新工科背景下融合“互联网+”模式的应用型人才培养改革

应用型人才教育必须在实践中进行,而学生也应该进行系统的知识学习与能力培养。该文为响应我国加快建设高水平应用型本科人才,以青岛理工大学信息与控制工程学院为试点,研究基于新工科背景下融合“互联网+”新模式的教学理念,充分利用“互联网+”模式对高校实践创新本科教学进行发展优化,培养出适应新工科发展变革下的创新应用人才,并形成了“一中心两融合三维度四平台”的本科应用型人才教育教学改革新模式。

基于深度学习的小目标检测技术发展

相较于大中等目标,像素点小于32×32的小目标由于存在特征信息少、像素低等问题,检测精度较差,导致水下机器人、无人机等设施对小目标物体的分类与定位精度低。为了提高相关设施对小目标的检测精度,分析了通用的深度学习目标检测算法现状,阐述了阻碍小目标检测技术发展的问题,对提升小目标检测精度的数据增强、特征融合、分辨率提升、上下文信息等多种类型算法进行了重点分析,最后归纳总结了各算法在MS COCO数据集上的AP与APs性能,并对小目标检测的未来发展方向进行了展望。

基于RP-ResNet网络的抓取检测方法

针对目前机器人抓取中实时性差和小目标物体抓取效果不理想的问题,提出基于RP-ResNet网络的抓取检测方法。该方法以模型ResNet-50为基础,引入Region Proposal Network(RPN)网络与改进型空间金字塔结构,使用SENet机构增强通道注意力,充分提取不同深度语义信息,加强对高低层信息的利用,增加了抓取点检测的准确性。在Cornell数据集上进行实验验证,结果表明,RP-ResNet网络结构达到实验要求,能够提高物体检测的准确度与检测效率。

L波段小型化150W GaN功率载片的研制

介绍了一种采用氮化镓(GaN)材料的L波段高增益小型化功率载片设计方法。该GaN功率载片基于高电子迁移率晶体管芯片,采用负载牵引测试技术提取大信号阻抗参数,并依据该大信号阻抗参数设计阻抗匹配电路网络。在L波段990 MHz~1130 MHz频段内,36 V直流工作电压、150μs脉冲宽度、15%占空比工作条件下,实现输出功率大于150 W、功率增益优于35 dB、功率附加效率大于52.5%的性能指标,并在20 mm×14 mm×2.8 mm的尺寸内,实现高增益、高效率的百瓦量级小型化功率载片研制目标。

P波段GaN微波功率器件射频加速寿命试验

氮化镓(GaN)微波功率器件广泛应用于民用雷达及通信领域,其长期工作可靠性对整机设备性能有着极其重要的影响。在150℃管壳温度的条件下对千瓦级P波段GaN微波功率器件进行加速寿命试验,基于Arrhenius模型对加速寿命试验结果进行计算和分析,得出该微波功率器件在85℃管壳温度工作条件下的平均失效时间优于2.14×10^(6) h,其工作寿命可以满足射频整机设备应用的要求。

宝鸡地区L_(1)-S_(5)黄土和古土壤水分入渗及影响因素

[目的]探究宝鸡中晚更新统L_(1)—S_(5)层黄土和古土壤层水分稳定入渗率变化特征及其与土壤容重、土壤初始含水量和土壤毛管孔隙度等土壤属性的关系,为揭示宝鸡中晚更新统L_(1)—S_(5)层黄土和古土壤的入渗规律提供参考依据。[方法]运用双环法进行入渗试验,探讨了宝鸡中晚更新统L_(1)—S_(5)层黄土和古土壤水分入渗的变化特征及其影响因素。[结果](1)宝鸡中晚更新统L_(1)—S_(5)黄土层的平均稳定入渗率(2.38 mm/min)大于古土壤层的平均稳定入渗率(1.55 mm/min),其差异的原因可能与形成时的气候与风化成壤作用的强弱有关。(2)L_(1)—S_(5)层黄土和古土壤层水分入渗试验过程可以用考斯加可夫和通用经验公式进行很好地拟合。(3)土壤容重、土壤初始含水量和土壤毛管孔隙度等土壤属性是影响L_(1)—S_(5)层黄土和古土壤层水分稳定入渗率变化的重要因素。(4)利用土壤容重、土壤毛管孔隙度和毛管最大持水量等土壤参数可以很好地模拟宝鸡中晚更新统L_(1)—S_(5)层黄土和古土壤层的土壤稳定入渗率(R 2=0.88,NSE=0.88)。[结论]宝鸡中晚更新统L_(1)—S_(5)层黄土和古土壤层水分稳定入渗率的变化主要由土壤容重、土壤初始含水量和土壤毛管孔隙度等土壤属性的变化所致,利用上述土壤参数可以较好地模拟该区中晚更新统L_(1)—S_(5)黄土和古土壤层土壤稳定入渗率的变化。

基于切换策略的车辆质心侧偏角高性能获取

现有的基于融合策略的车辆质心侧偏角(vehicle sideslip angle,VSA)获取方法需要针对不同的场景、结构或信号进行优化和改进,计算复杂度和系统成本也随之增加。本文提出一种基于切换策略的VSA软测量方法。在传感器量测信号预处理部分,利用贝塞尔滤波器对侧向加速度信号进行时延处理和噪声滤除,设计可靠性检验模块对横摆角速度等信号中的突变实现有效清除。在此基础上,根据现有运动学和动力学方案的优势确定切换策略,尽量缩短运动学方案的连续工作区间以抑制其误差累积,同时将动力学方案限制在线性区工作以避免其性能下降,并在多个工况下进行仿真和硬件在环试验,以验证所提出的VSA获取方法的效果。试验结果表明,相较于采用典型的融合策略的对比方法,本文提出的方法在精度和运行时间方面都具有明显的优势,且二者对路况的变化均具有较强的鲁棒性。

基于水—能—粮关联关系的山西省农业种植结构优化调整

优化水、能源资源,调整农作物种植结构,以实现经济效益和生态效益最大化。以山西省为研究区,采用水足迹和能源消耗核算模型分析主要农作物的耗水及耗能特点,以水资源、能源、粮食等作为约束条件构建多目标规划模型,对主要农作物的种植结构进行优化。结果表明,各类农作物多年平均单产水足迹和能耗存在较大差异,大豆为极高耗水高耗能蓝水消耗型,谷子为高耗水极高耗能灰水消耗型,油料为高耗水高耗能灰水—蓝水消耗型,小麦为中等耗水中等耗能蓝水消耗型,玉米为低耗水低耗能蓝水—灰水消耗型,蔬菜为极低耗水极低耗能灰水—蓝水消耗型作物。优化后的种植结构方案中,玉米、谷子和油料种植面积比例下降,小麦和大豆种植面积比例提高,蔬菜种植比例变化不大。基于水热条件的差异,山西省作物种植结构具有一定的空间差异,玉米、谷子、大豆和油料在全域内均有种植,小麦主要种植于晋南区和晋东南区的平川和丘陵区,蔬菜主要分布于地域条件及水热条件相对优越的盆地。在水—能—粮关联关系的基础上,优化后的种植结构符合山西省“十四五”农业现代化规划,整体方案具有趋于低耗能、低耗水、低污染等特点,有利于促进农业的可持续发展。

薄壁件选区激光熔化成形精度控制分析及优化

为了解决薄壁件选区激光熔化成形(selective laser melting,SLM)过程中残余应力引起的变形问题,保证成形精度,以SLM制备的钛合金雷达屏蔽器为研究对象,使用固有应变法对其进行变形分析和应力分析。提出了一种基于体素仿真模型的反变形补偿方法,并对其进行实验验证。结果表明:SLM制备的屏蔽器残余应力和位移较大,最大分别达831 MPa和0.61 mm。经过反变形补偿后,屏蔽器表面区域的整体变形量偏差从0.582 mm下降到0.438 mm以内,误差减少24.7%,从而保证了屏蔽器的打印质量。

清代陕西南部地区洪涝灾害研究

通过整理清代陕南地区洪涝灾害资料,利用历史文献研究法、数理统计法、小波分析法、滑动平均法等方法进行分析,得到陕南地区洪涝灾害发生规律及其与气候环境、太阳活动之间的联系。结果显示:(1)1644—1911年陕南地区共发生洪涝灾害143次,其中一级偏涝发生最多,占总数的76.22%;(2)陕南地区洪涝灾害可以分为3个阶段:第1阶段(1644—1710年)为洪涝灾害低发期,是频次变化小的平稳洪涝灾害型;第2阶段(1711—1800年)亦为洪涝灾害低发期,是频次变化大的洪涝灾害强振荡型;第3阶段(1801—1911年)为洪涝灾害高发期,为该区清代的洪涝灾害期,是高频振荡洪涝灾害型。在洪涝灾害期,洪涝灾害事件频发,发生了2个洪涝灾害事件和1个长达26年的极端洪涝灾害事件;(3)洪涝灾害期和极端洪涝灾害事件显示,陕南清代1801—1911年为该区多雨气候期,1821—1840年为极端多雨气候事件;(4)研究区降水多集中于夏秋两季,因此夏秋两季洪涝灾害频发,春冬则较少。洪涝灾害在时间尺度上大致存在4年、28年和53年3个震荡周期;(5)洪涝灾害高频期处于小冰期气候波动强烈的阶段,APO值以负相为主,陕南地区降水较多,反之亦然。太阳黑子数与洪涝灾害之间呈现正相关,但这种联系具有一定的滞后性。

土壤污染研究领域进展的中文文献调研

为了对我国农田土壤污染的研究现状以及研究趋势和热点聚焦有更深刻的了解,本文对1991—2021年CNKI中国期刊全文数据库收录的中文文献进行检索,使用可视化工具CiteSpace进行可视化分析并用Excel进行统计分析,梳理我国农田土壤污染研究的现状。结果表明:(1)我国农田土壤污染研究分为3个阶段:起步期(1991—2001)、逐步发展期(2002—2013)、成熟期(2014—2021)。目前,我国农田土壤污染研究处于快速发展期,总发文量逐年上升,但核心期刊发文量占比在30%~40%波动,整体呈下降趋势;(2)我国农田土壤污染研究已经形成了一批以骆永明、滕应、吴龙华等为核心作者的研究团队,但各个研究团体之间的联系不深、合作性较低;(3)重金属污染是我国农田土壤污染研究的主要方面;(4)该领域的研究前沿为源解析、镉污染、生态风险和钝化等方面;(5)我国农田土壤污染研究具有区域差异性,主要表现为南方农田土壤污染研究的数量多于北方,主要的粮食产区如长江三角洲和珠江三角洲的农田土壤污染研究也较多。

旋转叶片流固耦合振动对叶端定时测振的影响

叶端定时是一种先进的旋转叶片在线振动监测方法,但其测量准确性受其测点位置变化影响较大,如何选取合适的测点具有重要研究价值。为考虑叶片颤振及其流固耦合振动对测点位置的影响,设置流场圆柱绕流产生涡阶,并对不同转速和裂纹位置下旋转叶片的扭转情况进行分析。计算比较离心载荷时正常叶片的扭转振动,流固耦合下正常叶片、裂纹叶片的扭转振动及叶端各点扭转偏移量对叶端定时测振测点位置的影响。结果表明:流固耦合作用下,转速和裂纹位置对叶片的扭转振动影响较大;叶端定时测振传感器在转速较低时应安装在靠近叶片前缘处,而转速较高时应安装在靠近叶端中间位置。

无人驾驶汽车路径跟踪控制的算法综述

国内外对无人驾驶车辆运动控制问题的研究,主要分为纵向运动控制、路径跟踪控制和轨迹跟踪控制。其中,路径跟踪控制是无人驾驶汽车运动控制的重点研究方向,路径跟踪控制中控制器设计是重点和难点。路径跟踪控制的研究主要集中在常规工况,对复杂路况、恶劣天气、突发事件等非常规工况的研究较少,增强控制算法的鲁棒性以应对非常规工况是无人驾驶汽车路径跟踪控制算法未来的发展重点。

分布式驱动电动汽车稳定性控制研究综述

分布式驱动电动汽车具有可控自由度高、响应速度快等优点,是新能源汽车的重要发展方向之一,针对分布式驱动电动汽车稳定性控制的研究也越发深入。文章主要从车辆动力学和稳定性控制器设计两方面介绍目前国内外分布式驱动电动汽车稳定性控制现状,并对稳定性控制技术当前存在的优缺点进行总结和展望。

基于改进YOLOv4-Tiny的机械零件目标检测算法

随着智能化生产的普及,机械零件的智能装配技术受到广泛关注,为了改善传统特征提取算法中检测误差大、精度低等问题,以常见机械零件为研究目标,结合深度学习算法中的轻量级网络为基础模型进行优化,使用YOLOv4-Tiny中的CSP-Darknet53作为特征提取网络,在特征提取网络后添加改进后的MA-RFB模块,引入多分支卷积和空洞卷积加强感受野。并对颈部网络进行改进,选择PANet代替FPN,并添加注意力模块CBAM,形成CM-PANet对零件目标进行多尺度检测,在自制的零件数据集AP达到96.47%,检测速度达到0.00138 s每样本。相比于原版YOLOv4-Tiny网络AP提高了2.80%,改进后的算法在速度和精度达到了一个平衡,体现了研究的理论和应用价值。

基于边缘提取与空洞卷积的抓取目标检测算法

为解决当前工业机器人抓取检测任务中存在的精度不足的问题,提出了一种基于边缘提取与空洞卷积的抓取目标检测算法。该方法以当前较为稳定的YOLOv3网络作为主干网络,进行基于边缘提取的多通道特征融合,添加Edge Feature模块提高网络的检测精度和检测速度;基于空洞卷积技术优化自适应空间特征融合,形成Dilation-ASFF网络,替换原部分网络,提高网络对多尺度信息的感受能力以及网络检测精度;用CIoU的方法修改抓取框回归损失函数,提高网络的收敛能力与精度。改进后的算法在Cornell抓取检测数据集上的AP达到96.79%,检测速度达到0.063 s/样本,相比于原版YOLOv3网络,AP提高了2.98%。本改进算法在保证检测实时性的基础上,大大提高了检测精度,体现了研究的理论价值和应用价值。

基于学习排序的计量装置故障严重程度评估方法

现有的电能计量装置状态检测研究通常仅涉及故障的检测,未考虑故障严重程度的区分或排序问题。为解决这一问题,该文提出一种基于学习排序的电能计量装置故障严重程度的评估方法。首先,根据电能计量装置的运行监测数据,设计包含14个分量的特征向量;其次,选择sigmoid函数对特征进行概率和评分的转换;再次,采用RankNet神经网络计量装置故障程度的分级。最后,该文采用国家电网公司某省2020-2021年部分地区电能计量装置运行监测数据进行测试。训练集包含2万组样本。所提方法在测试集上判断正确和错误的样本对数分别为9769和231,准确率达97.69%。此外,对于故障严重程度评分结果前50的故障样本,模型的平均排序偏移量为0.96,说明该文方法对于排序靠前的故障具有很好的排序效果。同时,模型仅需10次左右迭代即可收敛,能有效帮助工作人员提高电能计量装置检修效率。

基于改进PSO-BP神经网络的网络控制系统时延预测

针对网络控制系统存在的随机时延问题,本文基于BP神经网络(Back Propagation Neural Network, BPNN)建模方法,在PSO(Particle Swarm Optimization)算法的基础上引入遗传算法中交叉和变异的思想,同时对惯性权重和学习因子采用线性递减和异步时变的改进策略,提出了一种性能更优的改进PSO算法,并用该算法优化BP神经网络,构建了一种改进PSO-BP神经网络的时延预测模型;然后运用MATLAB TrueTime2.0工具箱搭建仿真平台,结合获取到的历史时延采样数据对改进PSO-BP时延预测模型和PSO-BP、BP模型进行性能对比测试.实验表明本文所提出模型的预测精度更高,误差更小,能较好的解决网络控制系统的随机时延预测问题.

动态场景下融合YOLOv5s的视觉SLAM算法研究

为了解决视觉同步定位与建图(Simultaneous Localization and Mapping, SLAM)系统在动态场景下容易受到动态物体干扰,导致算法定位精度和鲁棒性下降的问题,提出了一种融合YOLOv5s轻量级目标检测网络的视觉SLAM算法。在ORB-SLAM2的跟踪线程中添加了目标检测和剔除动态特征点模块,通过剔除图像中的动态特征点,提高SLAM系统的定位精度和鲁棒性。改进了YOLOv5s的轻量化目标检测算法,提高了网络在移动设备中的推理速度和检测精度。将轻量化目标检测算法与ORB特征点算法结合,以提取图像中的语义信息并剔除先验的动态特征。结合LK光流法和对极几何约束来剔除动态特征点,并利用剩余的特征点进行位姿匹配。在TUM数据集上的验证表明,提出的算法与原ORB-SLAM2相比,在高动态序列下的绝对轨迹误差(Absolute Trajectory Error, ATE)和相对轨迹误差(Relative Pose Error, RPE)均提高了95%以上,有效提升了系统的定位精度和鲁棒性。相对当前一些优秀的SLAM算法,在精度上也有明显的提升,并且具有更高的实时性,在移动设备中拥有更好的应用价值。

PSOS-YOLOv5s:一种轻量级玉米雄穗快速检测算法

针对玉米雄穗检测中速度较慢的问题,提出一种基于YOLOv5s改进的轻量化快速检测算法——PSOS-YOLOv5s。所提算法在主干网络中采用轻量级PP-LCNet替换CSPDarknet53,采用2种不同的深度可分离卷积与注意力机制的组合来构成基本块,降低模型复杂度并加快检测速度;在预测部分采用SimOTA标签匹配策略替换YOLOv5s中的标签匹配策略,采用中心先验思想获得精准的先验知识,提出动态k策略过滤冗余标签,提高模型对正样本的快速选取能力;在预测部分采用SIOU Loss替换GIOU Loss,引入角度损失因子来降低回归自由度、加快收敛速度、节省训练时间,重新定义惩罚指标,提高检测精度。实验结果表明,在玉米雄穗数据集中,提出的改进算法相比于YOLOv5s,模型参数量降低52.86%,模型的检测精度提升0.6%,模型的检测速度提升65.5%。改进后的算法提升效果明显,可以满足大规模玉米雄穗快速检测的要求。