基于GBDT特征提取与Tent-ASO-BP网络的铣刀磨损量预测

为了提高机械加工过程中小样本刀具磨损量监测的准确性,提出一种基于Pearson+GBDT特征提取、Tent混沌映射和原子搜索算法(ASO)优化BP神经网络(Tent-ASO-BP)的刀具磨损量预测模型。针对BP神经网络特征选择及参数选择难题,提出了基于Pearson+GBDT的双层过滤式特征筛选方式求取网络输入特征,并使用Tent混沌映射改进原子搜索算法(ASO)对BP神经网络最优权值和阈值进行求解。通过实验证明:Tent混沌映射改善了ASO,避免ASO陷入局部极值和过早收敛,即通过交叉验证证明Tent-ASO优化BP神经网络训练模型精度较ASO高。同时,验证了梯度提升决策树(GBDT)能够筛选出用于刀具磨损值映射的一组特征,且特征筛选能力强于同类算法Light GBM、Catboost、决策树、随机森林。

基于PC-YOLOv7算法钢材表面缺陷检测

针对钢材表面缺陷检测中存在检测精度低、模型尺寸大等问题,提出一种基于YOLOv7-tiny网络改进的算法模型PC-YOLOv7。首先将PC-ELAN结构替换主干网络中部分ELAN结构,降低模型参数量和模型尺寸;其次在特征融合网络(Neck)部分采用双向特征金字塔网络(bidirectional feature pyramid network,BiFPN)增强图像高层语义信息和低层特征信息融合性能,在输出端引入SPD-Conv提高模型对低分辨率物体的检测能力;最后,提出SimCS-CA模块并引入特征融合网络增强模型的特征表示性能。实验结果表明,PC-YOLOv7算法在NEU-DET数据集上平均精度均值(mAP)达到了78.5%,相比原始YOLOv7-tiny算法在模型尺寸降低情况下准确率和mAP分别提升了10.6%和4.2%,验证了改进算法的有效性。

工程训练中心对大学生创新能力的培养性实践探索

为了改变传统的金工实习单一、无设计、无创新的缺点,所以针对性的提出教学改革,加入多种实训方式,改为工程训练课程。培养学生系统完整的工程意识和创新思维、创新能力,在工程实训中增加了3D打印、激光加工、材料连接、住宅布线等内容,让学生在实习老师的指导下自主进行产品的创意设计、自行决定工艺流程、自觉运用加工工艺,不仅调动了学生实习的积极性、主动性,弥补了传统金工实习的不足。而且,学生的创新思维、创新能力和综合动手能力都得到了锻炼和提高。

素质教育背景下大学生创新精神和实践能力培养的研究

文章阐述了全方位、多层次的创新精神和实践能力的培养方法,努力探究素质教育背景下的育人体系,并以三峡大学大学生素质教育中心教育实践为例,对培养大学生的创新精神和实践能力进行了探索研究。

基于启发式教学的激光加工技术课程教学研究

文章以三峡大学激光加工课程为例,首先从激光内雕、激光打标、激光切割着手,阐述了激光加工技术项目的建设、实践与探索,重点探讨了启发式教学新模式。其次,展望了激光技术的综合项目课程,从而实现学生参与产品创新设计、精准加工制作的全过程。以此提高学生自主设计能力和工程实践能力。

大学生对超前消费的认知现状调查——以桂林地区为例

随着社会经济的高速发展及网络购物和网贷平台的迅猛发展,而且大学生手里可以用来支配的零钱也日益增多,以致出现了一些不合理性的超前消费现象。本次调查即以桂林市高校的大学生为例,主要分析大学生超前消费的认知现状。调查采用传统的纸质问卷式调查及拦截式访问获取数据,先利用列联表分析研究数据变量之间的相关关系,并得出相关结论,确定影响大学生超前消费的主要因素;其次对数据变量建立logistic模型,逐步深入、循序渐进地研究影响大学生超前消费因素的显著性及其影响程度,进而提出相应的建议和对策,为大学生提供消费指导,然后帮助他们树立合理的消费意识和观念。

基于机器视觉的轴承外圈表面图像拼接方法

尽管基于机器视觉的缺陷检测技术已较为成熟,但应用在轴承外圈表面缺陷检测的理论研究还相对较少。应用图像拼接方法,将拍摄到的含有不完整缺陷区域的轴承外圈表面图像拼接为一幅缺陷信息完整的图像,以便后续进行缺陷的识别。在图像拼接过程中,同时采用SURF算法和图像柱面投影原理,还原了图像边缘缺陷区域的真实空间信息。建立Hessian矩阵(基于SURF算法)提取并匹配特征点,运用加权平均融合算法实现对含有缺陷信息的轴承外圈表面图像无缝拼接。经实验分析,结果表明该方法有效还原了轴承的空间几何特性,保留了边缘特征信息,能为图像拼接的准确性及拼接质量提供有效保障。无论从理论还是实践的角度来说,均有研究和探索的必要性。

一种新联合损失函数优化的迁移学习神经网络磨粒识别研究

为了提高齿轮齿条在不同工作情况下磨损状况识别的准确度,考虑到大模数齿轮齿条实际有效故障数据缺乏和数据标记缺失的特点,提出基于一种新联合损失函数优化的迁移学习神经网络(LCNNE)对大模数齿轮齿条磨粒识别方法。将LCNNE模型作为特征提取器提取特征,利用外部分类器SVM进行分类,验证了该方法在磨粒数据集上识别率达到99%左右,并且该方法的集成模型提取的特征输入SVM分类的识别率比VGG19和GoogleNet提取的联合特征高2%~3%。利用t-SNE技术,对DCNN、VGG19、GoogleNet和LCNNE模型的最后一个隐含层的提取特征进行可视化,证明了LCNNE模型的特征表达能力更强、识别效果更好。

高强度螺栓声速检测的压电换能器研究应用设计

为了建立快速简单的高强度螺栓应力检测技术,本文从超声波传播理论出发,建立无应力下螺栓声速关系,研究了压电换能器设计理论,设计选择出了适合检测螺栓声速的压电换能器,并对整个系统进行了试验设计和检测。实验结果表明:从改进压电换能器出发能够直接检测螺栓声速,并且保证了检测精度要求,为超声检测螺栓应力提供了新思路和方法。