三维一体航标监测系统的研究与实现

研究了一种三维一体航标监测系统,对航标灯进行实时监控,保证内河航道的安全畅行.通过航标现场单元将监测到的信号与遥控指挥中心通过3G无线通讯网络联系起来,结合计算机软件服务平台构成一个有机整体,在遥控中心的监控平台上能对航标灯实时监测,保证航标的正常工作状态、航道的畅通.该系统将航标现场单元重要参数实时传输至监控中心,清晰地显示出航标工作现场情况,为内河航道的交通安全提供了有力的保障,节约了航道维护成本.     

基于改进小波包结合CS-BP的地面驱动螺杆泵故障诊断

针对目前地面驱动螺杆泵故障诊断存在效率不高、精度不足、损耗资源的问题,提出通过引入功率谱细化的思想改进小波包变换,再结合布谷鸟搜索(cuckoo search, CS)优化反向传播(back propagation, BP)神经网络的诊断方法。首先,通过改进的小波变换对螺杆泵有功功率分解重构得到特征向量;其次,与瞬时流量、进口回压等参数进行归一化处理,作为BP神经网络的输出层信息;再次,使用布谷鸟搜索寻优得到BP神经网络的权值和阈值,建立CS-BP故障诊断模型;最后,应用于螺杆泵不同故障类型的诊断,并通过与目前的主流诊断方法进行诊断效果的分析比较。结果表明,对于螺杆泵不同类型故障诊断的平均精度达到95.6%,对比分析证明了所提方法的可行性与优越性。     

关于虚拟实验及其教学应用的几点思考

随着实验教学改革的稳步推进,虚拟实验技术得到长足发展,使得虚拟实验从理论研究走向了实际应用。虚拟实验教学可以弥补传统实验教学的许多不足,可以进一步让学生利用虚拟实验开展课外的科学研究,因而逐步成为加强实践教学的重要手段和提高实验教学质量的有效途径。本文从虚拟实验自身特点出发,详细分析了虚拟实验的优势,并就虚拟实验的应用效果以及存在的不足,进行了一些思考和探索。     

基于轻量化深度学习模型的安全帽检测方法

基于对施工现场管理中安全帽检测重要性的认识,同时考虑工程项目中硬件设施的成本控制等现实问题,本文提出了一种基于深度学习网络Tiny-YOLO v3的轻量化改进版本LT-YOLO (Lighter and Tiny - YOLO)的安全帽检测技术方法。LT-YOLO增加了网络的输出层,并包含一种创新的R-DSC特征提取模块,该模块能够在不改变网络输入与输出大小的前提下,极大地降低模型的复杂度。实验结果表明,LT-YOLO在轻量化效果与检测性能之间取得了优良的平衡,在3.5 M参数量的基础上达到了59.3 mAP(mean average precision)和59.4% Recall。因此LT-YOLO拥有极低的参数量和计算量,对高算力硬件的依赖性低,适用于实际工程管理应用的施工现场安全管理,能够极大地降低企业成本,提升施工安全管理的水平。     

基于Debseg-Net的岩屑图像语义分割

岩屑的岩性识别是地质工作中的一项重要内容。为解决传统人工鉴别岩性的低效问题和通用机器学习模型在岩屑岩性识别上的不适用性：包括准确率欠佳、网络参数冗杂、网络效率低下,针对岩屑图像的特征设计了一种岩屑图像的语义分割网络Debseg-Net,该网络采用编解码结构,卷积与转置卷积结合实现对岩屑图像特征的提取与像素级分类,采用深度可分离卷积减少参数量从而可进一步加深网络,使用跳级连接避免迭代过程中的信息丢失。同时提出了一种高效的岩屑图像自标记方法。经多次实验,Debseg-Net在以10口探井收集的640张共计5类岩屑图像数据集上,识别准确率达到98.43%,平均交并比达到90.01%,领先同类型分割网络2.59至7.04个百分点,在实现数字化岩屑录井进程中提供了方法。     

物理学史和物理教育

物理学史是物理学科的重要组成部分,含有丰富的教育素材。本文着重讨论了物理学史的教育功能和教育目标,揭示了物理学史在物理教育中的重要意义和作用。     

浅论大学物理实验教学改革

通过对目前大学物理实验课程教学现状的分析,结合自己几年的物理教学实践,文章对大学物理实验从教学思想观念、教学内容、教学过程和考核办法几个方面提出了一些改革措施,从而更好地培养学生的实践性能力,体现大学物理实验课程的时代性和先进性。     

基于．net的题库管理系统

在传统的试题管理工作中,主要采用人工方式,不利于现代教学的管理,主要表现在试题存储分散,试题归类麻烦和试卷生成不灵活等缺点,因此,以计算机管理的考试题库系统克服了传统人工的缺点。该系统利用ASP．NET技术,结合SQL Sever2005数据库开发和设计．提供按用户角色方式实现试题的录入、修改和试题输出（生成试卷）的管理。     

持率校正模型研究及软件实现

传统方法是直接将持水率值测量后未经校正就用于科学计算,这样存在着较大误差。经过持水率仪器实验和测试分析研究一套持水率校正算法,并用计算机软件实现,能降低生产测井解释含水率误差,准确的计算出油气水各相产出层的含水率值,提高了生产测井找水精度。通过实验图版研究出油气两相持水率校正图版和气液两相持水率校正图版,采取分段拟合的思想,推算出持水率校正公式。通过软件实现,达到了精确计算持水率值的目的,经测试得知校正后的持水率值推算出来的含水率误差与生产实测误差最大为6.42%。     

基于遗传算法优化单类支持向量机的油田离心泵注水站异常检测

目前油田离心泵注水站多采用传统的人工巡检等方式进行异常检测，存在浪费大量资源且检测精度不高的情况。针对此问题，提出一种基于遗传算法优化单类支持向量机(genetic algorithm optimized one-class support vector machine, GA-OC-SVM)的注水站异常检测方法。首先，对注水站数据进行标准化、归一化处理以及特征提取；其次，使用遗传算法进行寻优得到最佳种群个体值作为单类支持向量机的参数，建立检测模型；最后，将GA-OC-SVM算法与孤立森林算法、局部离群因子算法等主流方法用于测试数据集的异常检测对比，并分析算法的精度，采用接受者操作特征(receiver operating characteristics, ROC)曲线进行模型评价。结果表明所提出的GA-OC-SVM算法更优，检测精度达到99%,同时能够节省大量的人力物力资源。