一种伺服电机测控仪的结构与外观设计

随着现代制造技术的发展进步和用户审美艺术的不断提升,在产品设计时仅关注软件和硬件而忽略结构和外观造型的创新设计已经不能满足当下用户的使用和审美需求。因此文中提出了一种便携式伺服电机测控仪设计方案,重点从测控仪的结构、外观造型、色彩等方面进行了详细的设计说明,既满足了测控仪的基本功能又增加了其美感,极大地提高了测控仪的市场竞争力。     

一体化组合围堰技术在水利工程中的应用

基坑防渗支护体系设计与施工是工程建设关键环节,为解决安徽省六安市临淮岗复线船闸工程在汛期面临高洪水位作用影响导致基坑涌水的问题,在下游纵向围堰工程采用了一种以双排钻孔灌注桩、高压旋喷桩、混凝土防渗墙与箱涵相结合的围堰结构。双排桩与混凝土防渗墙形成围堰结构基础与上部填土箱涵结构连接承担交通荷载,并阻挡临航道洪水;混凝土防渗墙布置于双排桩中间,以确保钻孔灌注桩与高压旋喷桩连接部位在交通荷载作用下产生裂缝时不发生基坑渗漏。应用结果表明该技术有效解决了施工场地狭窄时防渗支护体系布置困难以及富水条件下挡水围堰结构不稳定和基坑渗漏等难题,具有经济、社会、环境等效益显著以及安全可靠的优点,可为类似工程设计和施工提供思路与参考。     

面向FT-M7002的高斯滤波算法优化实现

国产自主研发的飞腾系列高性能DSP处理器在图像处理领域的应用,对面向该平台的高性能图像处理算法提出了强烈需求.高斯滤波作为图像处理的基础算法,能有效滤除图像中的高斯噪声,在图像处理领域具有广泛应用.针对飞腾高性能DSP的体系结构特点与高斯滤波算法特性,实现了面向飞腾高性能DSP的高斯滤波算法优化.通过手工向量化、控制流消除和循环展开等优化手段充分利用数据级与指令级并行性,从而减少数据访存次数,提高指令执行效率.针对FT-M T2内核中的DM A硬件及向量存储器结构特点,进行了"乒-乓"缓存、DM A数组转置等优化,以减少数据传输时间,提高数据局部性.多种滤波核大小及图像矩阵规模下的测试结果表明,相对于高斯滤波算法的串行实现,该并行优化实现获得了1.3～1.41倍的加速比.在开启Cache的情况下,相较于dsplib库中高斯滤波算法在T M S320C6678平台上的运行性能,获得了1.15～1.71倍的加速效果.     

基于情境学习的射孔仿真培训系统应用研究

由于传统的仿真培训中只能通过鼠标的点击与键盘进行交互,存在着现场感缺乏以及用户体验不足等缺点,针对油田射孔岗位仿真培训中的交互问题,提出了应用情境学习理论结合体感交互技术的仿真培训系统。通过将Unity与体感交互技术结合,学习者可以运用手势与姿势来实现与仿真培训系统的交互操作。结合应用这一技术可以使得学习者能够在更逼真的虚拟学习环境中尽情的体会和学习,满足学习者的体验和参与需求,可以有效促进学习者从具体的感知经验上升到抽象的知识概念,为教学培训的顺利开展创设有利的条件。     

新工科背景下应用型本科专业建设的研究与实践

文章针对新工科背景下应用型本科高校学生培养方面的缺失,采用产教城深度融合的形式,从专业人才培养目标、专业课程体系和课程教学设计三个方面开展了相应研究与实践,提出了以学生的实践能力为目标的人才培养方案、以学生的学习成果为中心的课程体系以及以激发学生的学习内驱力为方式的课程教学方式,从而达到培养具有扎实专业知识和交叉学科知识、自主学习能力和团队协作能力的复合型创新型工程技术人才.     

基于多特征和尺度估计的KCF_MTSA算法

多模板尺度自适应核相关滤波器（KCF_MTSA）跟踪算法在目标移动模糊、旋转和尺度变化时跟踪距离精度与成功率较低。针对该问题,提出一种结合多特征和尺度估计的改进KCF_MTSA目标跟踪算法。采用方向梯度直方图和颜色名两种特征对目标进行表征,在训练阶段分别使用多模板核相关滤波器对上述特征进行训练,同时在检测阶段将两个滤波器的响应以权重形式进行自适应融合获取响应图实现目标定位,并使用一维相关滤波器进行目标尺度估计。实验结果表明,该算法的跟踪距离精度和准确率较改进前KCF_MTSA算法有明显提升,其距离精度和准确率分别提高15.8%和28.5%。     

双天线测向信息辅助捷联惯导快速对准算法

为解决捷联惯导的快速高精度对准问题,给出了一种双天线测向信息辅助的惯导快速对准算法.介绍了双天线测向的基本原理,在此基础上给出了双天线基线安装误差的补偿方法.基于速度、位置、航向观测量,设计了快速对准卡尔曼滤波器,给出了具体航向量测方程.根据实测双天线测向误差特性进行了仿真分析.仿真结果验证了方法的有效性,4 min航向精度优于0.05°,可满足通常0.8 nm/h机载捷联惯导的对准精度要求.双天线测向信息辅助快速对准算法相对传统基于罗经效应的速度、位置量测对准方式,对准时间可极大地缩短,但具体对准航向精度受双天线测向误差影响大.     

基于Octave卷积的混合精度神经网络量化方法

浮点数位宽的深度神经网络需要大量的运算资源,这导致大型深度神经网络难以在低算力场景（如边缘计算）上部署。为解决这一问题,提出一种即插即用的神经网络量化方法,以压缩大型神经网络的运算成本,并保持模型性能指标不显著下降。首先,基于Octave卷积将输入特征图的高频和低频成分进行分离;其次,分别对高低频分量应用不同位宽的卷积核进行卷积运算;第三,使用不同位宽的激活函数将高低频卷积结果量化至相应位宽;最后,混合不同精度的特征图来获得该层卷积结果。实验结果证实了所提方法压缩模型的有效性,在CIFAR-10/100数据集上,将模型压缩至1+8位宽时,该方法可保持准确率指标的下降小于3个百分点;在ImageNet数据集上,使用该方法将ResNet50模型压缩至1+4位宽时,其正确率指标仍高于70%。     

指针生成网络和覆盖损失优化的Transformer在生成式文本摘要领域的应用

针对生成式文本摘要应用场景,提出了以Transformer为基础的摘要模型,并在Transformer模型中加入了指针生成（Pointer Generator）网络和覆盖损失（Coverage Loss）进行优化。首先,提出了基于Transformer模型作为基础结构的方法,利用其注意力机制更好地捕捉上下文的语意信息。然后,在模型的损失函数中引入Coverage Loss来惩罚不断出现的重复的词的分布和覆盖范围,从而解决Transformer模型中的注意力机制在生成式任务中出现不断生成同一个词的问题。最后,在模型中加入了Pointer Generator网络,从而允许模型从源文本中复制词用作生成词来解决词表无法覆盖（OOV）的问题。探索了改进后的模型是否减少了不准确的表达以及重复出现相同词的现象是否得以解决。该模型相较于原始的Transformer模型在ROUGE-1评测函数上得分提升了1.98个百分点、ROUGE-2评测函数上得分提升0.95个百分点,在ROUGE-L评测函数上得分提升了2.27个百分点,并提升了摘要结果的可读性及准确性。实验结果表明,Transformer在加入Coverage Loss和Pointer Generator网络后可应用于生成式文本摘要领域。     

智能电网中两阶段网络切片资源分配技术

为满足网络切片在智能电网中的多样化需求,提出了一个在智能电网中基于云-边协同的切片资源分配模型。为优化网络切片分配,提出一种两阶段的切片分配模型：在第一阶段中,以用户体验最优为目标,建立了本地边缘网络的资源分配问题的优化模型,并采用拉格朗日乘子法对此最优问题进行了求解;在第二阶段中,首先将网络切片资源分配系统建模成Markov决策过程,然后提出使用深度增强学习方法对核心云的切片自适应地进行资源分配。实验结果表明所提的两阶段切片资源优化分配模型可有效减少网络延迟,提高用户满意度。