新工科背景下自动化专业《专业设计》课程教学改革

新工科建设背景下,自动化《专业设计》课程作为学生理解运用专业知识和技能的综合性实践课程在教学内容及方法上都面临着新的机遇和挑战。针对自动化专业学生在学习过程中缺乏工程设计理念及解决复杂工程问题的能力,提出以提升学生工程实践能力,注重创新思维、多学科知识交叉融合并强调团队协作能力的专业设计课程改革思路,探索适合的教学模式及考核方式。通过教学改革,紧密结合产业发展要求,使学生专业设计贴合工程教育认证要求,培养符合新工科教育理念的专业人才。

基于关联规则下聋工大学生健美操教法研究

由于聋工大学生的听力障碍,在进行健美操学练时,有些人的成绩并不理想。为探寻更适合聋工学生的学习方法,首先将在校的半聋生、全聋生和正常生进行分组学练和初测试,并对三个组测试的8个动作的平均分用箱线图的形式进行直观分数对比。然后,采用数据分箱的形式对学生成绩进行关联规则分析,挖掘得分高低与不同步伐的相关性。最后,根据各组情况,将具有相关性的多个步伐进行打包重点教学,并进行后测试。通过对后测试成绩进行左、右两侧动作数据对比,分析数据结果,优化提升各组成绩的教学方法,做到对聋工学生因材施教,达到提高教学质量的目的。

玻色的生平与物理思想--纪念玻色诞辰130周年

文章聚焦于20世纪初杰出的印度物理学家萨特延德拉·纳特·玻色(Satyendra Nath Bose,1894—1974)的生平和物理成就。通过对全同粒子不可分辨性和概率解释的考虑,玻色发现了光子气体在量子力学中的统计规律,并由此推导出普朗克的黑体辐射公式。他的工作导致了玻色-爱因斯坦统计和玻色-爱因斯坦凝聚的发现,这些成就体现了玻色在推动量子物理发展中作出的卓越贡献。

基于改进Yolov3半月板撕裂的自动检测及分类

针对医师进行半月板撕裂诊断时,存在半月板区域面积小,无法有效识别的问题,提出一种改进后Yolov3的定位裁剪方法。用高效通道注意力网络(efficient channel attention network,ECANet)作为移动翻转瓶颈卷积(mobile inverted bottleneck convolution,MBConv)中的注意力机制模块,命名为MBConv+。MBConv+模块堆叠构成EfficientNet-b0+,作为Yolov3的特征提取网络,对半月板进行检测及定位裁剪,并采用支持向量机(support vector machines,SVM)进行分类实验。实验结果表明:改进后Yolov3算法与原算法相比,在平均精确率均值(mean average precision,mAP)相近条件下,训练时间大幅缩减,帧数(frames per second,FPS)提升了1.3221,达到了29.0691。与原始数据集相比,裁剪后图像在分类性能上有提升,精度提升了7.739%,达到91.251%。

复杂背景条件下的电气设备图像实例分割算法

变电站巡检拍摄的电气设备可见光图像存在背景杂乱、目标轮廓不规则等特点,造成设备分割精度不高,影响智能巡检系统设备识别效果。基于此,提出一种改进的YOLACT++模型,实现设备目标精确实例分割。首先,设计了电气设备特征提取主干网络DAGNet,提升了网络对复杂背景下重要特征的关注度;同时在原型网络分支引入3D注意力模块SimAM,降低混乱背景对目标分割的干扰。使用某市8个区域58座110 kV变电站和86座35 kV变电站巡检所得避雷器、断路器等6类电气设备的1730张可见光图像的标记数据集对该模型进行验证,实验结果表明,改进YOLACT++模型分割的AP_(all)指标为84.1%,相较原模型提高了4.4%,与YOLACT、Mask R-CNN和YOLOv8模型相比分别高出4.0%、9.3%、1.6%,较好地实现了6类电气设备的识别,可满足电力巡检中准确性和快速性的要求。

高校理工科实践教学环节实施课程思政教学的探索

立德树人是高等教育的根本任务,需要高校全体教师、所有课程相互协作共同发力,而课程思政教育即为包括实践教学环节在内的非思政类课程及教师发挥育人功能的重要抓手。结合理工科实践教学环节的特点,深入探讨课程思政的概念、特征、意义及目前存在的问题后发现,通过提升教师德育意识与能力、制定课程德育教学大纲与教学指南、课上课下发挥课程育人功能、建立科学的考核方式与长效激励推广机制等措施,有利于培养德才兼备的社会主义建设者与接班人,达到"为党育人,为国育才"的目标。

基于OBE理念的电力电子课程设计教学研究

电力电子课程设计是电气工程专业的重要集中实践类课程之一,但教学实施过程中普遍存在考核困难和主观随意性强等问题。基于工程教育认证产出导向教育(OBE)理念,探讨如何围绕课程目标,运用教学方法,设计教学环节,进行教学评估,并通过对课程目标达成情况的分析,找出存在问题,进行持续改进,提升学生工程能力的全过程。

“新工科”背景下面向现代化新型电力系统实验教学改革研究

电力行业中电力的生产过程、调度和管理正在向着创新型和现代化的方向发展,传统课程教学日渐不能满足行业发展对人才需要。为适应新工科建设的国家战略方针,响应“新工科”建设呼唤高等工程教育实验平台的改革创新的号召,提高培养学生的专业综合能力,教学改革研究秉持“一流定位、新工科发展和工程认证OBE机制”教育理念,建立科研反哺教学机制,将思政教育融于实践教学,形成“科研—教学—实践”一体化,相互渗透,相互促进,围绕面向现代化新型电力物理仿真教学进行创新发展,建设多项现代化、创新型实验室,完善闭环反馈教学体系,使学生们符合现代电气人才要求的同时,拥有较高的职业素养和分析问题、解决问题的创新实践能力。

改进人工势场法的移动机器人路径规划研究

针对传统人工势场法存在目标不可达和局部极小值问题,提出一种改进的人工势场法。首先,改进斥力场函数解决目标不可达问题;其次,提出一种椭圆形目标策略,通过设置虚拟目标点引导机器人逃离局部极小值,在此基础上提出一种椭圆形跟踪策略,通过跟踪部分既定椭圆形到达虚拟目标点来逃离局部极小值;最后,为了满足机器人速度与加速度连续性的要求,采用3次均匀B样条曲线对规划出的路径进行拟合处理。实验结果表明,改进人工势场能够有效解决传统人工势场存在的问题,椭圆形跟踪策略在路径长度上比椭圆形目标策略更短,且经样条曲线处理后的路径比原路径平滑。

基于IG-CPSO-BP的水工钢闸门安全等级识别

为提高BP神经网络对水工钢闸门安全等级识别的速度和精度,构建基于信息增益(IG)和混沌粒子群优化(CPSO)算法优化BP神经网络的水工钢闸门安全等级评估模型。该模型利用IG算法精简水工钢闸门安全等级评估的特征指标,避免冗余变量干扰,提升模型的训练速度;利用CPSO算法优化BP神经网络的初始权重,提高模型的收敛性及对水工钢闸门安全等级的分类能力。经过验证分析,基于IG-CPSO-BP的水工钢闸门安全等级评估模型的评估结果与实际的水工钢闸门安全等级基本吻合,识别精度明显优于IG-BP、IG-GA-BP、IG-PSO-BP模型。

VR技术在电气类实验教学中的应用与研究

在全国大力推进工程教育专业认证的背景下,作为培养电气类专业应用型高级人才的大学,使学生了解工程背景、培养实践动手能力显得尤为重要。虚拟现实(Virtual Reality,VR)技术作为一种计算机仿真技术,可以在低实验成本和低维护成本的前提下针对传统电气实验室中难以实现的实验条件创建虚拟的电气实验室,以发现学生能力的薄弱环节并进行有针对性的实验设计。通过在虚拟实验室中进行的实验,学生可以在保障安全的前提下模拟电气事故的发生和直观感受事故后果。VR技术不仅可以使学生在掌握用电安全的同时相应地提升职业技能,而且也为提升实验教学水平提供了帮助。

基于ISSA的燃料电池多电源模糊能量管理策略

为了提高燃料电池(FC)混合动力汽车(HEV)的经济性,提出一种利用模糊逻辑控制(FLC)的方法对其实现能量管理策略(EMS)。以氢耗量最优为目标,加入超级电容器作为辅助能源,考虑汽车驱动与制动2种状态,把需求功率、超级电容荷电状态、燃料电池的工作效率,添加为模糊控制器输入变量,对模糊规则进行改进。引入改进的麻雀搜索算法(ISSA)对模糊控制器的隶属度函数进行优化,采用Circle映射初始化麻雀种群,同时引入随机游走策略对全局最优解扰动。采用Advisor软件和Matlab/Simulink环境建模并进行联合仿真。结果表明:本文能量管理策略,在城市道路循环工况(UDDS)和高速公路燃油经济性测试工况(HWFET)下,等效氢耗量分别减低了29.38%和29.88%,同时,也减少了燃料电池在运行时的变载次数,使得燃料电池寿命得到延长。

基于磁共振影像的半月板撕裂程度自动检测

严重的半月板损伤是不可逆的,需及时进行早期诊断。磁共振成像(magnetic resonance imaging,MRI)是半月板疾病研究和诊断的常用手段,而人工对影像分析常受医生主观因素影响,易出现误诊或漏诊。提出一种基于膝关节磁共振影像的半月板撕裂程度检测方法。采用霍夫变换获得以半月板为中心的局部区域,并利用伽马变换对图像增强。采用3层级连接残差网络实现对撕裂程度的预测。通过多组试验验证了文中方法对半月板撕裂程度的检测有更精准的预测效果。

基于改进YOLOv3的水稻叶部病害检测

为了解决水稻小病斑检测不准确的问题,提出一种基于改进YOLOv3的水稻叶部病害检测方法Rice-YOLOv3。首先,采用K-means++聚类算法,计算新的锚框尺寸,使锚框尺寸与数据集相匹配;其次,采用激活函数Mish替换YOLOv3主干网络中的Leaky Relu激活函数,利用该激活函数的平滑特性,提升网络的检测准确率,同时将CSPNet与DarkNet53中的残差模块相结合,在避免出现梯度信息重复的同时,增加神经网络的学习能力,提升检测精度和速率;最后,在FPN层分别引入注意力机制ECA和CBAM模块,解决特征层堆叠处的特征提取问题,提高对小病斑的检测能力。在训练过程中,采用COCO数据集预训练网络模型,得到预训练权重,改善训练效果。结果表明:在测试集下,Rice-YOLOv3检测水稻叶部3种病害的平均精度均值(mAP)达92.94%,其中,稻瘟病、褐斑病、白叶枯病的m AP值分别达93.34%、89.68%、95.80%,相较于YOLOv3,Rice-YOLOv3检测的m AP提高了6.05个百分点,速率提升了2.8帧/s,对稻瘟病和褐斑病的小病斑的检测能力明显增强,可以检测出原始网络模型漏检的小病斑;与Faster-RCNN、YOLOv5等模型对比,Rice-YOLOv3提高了对相似病害和微小病害的识别能力,并在原始的基础上提高了检测速率。

改进RRT算法的采摘机械臂路径规划

针对采用传统的快速随机扩展树(RRT)算法的采摘机械臂在果园工作环境中搜索路径时间长,最终路径不平滑、拐点多等问题,提出了一种改进的RRT避障算法。改进的算法采用高斯采样策略,减少了采样的随机性,避免产生更多不必要的随机树,增加规划的导向性;再添加A*代价函数去除路径的冗余点,最后使用贪婪算法简化路径,减少拐点,让机械臂可以快速、准确、平稳地沿着最佳路径运动到目标点。仿真表明,改进后的算法有效地减少了路径规划的时间,缩短了路径长度,具有良好的可行性和有效性。

模型信息联合校正型自抗扰控制策略

为解决微电网受到不确定扰动时,会对直-直变换器输出的电能质量产生严重影响的问题,该文提出一种模型信息联合校正型自抗扰控制技术(ADRC-MIR)。在该控制策略中,首先借助串联超前校正的思想,以比例微分校正环节对线性扩张状态观测器的扰动观测传递函数进行修正,使其可实现对总和扰动更精确的跟踪;然后,根据状态空间平均法从被控系统中提取部分模型信息,将其写入修正后的线性扩张状态观测器的系数矩阵并最终构建出ADRC-MIR;随后基于理论推导,给出改进控制器的参数整定公式及其物理意义,并从噪声抑制、扰动抑制及其频域特性等方面指出改进后的控制器可提升控制品质的原因。最后通过对比不同工况下的数值仿真验证所提控制策略的可行性与正确性。

基于改进ShuffleNet v2的轻量化番茄叶片病害识别

番茄大面积种植导致叶片部位被病虫害侵蚀面积不一、侵蚀种类多样化等问题,为了满足在资源有限的硬件设备上实现对番茄叶片病害准确识别,提出改进ShuffleNet v2模型。首先对基本单元进行改进,提出SA-stage模块,使模型密切关注叶片相关特征信息的同时减小了参数量和计算量;其次提出LFN轻量化特征融合模块,实现浅层和深层网络的上下文信息交互;接着引入RFB-s轻量化特征增强模块,增强小目标病害的特征提取;最后将SPD-Conv代替普通卷积和最大池化层,降低图像分辨率的同时保留了番茄叶片病害小目标的细粒度信息。试验结果表明,改进ShuffleNet v2模型在10种番茄叶片病害图像上进行测试,准确率和平均召回率分别达到了96.55%、96.40%,较原模型分别提高了4.44、3.70百分点;参数量和计算量分别为348154、38.75 MB,较原模型分别减少3888、3.88 MB。相比于其他分类模型AlexNet、ResNet50、MobileNet v3等,改进ShuffleNet v2模型不仅准确率最高、参数量和计算量最小,而且权重最小,仅为1.51 MB。该研究提出的改进ShuffleNet v2模型具备在资源有限的移动设备上部署的条件,满足实时、准确地识别番茄叶片病害。

用于并网逆变器的频率自适应复合重复控制

针对电网频率波动时重复控制(repeat control,RC)难以准确跟踪谐波分量和周期性干扰的问题,提出一种频率自适应复合重复控制策略(frequency adaptive PRC,FAPRC)。采用基于幂级数的滤波器实现分数延时。电网频率发生波动时,只需要输入频率比值的小数部分就能在基频和各次谐波频率处产生高增益,对实际电网频率进行准确跟踪,从而增强了系统在频率波动时的无静差跟踪能力和谐波抑制能力,实现频率自适应。在电网频率变化情况下对该控制策略进行仿真分析,与复合重复控制策略相比,所提策略更具优越性。

基于Q学习的高超声速飞行器自抗扰控制研究

为实现高超声速飞行器姿态自抗扰控制的参数整定,提出一种模糊Q学习算法。首先,采用强化学习中的Q学习算法来实现姿态自抗扰控制参数的离线闭环快速自适应整定;然后,根据模糊控制的思路,将控制参数划分为不同区域,通过设定奖励,不断更新Q表;最后,将训练好的Q表用于飞行器的控制。仿真结果表明,相对于传统的线性自抗扰控制(linear active disturbance rejection control,LADRC)和滑模控制,基于Q学习的LADRC省去了人工调试参数的繁琐过程,且仍具有良好的跟踪效果。蒙特卡罗仿真测试结果验证了基于Q学习的LADRC的鲁棒性。

基于多元空洞特征金字塔的电气设备图像实例分割方法

电气设备图像自动分割识别是电力设备无人巡检系统的核心技术.根据变电站电气设备3996幅人工巡检图像库,建立并标记了含1730幅图像的巡检数据集.针对Mask R-CNN网络对图像边缘信息处理不佳、小目标识别率低等问题,提出多元特征金字塔结构,引入带空洞空间卷积的池化金字塔模块,提出多元空洞特征金字塔网络,有效克服尺度变化带来的漏检现象.在自建数据集上的识别与实例分割对比测试显示,文中网络能准确识别避雷器、电流互感器等6类典型的电气设备,识别精度和分割精度较经典网络分别提高4%和6%,能有效识别小尺度目标.