数字化学习与创新视域下小学图形化编程教学优化策略

落实新课标,教师应选取精当的教学资源,创设新颖的教学场域,指导学生开展探究活动,培育学生数字素养和创新创造活力。作者以小学图形化编程教学为例,提出了新课程理念下的教学思路,并介绍了推进教学创新的几点做法。     

基于AutoCAD平台的数控旋压机床的自动编程与仿真

根据数控旋压加工的特点,以AutoCAD2000为开发平台,利用VisualC^＋＋、ObjectARX为开发工具,编写了图形自动生成NC的代码系统,从而提高了编程效率。     

基于ActiveX的VC＋＋和Matlab混合编程技术

利用Matlab提供的ActiveX技术,提出了一种在Visual C＋＋开发的应用程序中完全控制Matlab的方案。该方案利用一个类对ActiveX的接口代码进行封装,使用户可以专注于Matlab的功能应用。类的主要函数在文中已做了详细介绍。Visual C＋＋技术与Matlab的无缝集成,使用户可以轻松地开发出可靠高效、功能强大的应用程序。     

SMT送料器辅助维修校准仪的设计与实现

详细介绍了一种SMT送料器的辅助维修校准仪的开发和研制;该系统在硬件上采用工业控制汁算机,通讯协议采用了CAN总线,软件上采用了Visual Basic为编程平台,采用了模块化结构化设计,运用视频图像识别技术,自动测量送料误差,并将修正值写回送料器;实际应用表明,该系统可靠、稳定、校准精度较高,且造价低廉。     

PLC编程口与上位机之间通讯格式的获取方法

为了实现PLC通过其编程口与上位机进行数据传输,介绍了获得通过编程口对PLC进行读写控制的通讯格式的方法,建立了相应的通讯系统,给出了对PLC位元件和字元件进行读和写的四种类型指令通讯格式的实现步骤,用获得的操作指令和PLC的响应信息,就可以通过编程口对PLC的RAM区数据进行操作,为监控和管理PLC的运行提供了另外一种途径.     

.NET平台利用AspectSharp实现权限验证

通过对AOP和OOP的简单分析提出了AOP的发展前景;介绍DynamicProxy的基本原理和拦截机制以及.NET平台下AOP实现技术的研究;最后在此基础上提出利用AspectSharp实现权限验证的思路。     

基于MATLAB和Fortran混合编程的导弹双通道自适应控制系统设计与仿真

针对半主动寻的导弹滚转和偏航双通道具有时变、非线性、耦合的特点,以及控制系统性能的不同要求,采用两种自适应控制方案。滚转通道采用模型参考自适应控制,确保控制系统的稳定性和抗干扰能力。偏航通道采用改进的单神经元自适应PID控制,强调控制系统的快速性且超调小。控制系统的全弹道仿真采用MATLAB和Fortran混合编程技术,既利用了MATLAB的友好界面优点,又继承了Fortran的遗产代码资源。仿真结果表明:设计的滚转和偏航双通道控制系统在自适应和抗干扰能力方面优于原控制系统;MATLAB和Fortran混合编程的全弹道仿真结构清晰、计算效率高、查找故障方便。     

分布式GASOR系统设计中FORTRAN与C#混合语言编程研究

C#语言是一个先进的、安全的、面向对象的编程语言。以前的开发者为编写了许多已经历时间的考验。成熟、稳定的FORTRAN计算程序。FORTRAN语言本身并不适合用来开发窗口界面程序和互联网应用程序。因此为了提高程序的使用效率提高代码的重用率有必要对原FORTRAN程序进行改进使得原有性能优良的FORTRAN代码可以被在C#下调用,最大限度的发挥两种语言各自的优点。本文着重研究了这两种语言混合编程的方法,及其实现。     

绿篱机器人关键零件高效数控变量编程的实例研究

形状规则但余量较多的零件,利用手工编程加工时,往往面临反复修改程序、多次调用的局面,加工效率不高。以绿篱机器人关键零件为例,分析了此类零件手工编程难以发挥高效率的原因。通过探索验证,分别利用刀补号和G代码变量化,实现了规则凸台在加工时自动外扩去除余量、工进与快进的自动化判定。结果表明,程序简洁且一次调用无须干预,避免了大量加工用时浪费的局面,实现了绿篱修剪机器人关键零件高效数控变量编程,对该类产品的研发和上市起到更好的保障作用。     

基于Scratch作品相似度的检测研究

Scratch作为图形化编程中的热门课程吸引了广大中小学生,而对于学生所做的作品与标准作品之间差异性的评定通常是靠教师通过人工对比检查,对于教师不仅工作量大且耗费巨大精力,因此对于Scratch作品相似性的识别就可以辅助教师快速检测学生作品,从而提高教学效率。针对该问题,提出Siamese-BERT模型对两个Scratch作品之间的相似度进行检测。首先,对Scratch源文件进行解析提取原始积木块序列,根据积木块逻辑特征提出一种积木块重构算法,将原始积木块序列排序成Token序列,将Token序列作为CBOW(Continuous Bag of Words)模型的输入文本进行预训练,从而得到Scratch的词向量模型;再使用Siamese神经网络框架结合BERT(Bidirectional Encoder Representation from Transformers)模型组合训练,最终输入到余弦相似度函数进行相似度计算。数据集来自于长沙市Scratch培训机构的培训作品和学生的练习作品,在该数据集上,Siamese-BERT模型准确度能达到0.82,对比其它的文本相似度模型,Sia...