联合中间层的深度卷积神经网络模型

针对当前卷积神经网络（Convolutional Neural Networks,CNN）模型通常将网络最后一层的输出作为特征表示,未能充分利用网络中间层的不足,提出了一种联合中间层的CNN模型（Intermediate Layers Connected-CNN,ILC-CNN）。该模型以AlexNet为基础,首先联合前、中、末端卷积层,通过深度连接方式连接;接着通过池化层、全连接层等操作得到描述图像的特征向量;通过辅助分类器训练方式保证了中间层特征的有效性,使模型得以成功训练。测试结果表明,该模型在图像分类与识别任务中效果显著,其提取的特征更具辨识度,具有比其他模型更高的识别精度。     

基于精英集聚效应的实数编码小世界优化算法

为了提高小世界算法的高维模型优化性能和降低算法的编码复杂性，提出了一种基于精英集聚效应的自适应实数编码小世界优化算法。该算法借鉴小世界现象进行网络空间搜索，包括随机长连接和局部短连接。为了提高优化性能，首先基于精英集聚效应在长连接中加入分级个体吸引策略；然后根据节点优化优劣在短连接中进行搜索次数及邻域大小的自适应调整。为了降低编码复杂性采用了实数编码。最后通过Markov链理论证明了算法的收敛性。数值测试结果表明，与禁忌遗传算法、基本小世界算法以及禁忌小世界算法相比，该算法在相对误差方面平均降低了30.3%，在收敛速度和稳定性方面分别平均提高了18.2%和13.8%，从而验证了算法的有效性。     

机械手旋转移送机构的爆发式免疫优化

针对生产机械手旋转移送机构的优化设计问题,在免疫遗传算法(IGA)的基础上,先通过爆发式进化方式产生优势种群,然后与原种群进行杂交、基因比对等操作,从而提出了一种新型爆发式免疫进化算法(EIGA)。仿真实验结果表明,与遗传算法(GA)、IGA相比,EIGA具有收敛速度快、优化精度高和稳定性好的优点,能更好地实现机械手旋转移送机构的有效优化。     

“机器人学基础”课程案例式教学改革

随着工业自动化和智能化的发展,机器人的应用也逐渐广泛,而“机器人学基础”作为机器人设计与研究的前置课程,是一门以机械设计、计算机科学和工程学为基础的交叉性学科,在教学过程中存在重理论而轻实践、理论知识晦涩难懂、课堂与实际应用割裂严重等特点。针对存在的教学与学习难点,提出一种机器人学基础课程案例式教学改革方案。首先,以实际工程应用案例为教学框架,以任务书为驱动导向,针对各章节知识点进行案例式引导与梳理,为学生提供另一种学习动力的同时,增加学习兴趣。其次,采用“理论-仿真-实验”三位一体的案例式同步教学方式,针对不同知识点同时进行理论和实验的教学,并以仿真为桥梁,打通理论与实践之间的障碍,改善理论知识到实践平顺性的同时,增加学习的深度,做到理论联系实际。最后,采用“教-学-做-思”案例式全方位教学组织方法,以学生为主导,形成在思中学,在学中做,在做中思的闭环学习策略,提高学生学习的主动性,改善课堂氛围,提高学生发现问题、解决问题的能力。通过案例式教学改革方法,进一步为我国培养高素质的应用复合型人才。     

基于STM32的智能节能恒温控制装置

针对家用热水器热水管内储蓄的冷却水无法回收,需要手动反复调温的问题,设计了一款基于STM32单片机的智能节能恒温控制装置。该装置以STM32F103ZET6单片机为控制核心,DS18B20传感器进行多点测温。通过MOS管驱动模块控制电磁阀与直流泵在不同时刻的开闭,实现了热水管内储蓄冷却水的回收再利用。以恒温控制数学模型为基础,设计了可调节的新型比例阀,实现了智能恒温出水。实物化后的实验结果表明:智能节能恒温控制装置能够有效地节约水资源,并实现了智能恒温控制。