昆明理工大学机电工程学院简介

机电工程学院的前身是原冶金部、有色工业总公司下属的昆明工学院机械系,是昆明理工大学1954年建校时的3个系之一。学院坚持党的教育方针,坚持社会主义办学方向,坚持“教学立院、科研强院、人才兴院、制度治院”的办学宗旨,以“立德树人”为根本任务,立足云南、服务行业,以本科教育为主体,大力发展研究生教育,积极推进国际化合作办学,培养具有创新精神和实践能力的高级工程技术人才,坚持“四个面向”的科研导向,积极为地方经济建设、社会发展需要服务,并已形成了立足云南、面向西部、辐射全国的科研发展模式。

“年级主任+班主任+辅导员+本科导师”模式研究——机电工程学院学生工作体制改革创新的探索

高等教育刚刚步入大众化时期,探索学生管理新模式和新方法势在必行,我院提出学生工作阶段式管理模式,进行不同人员组合搭配,达到有效管理的目的,从而推进学生素质教育进程,提高我院人才培养质量。

小尺度空间居住区的景观设计——以昆明理工大学新迎校区住宅区为例

以昆明理工大学新迎校区教职工居住区景观设计为例,从景观设计原则、景观布局等方面对小尺度空间的景观设计进行了探讨.结果表明:小尺度空间居住区景观设计把人工与自然、功能与艺术、传统与现代有机地结合在一起,能合理、有效地利用有限空间,合理的布局,巧妙的构思,能使人们在小尺度空间内感受不同景观带来的视觉效果.

“一带一路”发展规划下云南省高校实验技术队伍建设——以昆明理工大学为例

国家"一带一路"发展规划,为云南等沿线省份的高等教育事业的发展带来了新的契机。高校和学科的建设及发展,离不开结构稳定合理、素质优良的实验技术队伍的支撑。本文以昆明理工大学为例,对云南省高校实验技术队伍的现状进行了分析,提出了一些针对性的建设意见和建议,为云南等省份高校实验技术队伍建设做出有益探索。

机械工程测试技术创新实验改革与探索

以工程应用为导向,立足理论基础知识,采用多元化教学模式,提出三内容三阶段的实验改革。实验课程三内容为:背景调研,实验项目实施、分析总结;而实验项目实施又分为基础实践、综合实践和创新实践3个阶段。学生通过背景调研,在实验项目实施的每个阶段进行自主探索、自主设计电路、自主编写测试程序、自主想象场景并完成系统设计。最后通过答辩、交流、讨论对整个实验项目进行分析总结并完成实验报告。

思政引领下机电控制类课程建设探索与实践

立德树人作为高校育人的主要目标,是课程思政的根本任务,机电控制类系列课程将提升学生利用所学知识解决实际机电控制领域的工程问题作为主要探索目标,系统介绍机电控制的科学性、实用性和重要性.重构课程知识体系,课程的教学目标除知识、能力、素质目标外,把思政目标作为课程的共同教学目标,明确了课程思政的教学任务,规范了课程思政的教学内容.并做出课前、课中、课后三结合的教学设计.将课程思政内容与专业知识有机结合,在传授专业知识的同时,树立社会主义核心价值观、坚定理想信念、增强家国情怀、尊崇法律法规,认同文化传承.培养具有科学思维、坚守工程伦理、能解决复杂工程问题的高级机电专业人才,德智体美劳全面发展的社会主义建设者和接班人.

化学工程专业课与“双碳”背景下课程思政协同育人的实践路径

“双碳”目标是指我国力争2030年前实现二氧化碳排放达峰,2060年前实现碳中和。“双碳”政策集中体现我国努力推动“全球命运共同体”及“一带一路”重大举措、践行大国担当的勇气与决心,尤其需要化工行业从业者从思想上、行动上积极响应。当前,在化学工程专业核心课程中存在课程内容多但融入核心育人价值观不突出、教师对“双碳”目标的认识有待提高、基于“双碳”目标的课程思政教学方法和手段不够丰富,以及课程思政系统性建设理念不足等问题。建议以新工科建设为手段,以社会主义核心价值观和科学发展观作为引领,强化顶层设计,推进“双碳”目标进课堂的思政体制建设,对课程思政融入化学工程与工艺专业教学进行系统探讨,以期通过加强专业的课程思政建设提高育人水平,并实现以“双碳”为背景的协同育人目标:一是课程建设的专业知识体系围绕并响应国家“双碳”政策;二是以“智能制造2025”为推手进行新工科建设,为实现“双碳”目标献计献策。

新工科背景下的《工程流体力学》课程思政教学探索

经济转型升级带来的新型工科人才需求,要求高校对新工科建设做出有效的应对。新工科建设的核心思想是立德树人,这与思政教育的目标不谋而合。工程流体力学作为高校工科类专业——过程装备与控制工程专业核心课的前置基础课程,对学生专业课的学习具有深远的影响,通过课程思政融入专业课教学,开展了在新工科背景下课程思政与工程流体力学如何有效结合产生最大化教学效果的探索。

浅谈四川机电职业技术学院设备点检管理

设备是企业生产的重要物质基础和基本手段,设备状态管理就是通过采用监测及故障诊断技术,对设备状态进行全面和规范的技术监控与管理,是主动式的设备维护管理模式。设备点检管理是设备发生故障之前,就有计划的对设备进行主动和适当的维护和修理。本文以四川机电职业技术学院以实施设备点检管理为实例,详细分析了实施前的设备现状和设备管理的模式,指出我院设备管理中存在的一些问题。通过理论结合实际对四川机电职业技术学院实施点检定修制进行了方案设计,对实施中存在的问题进行了探讨,并对实现的效果进行了评价。

昆明理工大学机械工程学科简介

昆明理工大学机械工程学科传承机械振动奠基人屈维德先生等学者创立的学科优势,拥有云南省唯一机械工程博士点。机械工程学科自1965年开始招收硕士研究生,2005和2011年分别获一级学科硕士学位、博士学位授权,2009年获博士后流动站。2016年第四轮学科评估B-,2021上海软科中国最好机械工程学科排名前20%,2022年获云南省一流学科“特色学科建设计划”建设支持。

移动机器人视觉里程计技术研究综述

随着移动机器人技术不断发展,里程计技术已经成为移动机器人实现环境感知的关键技术,其发展水平对提高机器人的自主化和智能化具有重要意义。首先,系统阐述了同步定位与地图构建(Simultaneous localization and mapping,SLAM)中激光SLAM和视觉SLAM的发展近况,阐述了经典SLAM框架及其数学描述,简要介绍了3类常见相机的相机模型及其视觉里程计的数学描述。其次,分别对传统视觉里程计和深度学习里程计的研究进展进行系统阐述。对比分析了近10年来各类里程计算法的优势与不足。另外,对比分析了7种常用数据集的性能。最后,从精度、鲁棒性、数据集、多模态等方面总结了里程计技术面临的问题,从提高算法实时性、鲁棒性等方面展望了视觉里程计的发展趋势为:更加智能化、小型化新型传感器的发展;与无监督学习融合;语义表达技术的提高;集群机器人协同技术的发展。

注意力引导的多尺度红外行人车辆实时检测

红外成像技术通过捕捉目标热辐射特征进行成像,能实现复杂道路场景下的目标监测和道路冗杂信息滤除。针对红外行人和车辆目标检测模型参数量大、依赖高性能GPU资源和检测速度慢等问题,提出了一种注意力引导的多尺度红外行人车辆实时检测模型。首先,为精确匹配校准红外行人和车辆目标尺度与锚框尺寸,利用K-Means++算法对红外行人和车辆目标尺度进行先验框预置参数重聚类生成,并设计128×128精细尺度检测层;其次,设计注意力引导广域特征提取模块增强模型特征提取能力和空间及通道信息聚焦能力;随后,构建跨空间感知模块引入空间信息感知,强化不同尺度空间下的目标的特征表达能力;最后,针对资源受限设备,通过4倍通道剪枝方法降低模型参数量,增强移动端算法部署适应性。实验结果表明:所提IRDet算法与基准方法相比,模型平均检测精度提升4.3%,达到87.4%,模型权重值压缩60.4%,降至5.7 MB。

膝关节骨性关节炎轻症患者膝关节三维有限元建模及力学分析

目的:在缺少层厚较薄的CT和MRI数据的情况下建立膝关节骨性关节炎(KOA)轻症患者膝关节三维有限元模型,并研究胫骨平台内外侧的应力分布。方法:以一名患有轻度KOA的女性患者为研究对象,自盆骨至腓骨胫骨远端进行连续断层扫描。将得到的DICOM格式文件导入至Mimics软件中并通过阈值分割提取膝关节中的骨性结构,将提取出的骨骼进行蒙版编辑、空腔填充、区域增长等操作后导入3-matic中做光顺、包覆处理。在Geomagic Wrap将处理后的骨性结构使用网格医生检查,修复表面缺陷并拟合曲面。以轮廓延展的思路建立相关的软骨、半月板和韧带,并在SolidWorks中以原点重合的方式与骨性结构进行装配。接下来在ANSYS软件中定义材料、设置接触、划分网格、设置约束和载荷,分析在双腿站立下胫骨平台上的应力分布情况。结果:成功建立了包括骨性结构、软骨、韧带的完整膝关节模型。在双腿站立状态下,接触应力峰值约为1.21 MPa,位于胫骨平台内侧中部,胫骨平台外侧的最大应力为0.72 MPa,内外侧间室分别承担总载荷的62.7%和37.3%。结论:通过CT提取加软件绘制的方式建立了全膝关节模型,有限元分析结果符合临床预期,通过此方法建立的模型可靠,能进行后续的研究。

数控技术课程思政元素挖掘与融入的实践探索

立德树人是高校教育的根本任务,在知识传授的同时开展思想政治教育是新形势下教育工作者需要认真思考的问题。数控技术是机械类本科生的专业课程之一,是一门兼具理论性和实践性的课程,包含广泛的课程思政元素,充分发掘和合理利用这些元素是开展数控技术课程思政的核心要素。该文对数控技术课程的特点进行分析,基于教育部印发的《高等学校课程思政建设指导纲要》,从哲学元素、家国情怀元素、工匠精神元素和工程伦理教育入手,对如何在数控技术授课过程中融入课程思政进行探讨,为传统理工科课程思政的教学提供新的思路。

融合Mar-GLSTM的流程生产工艺质量预测算法

针对流程生产连续性强、时序耦合复杂等特点,传统神经网络不具备长期记忆能力,且在深层次网络训练时易出现训练参数灾难、梯度爆炸等问题,提出基于马尔可夫优化的融合门控循环单元(GRU)与长短期记忆网络(LSTM)的组合预测模型(Mar-G LSTM)。首先在循环神经网络结构中融入门控机制构建深度LSTM神经网络模型,对流程生产时序数据信息进行选择性记忆,学习时序数据序列的信息依赖,进而解决训练过程中的梯度爆炸问题;同时结合马尔可夫链对GRU-LSTM模型的预测结果进行修正优化,在降低模型的复杂度的情况下进一步提高了模型的预测精度。最后,结合某流程生产线的工艺数据进行分析验证,结果表明,Mar-G LSTM算法在预测精度上较随机森林模型、门控循环单元神经网络模型(GRU)、长短期记忆神经网络模型(LSTM)和卷积神经网络与门控循环单元网络组合模型(CNN-GRU)分别提高了37.42%、21.32%、17.91%和12.56%,所提Mar-G LSTM算法可实现流程生产质量的准确预测,为降低工艺参数调控任务的完成时间提供了思路和实现途径。

面向流程制造的数字孪生车间可视化监控系统研究

为了解决流程制造过程监控实时性差、准确性不足的问题,在数字孪生技术迅速发展且与制造业结合愈发紧密的背景下,提出基于生产要素数据、生产工艺流程与多工序设备实体对象的数字孪生车间可视化监控系统架构。从要素、状态、运行逻辑等多个维度对多工序耦合生产线实体对象进行孪生建模,基于OPC UA统一架构的数据采集传输,虚拟车间的实时驱动等关键技术,实现了流程制造设备状态、生产要素工艺全流程三维可视化监控。基于某流程制造企业制丝生产试验线开展了应用验证,为提升流程制造过程中全生产要素的预见性、联动性、自治性提供了方法和实现途径。

永磁同步电机机壳串并联混合流道液冷分析

针对机壳串联流道水冷永磁同步电机散热冷却水压力损失过大的问题,提出一款新型机壳串并联混合流道,对某型号42 kW车用永磁同步电机冷却散热进行了计算,比较了机壳串并联混合流道与串联流道冷却电机最高温度与冷却水压力损失,分析了机壳串并联混合流道环形流道数量、槽深及冷却水流量对电机冷却散热影响。结果表明:电机以额定工况运行时,在相同对流换热面积及冷却液流量条件下,机壳串并联混合流道冷却水进出口压降比串联流道减小26 693 Pa,降低67%,而机壳串并联混合流道比串联流道冷却电机最高温度升高0.6℃,增大0.68%;机壳串并联混合流道环形流道数量增多或冷却水流量增大均能加快机壳串并联混合流道冷却永磁同步电机散热,但冷却水压力损失会有所增大;流道槽深增加可显著降低冷却水压力损失,但对电机最高温度变化影响较小。

基于多目标狼群算法的机场行李导入系统仿真优化研究

针对民航机场行李导入系统运行过程中旅客行李注入等待时间长、系统能耗高等问题,综合考虑虚拟视窗控制方式、收集带式输送机运行速度、虚拟视窗长度及同时开放值机柜台数量等关键控制参数对机场行李导入系统运行效率的影响,提出一种求解该问题的仿真优化框架。通过分析机场行李导入系统实际运行工况,建立参数化仿真优化模型。以最小化旅客行李注入平均等待时间和系统能耗为优化目标,结合系统设计和运行过程中的实际约束条件,建立该问题的数学模型,并设计了一种多目标自适应并行狼群算法进行求解。该算法针对所提问题特性及经典狼群算法易陷入局部最优和收敛速度慢等不足,提出一种混合整实数单链编码方式,融合反向学习策略生成初始种群,引入自适应游走概率机制和智能行为并行机制,采用局部和全局自适应邻域搜索及启发式保优策略实现狼群算法智能行为搜索,使用Pareto非支配排序进行寻优迭代并获得最优解集。以国内某大型国际航空枢纽机场行李导入系统为例设计不同规模多种算法对比实验,验证了所提方法的有效性和优越性。

双重信息引导的蚁群算法求解绿色多舱车辆路径问题

针对当前实际运输中广泛存在的绿色多舱车辆路径问题(GMCVRP),文章提出一种双重信息引导的蚁群优化算法(DIACO)进行求解.首先,在DIACO的全局搜索阶段,重新构建传统蚁群优化算法(TACO)中的信息素浓度矩阵(PCM),使其同时包含客户块信息和客户序列信息,即建立具有双重信息的PCM(DIPCM),从而更全面学习和累积优质解的信息;采用3种启发式方法生成较高质量个体,用于初始化DIPCM,可快速引导算法朝向解空间中优质区域进行搜索.其次,在DIACO的局部搜索阶段,设计结合自适应策略的多种变邻域操作,用于对解空间的优质区域执行深入搜索.再次,提出信息素浓度平衡机制,以防止搜索陷入停滞.最后,使用不同规模的算例进行仿真测试和算法对比,结果验证了DIACO是求解GMCVRP的有效算法.

融入概率学习的混合差分进化算法求解绿色分布式可重入作业车间调度

本文针对绿色分布式可重入作业车间调度问题(GDRJSSP),提出一种融入概率学习的混合差分进化算法(HDE PL),以实现最大完工时间和总能耗最小.根据GDRJSSP的问题特点,设计编码和解码规则,并采用差分进化算法执行全局搜索来发现优质解区域.为能更明确地引导全局搜索方向,设计基于贝叶斯网络结构的多维概率模型合理学习和积累优质解(即当前种群中的较优解)的模式信息.结合问题解的结构特征,提出基于关键路径的4种邻域结构来构造局部搜索,并设计基于非关键路径的节能策略来提升算法获取低能耗非劣解的能力.仿真实验和算法对比验证了HDE PL可有效求解GDRJSSP.