18Cr_2Ni_4WA钢制长型针阀体“内固外气”复合C—N共渗空冷淬火工艺探讨

为提高长型针阀体座面处的渗层深度和硬度,本文进行了针阀体中孔插碳棒与未插碳棒C—N共渗对比试验。实践证明,插碳棒后座面处的渗层深度、硬度及碳化物级别均得到显著提高。共渗后采用空冷淬火,冰冷处理,不仅表面硬度高,而且变形量很小。     

18Cr2Ni4WA钢制长型针阀体“内固外气”复合C—N共渗空冷淬火…

为提高长型针阀体座面处的渗层深度和硬度，本文进行了针阀中孔插碳棒与未插碳棒Ｃ－Ｎ共渗时对比试验，实践证明，插碳棒后座面处的渗层深度，硬度及碳化物级均得到显著提高，共渗后采用空冷淬火，冰冷处理，不仅表面硬度高，而且变形量很小。     

面向MOOC的Java课程教学改革探索

MOOC引领了一场教育教学革命,它作为一种新型在线教学模式正在被越来越多的人所接受。该文首先分析了传统教学方法在Java课程教学中存在的问题以及MOOC教学模式的优势与挑战,并探讨了MOOC如何与正规课堂教学有效结合;然后讨论了MOOC如何与已有的在线学习平台(大学城空间)相互融合;最后探索了MOOC在Java课程教学中的具体应用。     

多点融合的计算机专业跨界人才培养模式

随着全球新一轮科技革命和产业变革的加速,新产业和新技术提供了新的经济发展模式。这种模式需要的是高素质复合型的跨界人才。本文提出了一种基于一个中心、两个结合、多点融合的创新型计算机专业跨界人才培养模式的构建。该模式基于OBE理念,通过分层次和多类别的课程体系重构,建立了跨界人才培养质量保障机制和考评评价机制来构建跨界人才培养模式。该模式的建立,对于培养新工科背景下的计算机专业人才具有重要意义,可供国内地方高校计算机专业人才培养参考。     

工程教育下计算机类课程的实践教学模式

根据工程教育专业认证"以学生为中心"的基本理念以及对学生解决复杂工程问题能力培养的核心要求,本文首先对地方高校计算机类课程实践教学存在的问题进行了分析,然后讨论了如何构造解决计算机领域复杂工程问题的工程化实验实训项目,最后着重探索了"SPOC(Small Private Online Course,小规模限制性在线课程)+项目驱动"的立体化实践教学模式,以期能提升学生解决计算机领域复杂工程问题的能力。     

无线传感器网络中目标跟踪的马尔可夫模型与预测方法

针对目标运动是一个包含许多不确定因素的非线性非高斯随机过程,提出基于马尔可夫随机场模型与粒子滤波的WSN分布式目标跟踪方法(MRF-PF)。把目标跟踪过程看作是一个马尔可夫过程,基于贝叶斯规则,建立目标状态分布函数,用粒子滤波估计目标状态,实现目标跟踪。实验结果:对于泊松白噪声,MRF-PF方法的跟踪均方根误差RMSE相比卡尔曼滤波(KF)和扩展卡尔曼滤波(EKF)方法分别降低52.6%、49.2%;对于方差σ2由0.3→3的高斯噪声,GM-PF方法的RMSE相比KF、EKF分别降低54.5%～77.2%和23.5%～54.2%。这表明MRF-PF方法在非线性非高斯噪声或高斯噪声变化较大时具有较好的抗噪能力及跟踪性能。     

基于MATLAB的神经模糊聚合釜控制

针对模糊控制表达能力强,但学习能力、适应性差的特点,提出在聚合釜温度控制过程中使用模糊控制与神经网络相结合的控制方案.给出了神经模糊网络结构和学习算法,仿真研究表明,神经模糊网络可以直接从经验中获取知识,自动建立模糊规则和隶属函数,无需查表,具有较强的适应和联想能力,比单纯的模糊控制具有更大的优势.     

基于NNPLS的丁苯橡胶门尼粘度预测

门尼粘度是合成橡胶生产的主要质量指标,如何在线监测门尼粘度,并实现质量的自动监控是橡胶生产工业亟待解决的问题.本文应用NNPLS方法建立生产过程门尼粘度预测模型.结合工艺机理分析,找出影响橡胶门尼粘度的主要参数,确定辅助变量,建立基于NNPLS的门尼粘度预测模型.仿真结果,门尼粘度预测值与实际值最大误差为3.6,预测模型精度高.泛化能力强,运行速度快,可以指导生产.     

基于改进YOLOX-s的安全帽检测

在施工现场中, 发生过许多高空坠落事故, 因此在施工现场佩戴安全帽是十分有必要的. 针对安全帽佩戴状况检测中遇到的小目标样本缺检、漏检的情况, 提出一种基于YOLOX-s的改进算法. 首先, 在Neck层引入主干特征提取网络中的160×160特征层进行特征融合, 并且增加了一个针对小目标的检测头; 其次, 采用SIoU损失函数计算损失值, 使得网络在训练过程中考虑的损失项更加全面; 并且采用varifocal loss函数来计算置信度损失值, 进一步改善训练过程中存在的正样本与困难样本不均衡的问题, 最后, 采用CA (coordinate attention)注意力机制来增强模型的特征表达能力. 实验结果表明, 通过对Neck层与检测层、损失函数的优化以及引入CA注意力机制, 使得网络在训练过程中收敛与回归性能更佳. 改进后的算法的mAP值为95.57%, 相较于YOLOv3及原YOLOX-s算法在mAP值上分别提高了17.11%、3.59%. 改进后的算法检测速度为54.73帧/s, 符合实时检测速度要求.     

秃鹰搜索算法的优化及图像分类应用

针对秃鹰搜索算法(BES)存在求解的稳定性差且准确性低, 鲁棒性差等缺点, 提出了一种基于秃鹰搜索算法的新型算法(NBES). 首先, 在BES算法的选择搜索空间阶段融合正余弦优化机制算法, 构建融合后的位置更新公式. 其次, 在BES算法的搜索空间猎物阶段加入惯性权重自适应位置更新策略. 最后, 在BES算法俯冲阶段融合萤火虫优化机制算法, 重新定义位置更新公式. 通过11个标准测试函数验证NBES算法性能, 实验表明, NBES算法寻优准确性、收敛速度、鲁棒性都优于BES算法. 为了验证新算法的实际应用价值, 利用NBES算法优化卷积神经网络(CNN)中的超参数学习率, 并将优化后的图像分类模型用于医学影像病理性分类预测, 实验表明, 经过优化的CNN模型分类精度提高9%.