轨道交通类专业工程伦理课程建设与实践

近年,随着我国轨道交通工程技术的不断发展,有关工程项目中的伦理问题也逐步暴露,对工程技术人员的工程伦理教育也引起了广泛重视。本文立足轨道交通类专业特点,分析了工程伦理课程教学目标,并以OBE理念为导向,结合专业课程思政建设的要求,从工程伦理课程教学内容设计、教学形式和考核评价三方面,开展了新的教学实践探索,能够有效激发学生学习兴趣,提升学生自主学习意识;提高工程伦理课程知识点和思政教育的教学效果,实现了对轨道交通类技术人才工程伦理素养和社会责任感的培养,促进我国轨道交通行业健康、可持续的发展。

轨道交通信号虚拟仿真实训平台建设与实践

轨道交通信号专业为解决实验教学设备投资高、面积大、高危险导致实验无法实施的难题,对虚拟仿真技术与实验课程进行"系统性"顶层设计。本文结合专业特色和人才培养要求,分析传统实训中存在的问题,提出轨道交通信号实训平台的技术构架和运营效率虚拟仿真计算模块,构建在线实时的评价考核体系。轨道交通信号虚拟仿真实训将学生与实训内容联系起来,提升学生分析解决复杂工程问题的能力,达成培养高水平应用技术型人才的目标。

新工科背景下轨道交通类专业课程思政的探索与实践——以“城市轨道交通概论”课程为例

课程思政是国家大力实施的一项重要的教育政策,要求教师承担起立德树人的根本任务。作为一门重要的专业核心课程,“城市轨道交通概论”的课程思政建设目标是将专业知识传授与思想政治教育有机融合,培养交通强国的优秀建设者和接班人。根据应用型高校学生的特点及课程教学目标,从教学内容与设计、思政元素挖掘、思政元素的内涵外延、评价与成效等方面对课程思政进行全面实施探索。通过探索和实践发现,在专业课程的教授过程中融入思政元素,可有效提升学生学习的积极性与参与度,提升学习的效率与教学的质量。

应用型本科院校交通运输专业工匠精神培育路径研究

当前交通运输专业工匠精神培育存在发展速度滞后、普适路径受限和教学导向不合理等现实问题,传统培养方式难以满足新时代对专业人才的技能培训需求。工匠精神响应了新时代社会发展的现实需求,文中从匠心、匠行和匠德方面切入,梳理工匠精神内涵,探索应用型本科院校交通运输专业工匠精神的培育路径,提出重点聚焦培养模式改革、师资力量建设、校园文化营造和学生成绩考评的思路。同时,院校要加强与政府、企业的协作,形成多方合力,共同培育工匠精神。

基于特征点改进的视觉SLAM定位研究

为改善视觉SLAM系统在低纹理环境下定位精度较低的现象,提出一种改进的ORB特征点提取策略和一种关键帧选择机制;首先采用多尺度分析和基于局部灰度的特征检测方法克服一般ORB算法缺乏尺度和旋转描述的缺点;其次提出一种基于高斯模糊的图像信息增强方法解决传统ORB特征点提取方法在纹理信息不被突出环境下容易失效的问题,并对图像进行象限分割使特征点均匀分布;最后为剔除劣质关键帧,设计了一种综合时间因素与特征点数量因素的关键帧选择机制;将提出的方法移植到ORB_SLAM2上,并在TUM数据集上测试,实验结果表明,视觉SLAM系统的定位误差平均降低14.688%,证实了该方法的有效性。

“三融合、双驱动”“大学生安全素质教育”通识教育课程教学创新实践

秉持学生中心、德育为先、知行合一的教育理念,聚焦专业知识与通识教育融合、理论教学与课外调研实践融合、思政元素与课程内容融合,借助信息技术驱动教学资源共享更新、多元化考核强化过程管理,构建了“三融合、双驱动”教学模式。从专家团队授课、课程内容设计、信息技术运用等着手,将生命价值、安全责任、国家安全等隐性思政元素和具有一定专业深度的安全素养知识与浅显易懂、贴近生活的实例结合,形成鲜活的教学素材,线上教学平台支撑教学资源共享和强化学习过程管理,激发了学生的自主学习探究意识,使学生在知行合一中感悟安全、践行安全。课程的教学创新实践有效提升了课程教学质量,课程教学得到学生好评。

基于Transformer残差网络的事件重建算法

目前的人工视觉系统仍然无法处理一些涉及高速运动场景和高动态范围的真实世界场景。事件相机因其低延迟和高动态范围捕捉高速运动的优势具有消除上述问题的能力。然而,由于事件数据的高度稀疏和变化性质,在保证其快速性的同时将事件重建为视频仍然具有挑战性。因此提出了一种基于Transformer残差网络和光流估计的事件流重建算法,通过光流估计和事件重建的联合训练,实现自监督的重建过程,并引入去模糊预处理和亚像素上采样模块来提高重建质量。实验结果表明,在公开数据集上,提出的方法可以有效提高事件流的重建效果。

基于VMD-DBO-LSTM的空气质量预测

针对传统空气质量预测模型收敛速度慢,精度低的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)和蜣螂优化算法(dung beetle optimizer,DBO)优化长短期记忆网络(long short term memory,LSTM)的预测模型。首先,针对AQI原始数据具有大量噪声的问题,使用VMD方法对非平稳信号进行模态分解以降低噪声对预测结果的影响从而获得多个不同特征的模态分量;其次,针对LSTM靠人工经验调参存在一定局限性,利用DBO算法对LSTM模型参数进行优化;最后,对分解后的各个子序列使用LSTM模型预测,将各个子序列进行叠加得到最后的预测结果。实验结果表明,VMD对非平稳数据的分解有助于提高预测精度,VMD-DBO-LSTM模型的性能较其他模型均有不同程度的提高,该模型预测的均方根误差为4.73μg/m^(3),平均绝对误差为3.61μg/m^(3),拟合度达到了97.8%。

基于二次分解和改进沙猫群优化算法的空气质量预测

准确预测空气质量对人们的日常生活具有重要意义,提出了一种二次分解和改进沙猫群算法(improved sand cat swarm optimization,ISCSO)优化长短期记忆网络(long short-term memory,LSTM)相结合的预测模型。首先,利用完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)算法将PM 2.5数据分解为多个子序列,对预测效果不满意的重构序列使用变分模态分解(variational mode decomposition,VMD)方法进行二次分解;其次,引入Cubic混沌、螺旋搜索策略和麻雀警戒机制改进沙猫群算法,有效提高了算法的全局搜索性能和收敛速度;最后,采用改进的沙猫群算法对LSTM模型参数进行优化,将各个子序列导入ISCSO-LSTM模型预测并叠加得到最终预测结果。实验结果表明,CEEMDAN-VMD-ISCSO-LSTM组合模型具有较低的预测误差,相比CEEMDAN-VMD-LSTM和CEEMDAN-VMD-SCSO-LSTM模型,该模型在均方根误差方面分别降低了2.21和1.04μg/m^(3),在拟合度方面分别提高了4.9%和2.1%。

融合多尺度特征的遥感图像去噪方法

针对现有的遥感图像去噪方法难以将浅层图像特征融合到深层图像信息中这一问题,提出了一种融合多尺度特征的遥感图像去噪网络,该网络由非对称卷积块、空洞注意力块、残差投影块和残差融合块组成。首先通过非对称卷积初步提取特征并减少网络大量的信息冗余;接着通过空洞注意力块提取多尺度特征以学习丰富的上下文信息,将提取的多尺度特征进行融合更有利于去除噪声、保留图像更多的边缘纹理细节;残差投影块从多尺度特征中收集大量的上下文和空间信息;最后通过残差融合块生成残差图像以去除噪声。实验结果表明,提出的网络在NWPU-RESISC45与UCMerced_LandUse遥感图像数据集上的定量评价与定性评价都优于几种先进的图像去噪方法。

基于激光点云的障碍物检测方法

针对现有点云障碍物检测中存在复杂场景下地面欠分割和点云障碍物聚类不准确的问题,本文提出了一种激光点云障碍物检测方法。首先,对50 m范围内的原始数据进行下采样,提高算法实时性的同时降低对后续聚类任务的负面影响;其次,使用同心圆极坐标网格将点云数据进行分段处理,并通过激光雷达所处高度和不同路段地面点云的高度选取种子点来改进种子点选取方法,分区域进行RANSAC地面拟合后拼接最终地平面,并根据索引点去除地面点云,完成地面点云分割;最后,根据激光点云存在近密远疏和分布不均的特性,构建了随障碍物相邻点云间水平距离和竖直距离自适应半径阈值变化的欧氏聚类算法,并构建Kdtree加速聚类,完成对不同位置障碍物的聚类检测。通过对比实验验证了本文方法的准确性和有效性,适用于激光点云场景下障碍物的检测。

基于图优化的激光惯导紧耦合SLAM研究

现有的激光惯导里程计大多采用滤波的松耦合融合方法,在大场景建图中会存在一定的运动估计漂移,导致定位与建图精度降低。针对这一问题提出了一种基于图优化的激光惯导紧耦合里程计与建图方法。在前端依次进行点云畸变补偿、点云聚类分割、地面与特征提取。在后端采用图优化方法融合IMU预积分、激光里程计和回环检测信息完成地图构建。最后利用Kitti数据集和自采集数据对LOAM、LeGO-LOAM和本文方法在里程计精度和回环检测效果上进行了对比分析。实验结果表明本文方法在定位与建图精度上相比于LOAM和LeGO-LOAM分别提高了45%和35%以上,有着更优的鲁棒性。

融合改进D*与Gmapping算法的自主导航仿真研究

为了实现移动机器人在未知环境下能够同时进行自主建图与导航,首先通过引入障碍物距离影响系数和四点式的梯度下降法优化了D*算法在动态路径规划时出现效率低下和路径不平滑问题。其次通过梯度式增加粒子数和扫描匹配迭代次数,改善了Gmapping建图容易出现模糊和重叠的现象。接着将优化后的Gmapping算法和基于改进D*算法的全局规划器、基于Teb算法的局部规划器,放在同一tf树下,并加入延时决策设计,融合集成了一个在ROS平台下的自主导航模块。最后仿真结果验证了上述方法实现自主建图与导航的可行性,能够在同时建图与导航的基础上,保证建图的准确性与路径的最佳选取。

基于SWT-ISSA-LSTM的地铁空气质量预测建模

为了提高地铁室内PM_(2.5)的预测精度,降低监测成本,提出了一种基于孤立森林算法(isolated forest,IF)、同步压缩小波变换算法(SWT)、改进麻雀搜索算法(improved sparrow search algorithm,ISSA)和长短期记忆网络(long short-term memory network,LSTM)的混合模型。首先,使用孤立森林算法检测并去除异常数据,在用SWT算法对原始PM_(2.5)数据进行去噪处理;其次,针对麻雀算法(SSA)易陷入局部最优、收敛速度慢的问题,利用正弦混沌、动态自适应惯性权重、高斯变异和反向学习策略改进麻雀算法,降低了SSA陷入局部最优解的概率,提高了麻雀算法的收敛速度和寻优能力;最后,利用ISSA对LSTM模型的参数进行寻优,构建ISSA-LSTM模型进行预测,得到最终的PM_(2.5)预测结果。实验结果表明,SWT-ISSA-LSTM模型在均方根误差比SWT-LSTM模型和SWT-SSA-LSTM模型分别降低了8.38和3.27μg/m^(3)。在拟合度方面,该模型比SWT-LSTM模型和SWT-SSA-LSTM模型分别高了10.6%和2.9%。

基于SOPC神经网络的地铁屏蔽门故障报警设计

基于SOPC神经网络的地铁屏蔽门故障报警系统与传统报警相比有很大的区别。采用神经网络的自学习能力,建立故障报警系统的数学模型。以Altera公司的Cyclone IV E的EP4CE15E22C8为硬件开发平台,设计了一种地铁安全门故障报警系统。利用MODELSIM软件进行模拟仿真试验,改变了传统地铁安全门故障报警模型的稳定性较差、误报频率较高的缺点,对避免影响地铁正常运行具有重要的指导作用。

料罐称重系统液压标定方法的研究

针对料罐称量系统中传感器经常性地会出现问题,导致称量精准度下降,甚至影响项目的质量,研究了料罐称重系统液压标定的方法。通过重点探讨液压标定系统的组成,以定量分析的方式分析不确定度和标准复合型,详细介绍了液压标定系统的组成、工作原理等,并通过试验进行效果验证。课题的研究可明确如何优化系统,正确选择设备和提高传感器安装质量,并且找到了造成料罐称重系统测量误差的原因,研究得到了问题解决方案。

复合钛基润滑脂的成脂机理浅析

以苯甲酸、硬脂酸、钛酸酯、水为稠化剂原料,调配不同黏度的基础油,进行复合钛基润滑脂的制脂实验。对复合钛基润滑脂成脂过程的各阶段反应产物进行红外光谱表征,分析出其成脂的一系列化学反应式和最终生成的复合钛皂分子;用试验法研究了基础油黏度对成脂和皂纤维生成效果的影响。从化学反应、固-液作用2个角度对复合钛基润滑脂的成脂机理进行了探究,结果显示:钛皂分子是钛酸四异丙酯上的2个异丙基分别被羟基和酰基所取代的结构,其皂纤维的缔合是通过两种钛皂分子间的钛氧桥缔合实现的;低黏度基础油有利于钛皂分子的缔合,钛皂对适宜黏度的基础油同时具有膨化与吸附作用。

基于PSO优化BP神经网络的多传感器数据融合

针对室内环境监测中单一传感器测量数据精度低、可靠性差的问题,提出一种基于粒子群(particle swarm optimization,PSO)优化BP神经网络多传感器数据融合算法。首先使用防脉冲干扰平均滤波算法来消除检测数据中的异常数据和噪声数据。其次,利用卡尔曼滤波算法对多同类传感器进行数据级融合,有效地降低因噪声干扰导致的测量误差,为异质传感器进行决策级融合提供最佳数据。最后,采用PSO优化BP神经网络算法进行决策级融合。实验结果表明,基于PSO优化BP神经网络多传感器数据融合算法对测试样本的平均绝对百分比误差(mean absolute percentage error,MAPE)和拟合度(r^(2))均优于BP神经网络和自适应加权(adaptive weighted,AW)优化BP神经网络,且运行时间比BP神经网络以及AW-BP神经网络分别短69.31%、50.36%。经验证,基于PSO优化BP神经网络多传感器数据融合算法具有更高的融合精度,同时缩短了算法的运行时间。

基于NDIR的甲烷传感器微弱信号调理设计

该文介绍了一种基于非分光红外的甲烷传感器检测信号调理部分的设计方法。该方法采用OP77运算放大器搭建跨阻放大器和可变增益放大器,将传感器输出的微弱电流信号经过跨阻放大器和可变增益放大器进行调理转换成单片机可以采集的电压信号,并对高频信号进行抑制,提高信噪比。利用MULTISIM软件对设计电路进行模拟仿真实验,在保障合理放大信号的前提下降低电路复杂度和制作成本,提高电路稳定性。信号调理对后续的调试和信号进一步处理等有重要的作用。

中继阀试验台硬件控制板的设计与应用

针对中继阀制动系统性能测试的效率和精度问题,综合对测试流程的研究与把控,设计了一款可供中继阀性能检测的控制板卡。采用STM32F429作为主控板卡、STM32F407作为采集板卡,双控制器之间通过CAN通信协议进行通信,结合外围AD采集与DA模拟输出模块有效对实验进行记录与控制,最后结合电磁阀控制模块实现试验台上各个风缸管道的通断。对其进行整体制动实验测试,有效解决了传统测试中耗时长、精度低、对实验人员操作要求高等问题。