电气控制与PLC实验课程混合式教学模式构建与探讨——以电动机星三角形启动为例

信息技术的不断发展为课改工作提供了新的研究方向和思路。电气控制与PLC课程为高校专业基础课程,该课程的特点是理论知识点多、专业实践性强等,传统的授课模式已经无法满足学生的要求,这给PLC教学工作带来新的挑战。如何将理论与实践更好地结合是教师应该关注的焦点问题。结合该课程特点以及近几年的PLC教学工作,以电动机星三角形启动为例,从理实一体化、线上线下教学模式等方面来探讨电气控制与PLC实验课程混合式教学模式构建,为PLC教学提供借鉴。

PAW-YOLOv7:河道微小漂浮物检测算法

河道漂浮物检测对于船舶自动驾驶以及河道清理有着重大意义,但现有的方法在针对河道漂浮物目标尺寸小且互相遮挡、特征信息少时出现检测精度低等问题。为解决这些问题,本文基于YOLOv7,提出了一种改进模型PAWYOLOv7。首先,为了提高网络模型对小目标的特征表达能力,构建了小目标物体检测层,并将自注意力和卷积混合模块(ACmix)集成应用于新构建的小目标检测层;其次,为了减少复杂背景的干扰,采用全维动态卷积(ODConv)代替颈部的卷积模块,使网络具有捕获全局上下文信息能力;最后,将PConv(partial convolution)模块融入主干网络,替换部分标准卷积,同时采用WIoU(Wise-IoU)损失函数取代CIoU,实现网络模型计算量的降低,提高网络检测速度,同时增加对低质量锚框的聚焦能力,加快模型收敛速度。实验结果表明,PAW-YOLOv7算法在本文利用数据扩展技术改进的FloW-Img数据集上的检测精度达到89.7%,较原YOLOv7提升了9.8%,且检测速度达到54帧/秒(FPS),在自建的稀疏漂浮物数据集上的检测精度比YOLOv7提高了3.7%,能快速准确地检测河道微小漂浮物,同时也具有较好的实时检测性能。

改进RRT^(*)的6R机械臂运动规划研究

为解决6R机械臂在运动规划中路径搜索随机性强,成功率低,生成轨迹平滑性差的问题提出一种改进型渐进最优快速随机扩展树(RRT^(*))算法用于路径规划,并使用非均匀五次B样条函数结合遗传算法进行轨迹规划。首先对RRT^(*)算法进行改进,使用自适应目标偏置策略,局部节点拒绝策略和基于Sobol序列的滑动采样池策略以提高规划效率,然后,将非均匀五次B样条函数用于路径平滑,并结合遗传算法优化运行时间及冲击,从而实现轨迹优化,保证机械臂运行安全平滑且快速。仿真结果表明,机械臂成功避障并到达目标位置的同时各关节运动轨迹具有高阶连续性,且路径规划时间和机械臂运行时间均大幅缩短,最后通过实验验证了算法的有效性。

AKAZE与高斯混合模型相融合的运动目标检测算法

传统高斯混合模型在抖动干扰下无法取得理想的运动目标检测效果,但实际的各种复杂情况下摄像系统均会存在抖动。针对这一问题,文中提出一种抖动干扰下运动目标检测算法:首先利用基于AKAZE特征点匹配算法,进行动态图像精确配准,消除图像抖动,做出运动补偿;其次利用高斯混合模型对配准后的视频序列进行运动目标检测,然后利用三帧差分技术对检测出的运动目标轮廓进一步补偿;最后使用连通域分析补全运动目标。实验表明,本文提出的方法能够满足检测要求,可以在抖动干扰下有效检测出运动目标。

关于雾霾天气图像观测信息优化仿真

雾天条件下的大气散射使图像中的特征提取变得困难,进而导致以特征提取为基础的机器视觉系统的失效。针对暗原色先验算法去雾之后图像整体偏暗以及同态滤波算法去雾后能够还原原始图像面貌等特点,提出了将两者相融合的图像去雾算法。首先,使用暗原色先验算法对图像进行初步去雾处理;然后,采用同态滤波算法消除图像整体偏暗问题;最后,通过Matlab软件对融合之后算法有效性进行验证。实验结果表明：融合之后的算法不仅能够有效提高图像的对比度还能够突出图像的细节,具有较高的精确性和应用价值。