校外科技教育数字化转型发展的探索与思考

通过丰富课后服务内容、构建科技教育的社会氛围、改变学习方式以及激发教师探索新型科技教育方式,校外科技教育的数字化转型为青少年提供了多样化的科技活动、深度学习的实践体验。上海市科技艺术教育中心等单位的实践表明,利用数字化技术整合教育资源,可有效支持“双减”政策的落地,从而促进教育公平。科技教育数字化转型发展需要全要素协同,包括教育目标、教育内容、教育实践、教育资源和教育评价之间相互配合;加强数字基座建设,实现教育资源的联动与协同;此外,提升师生的数字素养,建立多元化的培养模式也是重要路径。通过上述措施,校外科技教育能更好地满足学生的个性化需求,培养适应未来社会的创新人才。

基于数字孪生的智能安全煤场管控系统设计

煤场存储煤炭的全生命周期管理效率低可能导致洒水延迟产生煤炭自燃的安全问题,研究并设计了一种数字孪生驱动的煤场智能管控系统。提出构造包含全要素的煤场全生命周期的数字孪生体,以解决精细化管控问题。通过实际数据验证了所提出设计模型对洒水降尘、防止自燃的可行性和有效性,以保证煤场的煤炭安全存储。

一种轮臂式避障高压线巡检机构研究

高压输电线的巡检是一项任务重、强度高的作业任务。目前国内外进行检测任务最主要的方式是依靠工作人员携带各种检测设备沿线执行,不仅效率低而且危险系数高。针对目前国内外研究出的巡检机构采用双臂交替跨越障碍过程中,由于受机构自身重力偏矩的影响和手臂尺寸的限制,导致本体倾斜,有时甚至造成越障失败的缺点,提出将手臂与行进轮结合的方式,利用特殊车轮使机构能够在输电线上运行,四手臂在越障的过程中交替越障使问题得到解决。

基于DT-LSTM的矿山液压支架顶梁疲劳寿命预测

液压支架是矿井综采和综放开采智能工作面的关键支护与放煤设备。针对井下环境存在设备健康评估与故障维护困难、难以对液压支架疲劳寿命进行预测等问题,基于数字孪生技术和长短时记忆(Long Short-Term Memory,LSTM)循环神经网络,提出了矿山液压支架顶梁疲劳监测与寿命预测方法。该方法根据矿山液压支架顶梁的结构与工作原理,首先利用有限元法建立液压支架系统仿真模型,并采用ANSYS有限元分析获得液压支架顶梁状态参数与疲劳寿命值的相关数据集;然后利用ANSYS Twin Builder构建高置信度的数字孪生验证模型,并根据矿山液压支架顶梁的屈服强度和本构关系等真实的边界条件,进一步验证与优化有限元分析模型;再通过LSTM神经网络对训练集进行训练并利用测试集进行测试,以确定液压支架顶梁寿命的预测模型,从而实现对矿山液压支架顶梁疲劳寿命的准确预测,试验验证结果表明,与其他预测方法相比,基于LSTM神经网络的预测方法性能最优,预测值相比仿真值平均误差仅为1.8%,为液压支架顶梁疲劳寿命预测与管理提供了新思路。