新工科背景下“模拟电子技术”课程教学模式探究

针对目前模拟电子技术课程教学中普遍存在的理论课程孤立、缺少实践和独立设计、评价体制陈旧等问题,为了适应新工科背景下的工程实践的培养目标,文章利用MOOC、雨课堂、腾讯会议等软件,使线上+线下有机结合,实现了“课前”“课中”“课后”全方位教学,并完善了课程考核与评价机制。实践表明,该混合教学模式激发了学生学习的积极性,提高了教学效果。

基于狮群优化二维Otsu算法的输送带撕裂检测方法

基于传统二维Otsu分割算法的输送带撕裂检测方法采用穷尽搜索式的阈值选取方式,图像分割时间长、实时性差,不能同时满足撕裂检测精度与速度要求。针对上述问题,提出了一种基于狮群优化二维Otsu算法的输送带撕裂检测方法。首先通过输送带撕裂检测装置采集输送带图像,采用中值滤波和直方图均衡化对采集到的图像进行去噪和增强处理,突出撕裂部位;然后采用狮群优化二维Otsu算法对预处理过的图像求取接近实际的分割阈值,用该阈值对输送带图像进行分割处理;最后通过计算分割后图像中黑色像素点的数量进行撕裂诊断。仿真结果表明,该方法比基于传统二维Otsu算法的检测方法寻优能力更强,输送带分割效果更好,可以准确地从输送带图像中分割出裂痕,撕裂识别的正确率为98.2%,提高效率的同时缩短了运行时间,可以满足输送带撕裂检测的准确性和实时性要求。

矿用智能巡检机器人无标定视觉伺服控制研究

针对矿用智能巡检机器人无标定视觉伺服控制中采用基于传统的卡尔曼滤波(KF)的图像雅可比矩阵存在估计值不准确、鲁棒性差的问题,提出了一种具有长短期记忆(LSTM)的卡尔曼滤波算法(KFLSTM算法)。KFLSTM算法使用LSTM弥补由KF算法产生的估计误差,将滤波增益误差、状态估计向量误差、观测误差用于LSTM的在线训练,利用训练后的LSTM模型对雅可比矩阵进行最优估计,通过提高雅可比矩阵估计值的准确性和稳定性来改善视觉伺服控制的实时性和鲁棒性。建立了基于KFLSTM算法的无标定视觉伺服模型,将最优雅可比矩阵作为控制器的输入,使控制器输出较准确的关节角速度,从而控制机械臂的实时运行。将KFLSTM算法应用到矿用智能巡检机器人六自由度视觉伺服仿真实验中,结果表明:应用KFLSTM算法得到的图像误差收敛速度相较于传统KF算法提高了100%~142%,图像特征误差更小,定位精度为0.5像素,且机器人末端执行器运动平稳,具有较强的抗噪声干扰能力,可有效提高矿用智能巡检机器人的作业精度与效率,并增强其工作的稳定性与安全性。

基于非线性时钟模型的WSN长期时间同步方法

针对无线传感网络时间同步时钟频率漂移的问题,考虑到网络节点能量有限等特点,在成对广播同步算法的基础上,提出了一种长期时间同步机制,即基于非线性时钟模型的成对广播同步算法。考虑节点晶振的频率漂移,建立节点时钟的含有二次项的非线性时钟模型;基于PBS同步机制进行时间同步参数传输,降低网络中传输的同步数据量;采用联合最大似然估计和线性回归方法,分别对网络中SRS和ROS节点进行时钟相偏、频偏和漂移的联合估计,实现了网络中节点的长期时间同步。从同步精度和同步消息数量的角度出发对文中所提算法的有效性进行了验证。