煤矿掘进机自定位截割控制方法及试验研究

开展了掘进机自定位截割控制方法及试验研究,提出了掘进机自定位截割控制策略,使用基于单目视觉与深度学习的掘进机机体六自由度位姿检测方法,以及具有规定性能的双层模糊自适应反步控制方法实现了掘进机自定位截割,并将其用于机体任意位姿下的截割头循迹跟踪控制。在掘进机两种不同的机体位姿下进行了截割头循迹跟踪控制试验,试验结果显示最大轮廓误差分别在48 mm和52 mm(约2.14%与2.32%)以内,验证了提出的掘进机自定位截割控制方法的有效性。

高校辅导员推进大学生创新创业教育工作的机制与模式研究

创新创业教育是高等教育的重要内容,是培养大学生适应社会发展和个人成长的必要条件。在高校中,辅导员作为大学生思想政治教育的主要力量,对于推动大学生创新创业教育具有重要意义。本文旨在探讨高校辅导员在创新创业教育中的地位和作用,以及如何实现更高效的工作推进。探讨了其基本规律原则,为了实现大学生创新创业教育的有效开展,本文提出了一些建议和策略,以为高校辅导员提供参考和借鉴。

新工科建设下程序设计类课程教学改革研究

“新工科”建设旨在培养具备跨学科知识和综合技能的工程科技人才,更多地强调了创新能力、实践经验、团队合作能力等综合素质,对工科人才的要求显著提高。程序设计类课程是计算机类、机电类等众多工科专业的必修课,是培养学生计算思维、实践创新能力的核心课程。然而,传统的程序设计类课程教学存在教学模式与学生能力需求不匹配、考核评价方法与学生培养目标不匹配、课程思政建设不足等问题。因此,文章从教学模式、考核评价方法、课程思政三方面进行程序设计类课程教学改革研究,以培养学生实践创新、团队协作等综合能力,更好地适应现代科技领域的需求。

智能驾驶课程思政元素库构建研究

智能驾驶是典型的交叉型学科,涵盖人工智能及车辆工程等多学科知识体系。该文从智能驾驶导论课程特点出发,确立思政目标、挖掘思政元素、设计融入手段及维护机制,并探讨构建面向智能驾驶课程思政元素库方法,以期为高校智能驾驶新工科专业课程思政的推进提供参考和借鉴。

基于“球-冠”复合透镜的自动扫描系统设计

针对目前基于微球透镜的超分辨显微成像效率低、实时性差、单球视野有限的问题,设计了基于“球-冠”复合透镜的自动扫描系统,搭建了三自由度微动平台实现对样品的移动。利用探针微操作器移动复合透镜,并对其进行运动学分析,使用图像拼接算法对扫描的图像实时拼接,最后通过软件补偿降低电机产生的机械误差对图像质量的影响。系统测试结果表明,可以得到较高质量的图像。

基于B样条曲线拟合和蜉蝣算法的采煤机截割路径约束优化

实现采煤机智能化调高,关键是解决煤岩界面识别问题、截割路径优化问题及采煤机调高控制问题。即使煤岩界面被精确识别,受到实际工作中顶底板的平整性和液压支架的推移滑溜等要求的限制,采煤机滚筒无法完全跟随煤岩界面曲线,因此需要基于煤岩界面识别结果,对起伏变化的煤岩界面曲线进行截割路径优化,得到采煤机调高控制的目标轨迹。滚筒截割路径优化是基于煤岩界面估计曲线,在采煤工艺、煤质要求和设备的适应能力等限制条件的约束下,得到使回采最大化的平滑轨迹。针对上述采煤机截割路径约束优化问题,提出一种基于B样条曲线拟合和蜉蝣算法的采煤机截割路径约束优化方法。为了提高截割路径优化效果和降低计算复杂度,以B样条曲线节点系数作为设计变量,构建一种新型截割路径优化目标函数;考虑采煤机截割工艺、煤质要求等限制,使用多段赋值罚函数法处理约束,根据约束的不满足程度动态改变罚函数系数值,避免优化陷入局部最值和约束不能起到实际作用;为了进一步提高优化效果和收敛速度,使用修正蜉蝣算法寻找最优截割路径。最后,考虑实际煤岩界面中褶皱、陷落柱、断层等典型地质构造,进行仿真研究,结果表明,所提方法能在满足实际约束下快速得到平滑的截割优化路径,实时性好、适用性高。

基于声音和视觉识别技术的车辆儿童乘员智能检测系统

在我国汽车产销量稳步发展的同时,儿童乘车安全的现状并不乐观,儿童乘员车内伤害事件频发,已经成为导致儿童意外伤害的罪魁祸首之一。其中,儿童乘员约束系统存在着使用率低和误用率高的问题,因此有必要开发检测车内儿童乘员状态的智能检测装置。智能检测装置可借助声音识别和视觉识别技术完成对儿童乘员状态识别,并根据状态识别结果和控制规则,正确使用汽车儿童约束系统(如儿童安全座椅约束系统等)。该智能检测系统将在很大程度上为车内儿童乘员提供有效保护,从而减少伤害。

面向遮挡感知的人体姿态估计算法研究

传统的舞台追光技术依赖于人工操作,常常难以达到设计师对追光精确性的高标准。对此,本文提出了一种基于人体位姿估计的舞台灯自动跟踪方案。目前,在舞台演出中,演员之间或与道具之间的遮挡会对姿态估计模型的准确性造成影响,进而影响追光效果的质量。为了解决演员遮挡问题,并提升人体姿态估计的准确度,本文设计了一种自顶向下的遮挡感知人体姿态估计模型和方法,该模型能显式学习人体的结构信息,采用空间注意力机制将图像特征转换为关键点特征向量,以及利用多头注意力机制增强对人体结构的学习能力,提高姿态估计在遮挡情况下的鲁棒性。此外,该模型还集成了遮挡信息的预测模块。实验表明,该方法在公开数据集上取得了优秀的表现,有效减少了在遮挡状态下的预测误差,并能判断关键点是否遭受遮挡,有望在舞台灯自动跟踪系统等复杂场景中推广应用。

基于统计学多元数据分析的用户画像构建研究

随着互联网的不断发展,个性化服务的需求也越来越强烈。为了更好地满足用户需求,构建准确的用户画像成为研究的重点。本文基于多元数据分析,将用户的行为数据、兴趣爱好、社交关系等多个方面的统计数据进行综合分析,构建了更加全面准确的用户画像。研究结果表明,采用多元数据分析可以有效提高用户画像的准确性和完整性。

在线评测系统中的边缘计算应用研究

为了优化在线评测系统,提高其效率和公平性,本文提出了一种基于边缘计算的在线评测系统设计方案。通过引入边缘计算技术在客户端执行评测任务、应用Kmeans异常检测算法和代码交叉验证技术,及基于基准测试的时间限制优化。实验结果表明,该系统具有并发性能优势,不仅降低了服务器成本,而且提高了评测系统的公平性和准确性。该系统为低成本单位和培训机构提供了一种可行的轻量化在线评测方案。

基于序列图像学习的巷道掘进机定位方法

煤矿综掘工作面受限于狭小空间、工艺繁杂、环境恶劣等特殊条件,导致用工多、安全性差、效率低等问题,亟需研发更加安全高效的智能化掘进技术与装备。巷道掘进机作为综掘工作面的核心设备,对其智能化进行研究具有重要的社会价值和经济意义。为实现巷道掘进机的智能化作业,首先需要解决的关键问题是为掘进机机体定位,精确、鲁棒的机体位姿检测方法是保障巷道智能掘进有效性的首要条件。因此,针对巷道掘进机机体定位问题,提出了一种基于时间序列图像学习的机体绝对六自由度位姿实时检测方法。首先,通过在掘进机机体安装一台单目相机,并在掘进机后方设置人工特征对象,设计适用于巷道狭长、非结构化环境的视觉定位方案。然后,提出用于时间序列图像融合的深度学习模型,其中,使用一种训练好的多尺度变分自编码器辅助的卷积神经网络(MSVAE-CNN)的编码器模型提取时间序列图像中每个样本的多尺度潜在空间特征,以保证图像特征提取的鲁棒性;基于双向长短期记忆(LSTM)网络构建时间序列图像特征融合模型,并同时估计所有时间步图像样本对应的机体位姿参数,当推理某个时间步图像对应的位姿参数时,其他时间步的信息都可作为先验知识,通过学习图像样本之间的特征相关性,提高位姿估计的精度和可靠性;另外,使用多头自注意力机制进一步提高特征融合性能,使用张量训练分解压缩模型,实现在轻微损失位姿估计精度的前提下大幅降低模型参数数量。最后,基于一辆履带小车进行试验研究,使用NOKOV红外动捕系统获取小车机体实际位姿。试验结果显示,所提方法对中心偏距和方向角的估计平均绝对误差分别约为25 mm和0.36°,完全能够满足巷道掘进机的定位需求,并且定位精度明显优于MSVAE-CNN模型,验证了所提出的基于序列图像学习的机体定位方法的有效性与高性能。

“新工科”建设背景下“机械原理”课程的教学模式改革研究

“新工科”建设背景下,对工科人才的要求显著提高,强调培养跨学科知识、创新能力、实践经验与综合素质,因此,开展传统工科课程教学改革研究具有重要的意义。“机械原理”课程通常是机械工程、材料科学等专业的核心课程之一,旨在培养学生掌握基本的机械原理和工程应用能力。然而,在“新工科”建设背景下,需要进行一些教学改革来适应不断变化的工程领域和跨学科的需求。该文通过在课程教学中强化跨学科融合教学、创新创业教育、实践教学和思政教育,总结出一套基于机械智能化现状和先进实验的“机械原理”课程改革方案,并提供了相应案例以便借鉴使用。课程改革内容主要包括:增加先进案例讲解、设计基于现代设计方法的开放式实验与课程,保证学习内容与现代智能制造发展现状接轨,培养学生跨学科思维与创新实践能力;强调立德树人与工科课程的有机深度融合,通过设计典型案例,实现“润物无声”的课程思政目的。

微纳机器人科学与技术发展现状与趋势

微纳机器人是特征尺寸和/或功能尺寸在亚毫米以下的机器人,分为微纳操作机器人和微纳游动机器人。随着微纳机器人20余年来的发展,为微纳制造、生物医学等领域提供变革性的研究方法与实现手段,微纳机器人融合了“自上而下”和“自下而上”的加工方法,是微纳米制造及生物体内探测等方向的制高点,已成为各国科学研究的必争之地。同时其也是美国《出口管制改革法案》管制的前沿技术。文章主要总结了微纳机器人近期重要的发展,阐述了中国学界在其中发挥的重要作用,并对其未来的发展方向与规模化应用进行展望。

基于国产大算力芯片的智能驾驶课程体系建设

随着人工智能及汽车电子架构的不断发展,汽车智能化已成为行业的重要趋势。作为智能驾驶的核心部件,大算力芯片在汽车电子架构中的广泛应用已对智驾生态产生深远影响,也对智能驾驶课程体系及人才培养提出了新的要求。特别是,当下国产车规级大算力芯片已大规模量产,人才需求量大,但面向国产芯片的智能驾驶课程体系尚未完善,传统人工智能或车辆工程课程体系已较难满足上下游企业对自主研发及快速迭代能力的迫切需求。为此,需要梳理智驾及车规级大算力芯片特点,提出面向国产大算力芯片的智能驾驶课程体系,满足其教学需求与人才培养目标。