PLC在起停式飞剪电控系统中的应用

介绍起停式飞剪的PLC电控设计方案。该设备从投运至今，运行稳定。     

改进 YOLOv5 的 PDC 钻头复合片缺损识别

PDC 钻头复合片的缺损情况是影响钻进效率的重要因素,检测 PDC 钻头复合片是否缺损是修复 PDC 钻头的前提。 为 了减少对 PDC 钻头复合片的误检,提升检测准确率,提出了一种基于改进 YOLOv5 的目标检测算法。 该方法以 YOLOv5 网络为 基础,融合 RepVGG 重参数化模块增强网络的特征提取能力;在 C3 模块中引入坐标注意力机制,在通道注意力机制中嵌入位置 信息,提升对缺损复合片的目标检测能力;将边界框回归损失函数改进为 WIoU 损失函数,制定合适的梯度增益分配策略。 实 验结果表明,改进后的网络的精确率提升 2%,召回率提升 0. 9%,平均精度均值(mAP)提升了 1. 3%,达到了 98%,能够实现对 PDC 钻头复合片的缺损识别。     

业内快讯

钟神俱乐部成立；山灵推出两款新品——CD500机、A500合并式功放；Sonus Faber亮相京城；雅马哈公司推出新款接收机；星文群星技惊国际音博会；[编者按]     

结合智能汽车竞赛活动的自动化专业教学改革

为解决自动化专业课程中存在综合性和创新性实践教学环节相对薄弱的问题,提出以特色"科技拓展"活动(智能汽车竞赛活动)为载体,将"小综合训练"拓展为培养学生整体知识结构和实际运用能力的"大综合训练"。本文结合智能汽车竞赛,对自动化专业主干课程和教学模式进行了教学改革和探索,首先介绍了智能汽车竞赛及与自动化主干课程的联系,然后讲述了其实施形式,最后介绍了智能汽车竞赛成果及其影响。教学实践表明:该教学改革对促进自动化专业人才培养具有推广价值。     

一种结合匹配区选择和障碍物探测的水下路径规划方法

水下动态航路规划不仅需要考虑适配区的选择,还需要进行实时目标探测和有效避障,这样才能保证潜器的导航安全。文中提出一种同时考虑适配区选择和目标探测的水下航路规划方法,在重力梯度特征空间中基于支持向量机进行适配区的选择,利用重力梯度反演进行目标探测。该方法使潜器既能在适配区航行时进行有效定位,又能避免触碰暗礁和运动潜器等障碍物。仿真分析证明此方法有效。     

基于改进YOLOv7的PDC钻头复合片检测

复合片是PDC钻头的核心切削单元, 复合片自动检测技术是复合片自动修复技术的基础. 本文提出了一种基于改进YOLOv7的PDC钻头复合片检测方法, 在YOLOv7的基础上, 用深度可分离卷积替换了常规卷积, 减少了参数量和运算成本; 引入了SimAM注意力机制, 不需要额外的参数便可以从神经元中推导出3D注意力权重, 而且还能提高卷积神经网络的表达能力; 用SPPFCSPC替换了SPPCSPC, 在保证感受野不变的同时获得了速度的提升; 采用K-means++算法聚类先验框, 使用启发式算法定位出缺损的复合片. 实验结果表明, 本文算法较原YOLOv7模型mAP提高了2.75%, 参数量减少了约80%, 推理速度提高了9.12 f/s, 且较其他算法也有较大优势, 可实现复合片检测的工业应用.     

电气控制类专业主干课程教学研究与实践

本文针对电气控制类专业主干课程存在课程结构的横向协同性与纵向衔接性结合不紧密的问题,提出了"学生为本、崇实求新、激发兴趣、全面发展"的教改理念和"整合优质资源、突出主干课程、强化实验教学、注重实践运用"的教改指导思想;研究了电气控制类专业主干课程间的横向协同性与纵向衔接性,构建了"理论课、实验课、课程设计、科技拓展"的"四位一体"课程体系,建立并完善了"四结合"教学模式。教学实践表明:该课程体系和教学模式对促进电气控制类专业人才培养和课程体系建设具有指导意义和推广价值。     

基于傅里叶描述子在车牌识别中的应用

为降低车牌图像识别的复杂度,提高识别速度,在图像识别前调整车牌图像的灰度化。针对二值化后的车牌图像进行特征分析,对比旋转的二值化图像的种种不确定性,提出借助傅里叶算法,利用傅里叶描述子,提取标准车牌字符特征的傅里叶描述子,通过对车牌字符的特征提取与匹配,实现字符的识别与定位。     

基于改进DSST的行人遮挡跟踪算法

为解决判别尺度空间跟踪(DSST)算法在行人处于长期完全遮挡后又重新出现的情况下无法跟踪的问题,提出了一种改进的跟踪算法(DDSST).在DSST框架下,首先对行人目标跟踪,然后,引入高置信度指标计算策略作为跟踪准确可信度反馈机制,在跟踪丢失时利用可变部件模型(DPM)对跟踪目标重新定位.最后,通过评估在线目标跟踪基准(OTB)数据集和实际环境拍摄的视频序列对DDSST算法准确性进行验证,并与其他跟踪算法进行比较.实验分析表明,改进算法相较DSST的距离精度与成功率提高了4.1%和6%,相比其他算法性能更优,且在形变、遮挡、平面外旋转、运动模糊和尺度变换等条件下跟踪更稳定.