分类精度不足等问题,该研究提出了基于FaceNet的牛脸识别方法-VanillaFaceNet。该方法首先将FaceNet的主干特征提取网络替换为极简网络VanillaNet-13并提出动态激活和增强型线性变换的激活函数两种方法提高网络的非线性;然后,提出一种新的DBCA(dual-branch coordinate attention)注意力模块,能够更好地反映不同牛只面部特征之间的差异,从而提高网络的识别精度;最后,针对triplet loss仅能减小牛只类间差异的问题,采用center-triplet loss联合监督来减少牛只类内差异,从而提高了相同牛只身份比对的准确性。基于自建的牛脸数据集对该模型进行训练和测试,试验结果表明,VanillaFaceNet对牛只识别的准确率达到88.21%,每秒传输帧数为26.23帧。与FaceNet、MobileFaceNet、CenterFace、CosFace和ArcFace算法相比,本文算法的识别准确率分别提高了2.99、9.58、6.26、3.85和4.49个百分点,推理速度分别提升了2.67、0.77、0.10、1.28和0.94帧/s。该模型对牛只有较为优秀的识别效果,适于在嵌入式设备上部署,实现了牛只面部识别精度和推理速度之间的平衡。

一种场景自适应的双分支牛脸高效识别算法

随着智慧牧业的高速发展,牛脸识别已成为牛场智能化养殖的关键,但牛场养殖环境复杂且动物的自主能动性差,导致牛脸数据采集与识别过程会受到模糊、遮挡和光照等环境因素的严重干扰.针对此问题,提出一种复杂场景自适应选择双分支牛脸高效识别算法.该算法首先设计了基于像素融合的数据增强策略,通过Beta分布计算融合系数,将牛的左右脸图像按融合系数进行像素级整合,在丰富样本特征信息同时,增强网络学习模糊和遮挡下的牛脸特征,提升网络对复杂场景的泛化能力;其次,在主干特征提取网络中引入一种新型注意力机制CDAA(Composite Dual-branch Adaptive Attention),可随着场景信息变换,自适应加强通道与空间注意力分支的权重,提高网络在复杂场景下的特征筛选能力;之后,设计FaceNet与U-LBP(Uniform Local Binary Patterns)结合的双分支特征提取结构,并将提取的特征向量实现自适应加权融合,增加网络在过亮或过暗环境下的鲁棒性;最后,在损失函数中加入改进交叉熵损失(Focal Loss),根据场景信息复杂度动态调控权重系数,实现对难易分类样本自主控制.为检测算法的有效性和实时性,在特定数据集上进行消融试验,与多种典型识别算法进行对比.实结果表明,提出的算法能很好满足实时性要求,在开集测试集上准确率达到87.53%,识别速度达到108帧/s,且在复杂场景下,识别效果均优于对比网络.

“电磁场理论”课程思政教学设计与实践研究

针对“电磁场理论”课程思政教学目标导向性不足、思政内容融入不深、思政教学考核缺乏指标等问题,设计了具有时代特色的思政元素,并将其深度融入课程教学内容中。在此基础上,设计了“以学生为中心”的思政与专业双闭环动态教学模式,建立了知识掌握、能力提高与价值塑造“三位一体”的多维度考核与评价方式,构建了“电磁场理论”课程的思政教学体系。教学实施结果表明,课程的教学满意度、教学达成度等评价指标实现了一定的提升,较好地实现了课程的育人功能。

一种无监督双层DBN的轴承故障智能诊断方法

大型滚动轴承设备的运行环境复杂多变,以往利用模式识别建立的诊断方法,通常难以有效解决数据含有噪声,不完备、无标签等问题。因此提出一种无监督双层深度信念网络(DBN)的滚动轴承故障智能分类与诊断方法。方法利用DBN的逐层贪婪学习来挖掘与故障相关的特征信息并输入分类器。通过自适应模糊C均值聚类算法,识别未知数据中的异常值。若异常值密度聚集度低,则判定其为噪声,并以此消除分类过程噪声干扰;若异常值密度聚集度高,则判定其为一个新类别,并合并到故障知识库中。之后再将贝叶斯分类器的方法应用于二级DBN网络中,使故障损伤等级实现无监督学习。利用西储大学滚动轴承实验平台数据对此套方法进行验证,结论表明在有噪声和不完备数据建模情况下,可以很好地完成故障类型与损伤等级的准确划分,具有一定的智能性。

基于小波变换的动态心电信号伪差识别

由突变干扰引起的伪差会严重阻碍动态心电信号的自动分析和正确诊断,常规的小波消噪方法无法消除这类伪差干扰。提出一种新的识别心电信号突变干扰的方法,即利用小波多尺度分解并结合阈值判定算法对突变干扰这类伪差进行自动识别。采用实测的30组动态心电信号对该算法进行测试,实验结果表明,该算法能快速、有效地识别动态心电信号中的突变干扰,正确检出率达到96.4%,为正确诊断动态心电信号提供保障。

一种W型结构元素的自适应数学形态学及其在风电机组轴承故障诊断中的应用

为了提高风电机组滚动轴承故障诊断的有效性和可靠性,提出一种W型自适应数学形态学特征提取方法,并与谱相关分析相结合形成风电机组滚动轴承故障诊断策略。该方法首先针对传统三角型结构元素在故障特征提取中易出现对脉冲信号的漏查,提出一种W型结构元素,旨在捕捉更多特征信息;之后依据各故障信号的实际波形得到结构元素的高和最优开闭运算加权因子,构建自适应形态学模型;最后对测试信号与训练信号进行频域内谱相关性分析,依据相关系数识别故障。将该方法通过数值例、西储大学实验台轴承数据和实际风场采集数据进行算法验证,并与传统的三角型结构元素进行比较,实验结果表明W型结构元素能更有效地提取信号中的脉冲成分、降低噪声干扰,故障诊断算法可准确识别出故障类别,提高结果的可靠性。

基于量化的二维DCT优化算法研究

DCT变换广泛应用于图像压缩算法中,在大多数情况下最有用的信息集中在DCT系数的低频序列中,而对那些经过量化后为零的系数进行计算,不但费时且计算量大幅增加。据此提出了两种新的二维DCT快速截取算法,使得计算一个8×8的二维DCT变换所需的乘法运算次数减少了60%,加法运算次数减少了77%。经过实验验证该算法在峰值信噪比PSNR值损失很少的情况下,显著地降低了算法的复杂度。

织物疵点图像目标定位自动优化检测仿真

针对纺织过程中出现的疵点图像目标定位自动检测,为了提高检测的精确性,提出一种基于多尺度主元分析(MSPCA)的织物疵点自动检测与定位新算法。算法首先采用小波分解对织物特征进行提取,将疵点特征突显出来,再通过PCA算法对织物特征进行分析,将织物特征分为主元空间和残差空间,通过计算SPE(Squared Prediction Error)统计量实现疵点实时监测。最后,运用滑动窗进行疵点定位,滑动步长设定为半个滑动窗的长度,相邻的滑动窗之间有重叠部分,因此只有当相邻的上下左右四个滑动窗均检测到疵点,方能确定其重叠部分存在疵点,在精确定位的同时有效减少误检测点。对正常、沾污、破洞、缺纬、缺经五种织物的检测结果更为精确,验证了上述方法的可行性及有效性。

基于DPM和DVS的双效节能调度算法

对于电池供电系统,如何降低功耗已成为系统设计中的一个关键问题。通过对系统功耗组成及任务调度策略进行深入分析,提出一种动态电压调节(DVS)和动态功率管理(DPM)相结合的双效节能调节算法DVS-PM。DPM动态管理处理器及外围模块在工作模式和低功耗模式之间切换,DVS在保证系统实时性前提下,实现系统运行在功耗最低的最佳工作点,达到更好的节能效果。实验结果表明,该节能调度算法能大幅减少系统能量消耗,与不采用节能算法相比,节能55.4%。

基于马尔可夫电池模型的节能调度算法研究

对于电池供电的便携式系统,电池的节能调度是提高系统性能的重要因素,而建立精确实用的电池模型是研究电池节能调度算法的必要前提。提出了一种电池建模方法,即在每个单位时间内模拟电池的基本行为,通过行为的叠加实现对电池整个放电过程的跟踪。仿真和实验结果均证明了建模方法的正确性,同时亦表明方法具有建模简单、模型精度较高等优点。针对现有的电池节能算法往往存在增加系统复杂度、影响系统实时性等缺点,文中提出两种改进的电池节能调度算法,并在电池模型上进行了仿真验证。结果显示,改进后的算法更易于实现,且在满足系统实时性能前提下,达到较好的节能效果。

基于短信平台的智能信息开关的设计与实现

本文介绍了一种基于移动通信网短信平台和nRF905无线模块的智能信息开关系统,重点阐述了系统的组成和网络中主从节点的软硬件设计。用户利用短信息功能,将控制或查询命令发送给家庭网关,网关解析此命令并转发给家庭无线网络中相应子节点,从而实现各种电器设备的控制和运行状态监测。

烟气CFB干法脱硫与湿法脱硫的比较及应用前景

对烟气CFB干法脱硫工艺进行了简要介绍,并与石灰石-石膏湿法脱硫工艺进行了比较。结合某工程烟气脱硫方案设计实例,论述了CFB干法脱硫工艺的优势。在燃用低硫煤种时,干法脱硫投资省,且对灰场地下水不会造成二次污染,有一定的应用前景;但在燃用高硫煤种时不完全适合,尚需考虑附加脱硫方法。

浅析电站锅炉辅机的选型及优化

简要分析了电站锅炉辅机选型优化的必要性,结合某工程中发生的具体情况,对辅机选型及裕量优化做了相关分析和计算。通过对计算结果的比较,得出优化结果。优化后的辅机设备,对初期投资额及厂内用电量都有较明显的降低,并能对以后辅机选型优化起到抛砖引玉的作用。

《电路》课程教学模式改革探索与实践

针对传统教学模式下《电路》课程教学中学生积极性和主动性不强,缺少综合能力训练内容等问题,对教学方法和教学实践环节进行改革。提出基于任务驱动课堂教学的方法和通过科研小课题初步培养大学生创新学习能力的方法。教学实践证明,本校学生较为适应改革后的教学模式,改进后的教学效果良好。此项研究对于高校教学改革,尤其是培养大学生创新学习能力具有一定的价值。

基于离散随机过程建立锂电池模型的研究

本文首先通过锂电池实验深入研究了电池的两个基本特性,恢复效应和速率容量效应。然后依据离散随机电池模型理论,模拟出跟踪电池基本行为的离散过程,通过仿真和锂电池放电实验进行了模型验证,结果显示模拟过程与理论推导相吻合,从而验证了模型的正确性。

基于增强型形态学滤波的风电机组轴承故障诊断方法

风电机组滚动轴承振动信号微弱故障特征易被背景噪声和其他频率干扰,提取难度较大。针对此类问题,提出一种增强型的形态学滤波及故障诊断方法。算法构造了一种新的形态学综合顶帽变换(morphological comprehensive filter-hat transform,MCFHT),将其用于强背景噪声下目标信号的故障脉冲提取,并通过非线性滤波器幅频响应考察其滤波性质,为振动检测中故障脉冲的提取提供理论依据;针对MCFHT变换滤波尺度选择问题,通过分析原振动信号自身振动特性,给出了一种自适应的尺度计算策略,有效提高了滤波处理的效率和性能;提出一种改进的包络导数能量算子用于增强形态学滤波后信号中故障冲击特征,并滤除带内噪声频率。仿真信号与风电机组轴承实际故障信号实验结果表明,该方法能有效提取随机噪声和谐波干扰下的故障特征信息,滤波效果强于传统方法,具有较好的工程应用价值。

基于MK-MOMEDA和Teager能量算子的风电机组滚动轴承复合故障诊断

针对在强噪声背景下风电机组滚动轴承复合故障特征较为微弱,且不同故障特征之间相互干扰,使得复合故障特征难以有效分离的问题,提出基于多点峭度-多点优化调整的最小熵解卷积(multipoint kurtosis-multipoint optimal minimum entropy deconvolution adjusted,MK-MOMEDA)和Teager能量算子的复合故障特征提取方法。首先对复合故障信号进行解卷积多点峭度谱分析,获取故障冲击成分的周期,根据相关的周期分别设定包含故障周期在内的特征提取区间,然后对故障信号进行解卷积运算,分离出不同的故障特征,再使用Teager能量算子增强解卷积后的冲击信号,最后对增强后的信号作傅里叶变换,通过分析频谱图中的主导故障特征频率可有效识别出复合故障特征。将该方法应用于实验平台模拟滚动轴承复合故障以及实际风电机组轴承复合故障进行验证,结果表明该方法能实现复合故障特征的准确分离,成功诊断出故障类型。