新发展阶段师范生劳动教育课程体系构建研究

高校劳动教育与助推乡村振兴之间存在着密切的逻辑联系。本项目以师范生为研究对象,通过对乡村振兴战略下劳动教育内容的重新诠释和内涵研究,以及对师范生劳动教育实践场域的深入考察和分析,明确了以‘乡贤式’人才为师范生劳动教育的培养目标。此基础上,我们从劳动教育的培养目标、课程开发、教学模式、实践教学、课程评价等多个维度进行了系统设计,旨在探索高校构建劳动教育体系与助推乡村振兴双向融合的有效路径,以实现乡村振兴与劳动教育的共同发展。

基于卷积神经网络的焊缝表面缺陷检测方法

针对工业激光焊接中,采用传统方法进行焊缝质量检测效率低下的问题,提出了一种基于卷积神经网络的工业钢板表面焊缝缺陷检测方法;首先基于卷积神经网络,搭建了一个多分类模型框架,并分析了各层中所用到的函数及相关参数;然后基于工业数控机床和工业相机进行了焊缝数据采集,并对这些数据进行了分类、增强、扩增等前期预处理;最后基于数控机器轴,采用滑动窗口检测的形式采集实际待测图像,并通过实验对比了传统的机器学习算法在该类图像数据中的性能评估;经实验证实,通过卷积神经网络训练得到的多分类模型,焊缝缺陷检测精度能达到97%以上,且每张待测图像的测试时间均在300 ms左右,远超机器学习算法,在准确性和实时性上均能达到实际工业要求。

连续小线段的高精度B样条曲线拟合方法

连续小线段是空间复杂曲线曲面最广泛的表达形式,但在数控加工中存在很多不足之处。目前,基于B样条曲线拟合是提高连续小线段加工非常有效的方法。然而,将连续小线段的型值点作为B样条拟合的控制点,曲线拟合精度难以控制。因此,本文在继承B样条曲线优点的基础上,提出了一种基于三次B样条曲线高精度拟合连续小线段的方法。该方法通过转角误差分析和双边弓高误差分析来筛选满足精度需求的型值点;根据路径凹凸特性将可拟合的型值点集进行分段插值拟合为B样条曲线;为了进一步提高拟合曲线的精度,采用误差分析模块来估计和控制拟合精度。实验结果表明,所提出来的算法无迭代,实时性好,拟合精度可控。

高速高精激光切割数控系统

随着物联网、云计算、边缘计算、移动互联网、大数据、人工智能等新技术的飞速发展,以及IT与OT技术的进一步融合,工业制造、城市交通、电力能源、农业等各大行业领域的智慧化发展已成为必然趋势。推进各领域向智慧化发展是一项复杂而庞大的系统工程,既需要单一技术与装备的突破应用,还需要系统化的集成创新。智慧系统解决方案是推广普及智能化技术的关键手段,是促进各行业智能化水平提升的核心。

数控系统切割中拐角NURBS插补处理算法

针对目前复杂零件的高速、高精加工需求,提出一种拐角处NURBS样条处理方法。算法可在满足轮廓加工精度的前提下,将拐角处的尖角用NURBS样条插补出来。该方法通过对基函数求一二阶导,计算曲线曲率,确定拐点位置,根据弓高误差计算拐点处能达到的最大速度。插补时,结合速度规划,根据一阶泰勒展开反算插补点,代入样条解析式求出插补坐标,完成拐角处NURBS轨迹插补。与原始轨迹相比,该算法在拐角处速度大于原始轨迹速度,由速度曲线可看出能更快完成切割任务。由插补结果来看,采用该方法后,轨迹在精度范围内,且能够保证原始轨迹形态。所以该方法在保证精度和速度连续的前提下,可有效提高切割速度,提高加工效率。