混合式教学在理实一体化类课程中的应用——以工业机器人现场编程为例

理实一体化类课程是高职院校最为标志性的课程,利用手段丰富的混合式教学来提升该类课程的教学效果,从而达到人才培养质量的提升。通过精品在线开放课程和学习通平台来进行线上线下混合式教学,以解决该类课程目前在教学过程中存在的一些局限,特别是如何充分利用线上的教学数据,如何分析整理数据,以数据驱动的模式来实时优化课堂的教学设计。通过教学实践总结,对教学方法的创新、教学手段的应用进行了梳理与探讨,为理实一体化类课程的教学改革提供一定的借鉴。

ECOD算法在飞机不稳定进近检测中的应用

在飞机进近和着陆阶段,一旦发生不稳定进近就可能导致航空事故发生,因此终端空域内不稳定进近检测是航空器运行监控领域的热点研究问题。针对终端区的不稳定进近检测,利用OpenSky提供的开源航空器监视数据提出了基于数据驱动的检测方法。从能量管理的角度入手,构建基于无监督异常检测(Empirical-Cumulative-Distribution-based Outlier Detection,ECOD)算法的不稳定进近检测模型,并结合主成分分析(Principal Components Analysis,PCA),获取了飞机能量状态的异常评分进而实现检测。复飞事件检测的验证分析结果表明检测模型在准确率与效率方面具有优势,模型可实现实时部署与在线更新。

基于进化算法与数据驱动的锂离子电池寿命预测

锂离子电池因其长寿命而导致其设计和测试周期较长,因此,建立一个锂离子电池寿命预测模型对锂离子电池的开发和测试具有重要意义。基于数据驱动的锂离子电池寿命预测是一种有前景的预测方法,它可以在不需要专业知识的情况下进行预测。但是,基于数据驱动的预测方法对数据的要求较高,同时,大量的数据特征可能会降低学习模型的精度。为了解决这个问题,提出了一种基于进化算法的特征选择策略,该策略利用进化算法对锂离子电池训练数据的特征进行筛选,从而提高算法的精度。最终的实验结果在麻省理工学院提出的测试集上表现出了良好的效果。

数据驱动的参数化生成式设计研究与应用

文中探讨了数据驱动的参数化生成式设计理论与实践,强调生成式设计的自下而上、自组织和生成等核心特征。通过案例分析与设计实践,提出了如何从用户面部特征数据中提取设计变量,进而驱动创新的设计过程,从而创造与用户身体特征相匹配的个性化产品。以加州迪士尼公园路径设计和一款基于鱼群运动轨迹的鱼缸设计为两个分析案例,说明了物质自然的客观规律在形态方案探索中的作用。研究进一步通过一个3D打印定制化眼镜的案例,探索了如何通过用户面部特征识别技术获取设计变量,并将其应用于参数化生成式设计程序中,以产生既符合功能要求又满足审美需求的个性化眼镜。结果表明:参数化生成式设计能够有效地利用自组织系统的优化原则,生成符合物质自然规律的最佳形态,强调尊重自组织系统客观性的重要性,以及基于设计变量进行形态创新和功能性、人性化设计的方法论意义。

数据驱动的高速列车子空间预测控制

随着列车运行速度的提高,列车与接触网、轨道、空气的动力作用加剧,给高速列车的建模与控制提出更高的要求。本文提出数据驱动的高速列车子空间预测控制方法:构建基于状态框架的高速列车多变量动力学系统;由输入输出数据设计高速列车的子空间预报模型;详细分析高速列车子空间预测控制器的设计方法,并给出相应的预测控制算法。高速列车的数值仿真实验结果证明所提出控制方法的有效性。

基于模糊C-均值聚类的轴承性能衰退评估方法

针对轴承性能衰退评估中遇到的性能衰退时间和过程难以确定等问题,提出一种基于模糊C-均值聚类的轴承性能衰退分析与评估方法。研究了数据驱动的性能衰退分析过程。综合应用模糊集理论和聚类分析法,开发了基于模糊C-均值聚类算法的轴承性能衰退评估算法,并给出了相应的轴承性能衰退评估流程。以某型滚动轴承为例分析与评估了其性能衰退过程。结果显示,所提方法能够较好地识别轴承性能衰退发生时间和评定轴承性能衰退程度。

新型冠状病毒肺炎中医药防治组方规律分析

目的 探讨中医药防治新型冠状病毒肺炎(简称新冠肺炎)的用药规律和组方特点,为新冠肺炎治疗中药的配伍机制研究和复方中药开发提供数据支持。方法 收集2020年2月19日前国家及上海、浙江、广州、四川、吉林等地发布的中医药防治新冠肺炎诊疗方案共52张处方,采用Aprior关联规则算法,以支持度、置信度、提升度为指标,分析方剂中的高频药物、配伍规律和关联规则;采用PCA聚类分析法分析不同治疗时期处方的相似性与差异性。结果 藿香出现频率最高(超过30%),甘草、连翘、陈皮、金银花、苍术、黄芩、茯苓、生石膏、厚朴、草果、苦杏仁、生麻黄等也超过15%。这些高频中药的相互配伍,如金银花-连翘、苦杏仁-生石膏、陈皮-茯苓、苍术-厚朴、苍术-生麻黄-草果、苍术-厚朴-草果-藿香的支持度、置信度和提升度均很高,在新冠肺炎方防治剂中应用广泛。在新冠肺炎中医证型的不同时期,处方差异较大,PCA建模后划分成了6类,对应了6个不同的临床防治阶段,即预防/医学观察期、轻症期、中期、重症期、危重症期、恢复期,各期的组方呈现一定规律性。结论 以数据驱动方式对新冠肺炎的防治中药方剂进行对比研究,能有效反映用药配伍规律和各期处方的组方特点,可为中药配伍研究和复方中药的开发提供参考。

数据驱动的大规模森林场景真实感动画

提出一种基于数据驱动的大规模森林场景真实感动画的实现方案.该方案预先对单株样本树在风力作用下的运动作高精度的动力学计算,得到高分辨率、精确的树骨架形变序列;然后采用分簇主元分析方法对形变序列数据进行压缩与简化,构建单株树各枝干运动的细节层次;最后基于多株样本树多个细节层次的运动数据合成大规模森林的群体运动.实验结果表明:该方案实现了力学形变数据的高效重用,在森林动画合成效率和真实感上具有一定的优势,能满足对规模和画质要求较高的应用,如影视动画与媒体广告等的需求.

数据驱动故障预测和健康管理综述

着重介绍数据驱动故障预测和健康管理(PHM)方法的研究现状。通过对数据驱动PHM方法的分类阐述,逐步说明面向复杂系统数据驱动PHM的方法体系和流程,并重点对构成数据驱动PHM方法体系的核心环节进行分析和总结。在此基础上,采用一个锂离子电池循环寿命预测实例综合分析了数据驱动PHM的实现过程。最后,分析了数据驱动PHM方法的发展趋势和研究挑战。

面向软件仓库挖掘的数据驱动特征提取方法

在软件仓库挖掘领域,通常将软件工程任务转换成数据挖掘问题进行解决。领域特征的使用严重影响了软件任务的解决效果。然而,如何根据特定任务从软件仓库数据中提取有价值的特征,在软件仓库挖掘领域尚缺乏系统的研究。数据驱动特征提取方法是一种新的特征提取方法。对于给定的软件工程任务,该方法从任务的数据集中选取部分数据(如源代码、缺陷报告等),招募若干志愿者人工完成该任务,并要求志愿者说明在人工完成特定软件工程任务时所考虑的因素。通过分析这些因素,可以提取所需的领域特征。以缺陷报告摘要任务为例进行实验,结果表明新方法能够发现高效的领域特征,并取得比现有方法更好的预测效果。

工业过程系统的预测控制

预测控制方法自1970's提出后在学术界和工业应用领域都取得了很大的进展,尤其在工业过程控制方面成为一种重要的先进控制方法。根据工业过程控制的特点和进一步的需求,对近年来在工业过程控制领域预测控制方法取得的新进展进行综述,包括过程控制系统模型辩识,数据驱动的预测控制和在网络信息模式下的预测控制等。并对预测控制进一步的发展需求进行分析,介绍了欧盟正在进行的第七框架对于大系统分布式预测控制的研究内容。

舰载作战系统数据集成设计与度量方法

数据集成在作战系统体系结构的设计中处于核心位置,在系统集成堆栈中具承上启下的作用。接口设计是作战系统集成设计的重点,应尽量减少两两之间的成对接口和专用数据格式,以实现数据集成方式从点对点向总线的转变。首先开展基于XML的作战系统数据建模,开发辅助设计软件,建立元数据注册库;然后采用模型驱动的方法,以数据模型为中心进行数据集成设计和体系结构度量。选取了分系统数量、节点数量、接口数量、信息单元数量和作战流程环复杂度等5个定量指标,并通过衍生指标评估作战系统体系结构的特征。数据模型驱动的开发能够支持快速生成仿真系统,可为下一步基于仿真的效能评估奠定基础。

能量效率和工作温度对锂离子电池剩余寿命的影响

利用锂离子电池已有物理性能,预测其剩余寿命是电池健康管理新兴的研究趋势。本文将表征锂离子电池性能的物理量,电流、电压、时间、温度和环境温度进行降维处理,得到2个特征物理量:电池由于工作产生的温度和电池能量效率。这样不但考虑了所有性能物理量对锂离子电池剩余寿命的影响,还考虑了各个物理量之间的关系。然后利用这2个特征物理量分别建立能量效率与工作温度对锂离子电池剩余寿命多步预测模型和能量效率与工作温度对锂离子电池剩余寿命整体预测模型。从实验得出,能量效率和工作温度对锂离子电池剩余寿命预测有密切的影响,并且利用这2个物理量建立锂离子电池剩余寿命预测的数据驱动模型更加合理。

含高比例可再生能源的电力系统运行可靠性解析评估方法综述

随着“双碳”目标的推进,高比例可再生能源广泛接入,电力系统呈现出不确定性因素多、源荷变化快、多重随机性强等特点,给电网的安全稳定运行带来了新的挑战。解析法是最常用的运行可靠性评估方法之一,具有数学模型清晰、计算效率稳定、枚举状态关系明确等优势,有助于保障电力能源的安全可靠供应。从电力系统运行可靠性的概念和评估流程出发,归纳亟待解决的问题。在此基础上,从可靠性评估效率提升、考虑极端灾害的不确定性建模和序贯解析评估3个方面归纳了现有研究成果及其存在的不足。最后,展望了含高比例可再生能源的电力系统运行可靠性解析评估方法的未来研究方向。

数据驱动学习——英语教学模式的新动向

数据驱动学习充分利用了网络和语料库资源,改变了以往传统的结论式的单向灌输的教学模式,为学习者营造了真实的语言环境,减少了在过程教学法中容易产生的中介语石化的现象,能够有效激发学习者的学习兴趣,培养他们自主学习和自我解决问题的能力,达到辅助英语教学的最终目的。

平行控制:数据驱动的计算控制方法

本文简述平行控制的理念、概念及基本方法与应用,主要强调虚实互动的平行扩展方式与同时计算的并行划分方式的不同之处.平行控制方法是ACP理论在控制领域中的具体应用,其核心是利用人工系统进行建模和表示、通过计算实验进行分析和评估、最后借助平行执行实现对复杂系统的控制和管理.这一控制方法是反馈控制,特别是自适应控制方法向复杂系统问题扩展的自然结果,是一种迈向数据驱动控制和计算控制的必然且有效途径.

知识与数据联合驱动的风力发电机叶片动态雷达散射截面统计模型

针对风力发电场对雷达等设备影响评估中所需风力发电机动态雷达散射截面(RCS)估计的问题,提出了一种知识与数据联合驱动的风力发电机动态RCS统计模型。首先,利用风力发电机叶片RCS随叶片旋转周期性变化的特点,建立叶片RCS单个单调变化区间内的变化函数。该变化函数由与叶片几何参数相关的峰值RCS、与叶片几何参数无关的调制函数、与材质和形状细节相关的乘性因子组成。其中峰值RCS由理论模型推算得到,针对RCS变化复杂的特点,调制函数和乘性因子利用实测训练数据估计得到。其次,对于待求解型号的风力发电机,根据风力发电机几何参数得到其叶片RCS变化函数,再通过参数估计的方法计算其概率密度函数统计模型。多种不同型号风力发电机实测数据的实验结果,验证了该文给出的风力发电机叶片动态RCS统计模型,与实测数据结果有良好的一致性。

面向业务问题求解的模块化知识服务

为提高企业业务执行的绩效及创新性,针对企业业务问题求解时呈现的知识模块化现象,提出知识模块化的概念。将知识模块作为业务执行能力的知识服务单元,同时考虑业务、知识、情境的相互作用,建立了以业务求解为核心并集成情境要素的知识模块模型。以知识模块为业务能力核心,构造了多维度知识模块化服务体系,设计了面向业务问题求解的知识模块化服务系统的体系结构框架。

物理-数据-知识混合驱动的人机混合增强智能系统管控方法

当代系统认知、管理与控制的核心理论、方法与技术已经转移到大数据和人工智能技术上,这导致当前人工智能技术条件局限与复杂系统认知、管理、控制的需求之间形成了一道鸿沟。因此,现实的需求催生了人工智能的一种新型形态——人机混合增强智能形态,即人类智能与机器智能协同贯穿于系统认知、管理、控制等过程的始终,人类的认知和机器智能认知互相混合,形成增强型的智能形态,这种形态是人工智能或机器智能可行的、重要的成长模式。提出了一种物理-数据-知识混合驱动的人机混合增强智能系统管控方法。从可信分布式数据、计算和算法,物理深度学习,融合系统运行规则的混合型深度强化学习,因果分析,可解释性AI与数字人5个方面详细阐述了所提方法。最后,以电力系统调控为背景,以3个应用为例分析了所提方法的应用方式和技术路径。

数据驱动语言学习——教学模式的转变

对基于语料库的语言教学模式研究的缺乏是目前国内在教学中使用语料库所面临的困难之一。本文介绍并分析了数据驱动语言学习这一基于语料库的语言教学模式,认为这一模式在教学理念,学习内容,以及学习材料等方面与传统的教学模式存在很大的区别,在解决语言学习的自主性,流利性与精确性之间的平衡,以及语法意识激活等方面具有积极的意义。深入理解这一模式的认知理论基础是在实践中有效运用的前提和基础。