"互联网+"职业教育新生态下的智慧校园建设 ——以辽宁机电职业技术学院为例

智慧校园建设是教育现代化的重要组成部分,也是所有高等职业院校信息化建设的核心和最终目标.辽宁机电职业技术学院通过"一个数据中心、二个网络支撑平台、三大应用平台"的"123"型现代化智慧校园工程,突出学校特色、强调以人为本、重视协调发展,从建设内容、技术水平和服务质量3个层面持续推进智慧校园建设项目,不仅提升了本校智慧校园建设质量,也为其他高职院校的智慧校园建设提供了参考.     

M2M energy saving strategy in 5G millimeter wave system

Telecommunication Systems - Machine to Machine technology has a broad application prospect in the 5G network, but there is a bottleneck in the energy consumption of intelligent devices powered by...     

50型螺旋式钢板仓卷边设备理论分析与试验

结合已有卷边设备的生产工艺和特点,研发了国内首台50型螺旋式钢板仓卷边设备,并完成了4次样机调试试验.分析了新型卷边设备关键机构的工作原理,对下轧辊调节机构进行了力学计算分析,完成了卷边孔型设计.利用显示动力学软件数值模拟了5 mm钢板的冷弯成形(卷边)过程,分析了成形过程中的等效应力和等效塑性应变.通过4次样机调试试验,将调试结果与模拟结果对比.结果 表明,折弯5 mm钢板比折弯3 mm的钢板力载荷大很多,有必要研发新型的卷边设备;卷边设备的后3个工位的应力峰值比前3个工位大,其中工位6应力峰值最大;文中的卷边孔型设计合理;卷边过程的模拟结果与试验结果一致.     

某工业园区污水处理厂升级改造工程案例分析

以河北某园区污水处理厂提标改造工程为研究对象,通过对污水厂来水组成调研、取样、化验分析、试验,确定水解酸化+MBR+臭氧催化氧化组合工艺为主要设计方案.根据调试及运行结果,MBR组合工艺系统运行稳定,出水达到《地表水环境质量标准》(GB 3838—2002)地表水Ⅳ类标准(除TN外),根据长期实际运行效果,出水CODCr≤30 mg/L、氨氮≤1 mg/L、TN≤10 mg/L、TP≤10 mg/L,SS≤0.7 mg/L,出水回用于当地景观水体.本项目的设计与实施为类似工业园区污水处理厂尤其是存在较高难降解有机物、TN去除率要求高的污水厂提标改造提供了参考经验.     

一种飞行计划航段自动激活方法

飞机从一个航段飞向下一个航段时,需要对下个航段是否激活进行判断.提出了一种新的飞行计划航段自动激活方法,通过获取飞机当前位置及其磁差,并结合临近的3个航路点对应位置的磁差经纬度,分别计算3个航路点与飞机位置对应的磁航向角,通过磁航向角之间做差进行比较,进而判断是否被激活.算法推导完成后,通过基于模型的系统工程工具SCADE SUITE进行了建模,并结合杰普逊航图进行了实际数据采样与仿真.仿真结果表明:该航段自动激活方法能够有效稳定地激活下一航段,比传统方法计算简便,方法实用有效.已在实际飞行中成功应用,达到了预期效果.     

变压器内部故障分析及预防措施研究

变压器是供电系统的关键组成部分,由于变压器的运行方式是不间断运行,因此如何维持变压器的安全运行,杜绝事故的发生,是关系到供电安全的重要任务.本文分析了变压器内部系统的常见故障及其产生的原因,并提出了相应的预防措施.     

防气窜固井技术研究

从气窜机理、气窜预测方法、提高水泥浆防气窜性能、防气窜固井工艺技术四个方面进行研究,为固井防气窜提供理论依据,进而提升防气窜固井技术。     

Improving accuracy of automatic optical inspection with machine learning

Electronic devices require the printed circuit board(PCB)to support the whole structure,but the assembly of PCBs suffers from welding problem of the electronic components such as surface mounted devices(SMDs)resistors.The automated optical inspection(AOI)machine,widely used in industrial production,can take the image of PCBs and examine the welding issue.However,the AOI machine could commit false negative errors and dedicated technicians have to be employed to pick out those misjudged PCBs.This paper proposes a machine learning based method to improve the accuracy of AOI.In particular,we propose an adjacent pixel RGB value based method to pre-process the image from the AOI machine and build a customized deep learning model to classify the image.We present a practical scheme including two machine learning procedures to mitigate AOI errors.We conduct experiments with the real dataset from a production line for three months,the experimental results show that our method can reduce the rate of misjudgment from 0.3%–0.5%to 0.02%–0.03%,which is meaningful for thousands of PCBs each containing thousands of electronic components in practice.