高中英语课堂低效的成因分析及对策

什么是课堂教学的有效性？教育部课程改革专家组核心成员余文森教授认为：从专业的角度说，课堂教学的有效性是指通过课堂教学使学生获得发展。但是我们的英语课堂教学经常出现低效化的现象。冷静反思英语课堂教学现状，从根本上分析造成课堂教学低效的原因及商讨相应的对策是十分必要的。笔者将从成因和对策两个方面试作探讨。     

基于粒子群优化算法的绳驱动连续体机器人轨迹规划

为提高绳驱动连续体机器人运动的平滑性和稳定性,在关节空间和笛卡尔空间研究了基于样条函数和粒子群算法的轨迹规划问题。首先,采用双参数局部指数积公式建立连续体机器人的运动学模型;其次,根据牛顿-拉夫森迭代方法进行逆运动学求解;最后,基于自适应惯性权重的粒子群时间最优化算法结合五次B样条函数,分别实现了连续体机器人在关节空间和笛卡尔空间的轨迹规划。仿真结果表明：在相同的条件下,两种方法均可得到连续体机器人末端的连续轨迹,速度均小于10 mm/s,加速度均小于20 mm/s²;基于关节空间规划出的关节位移、速度、加速度曲线更为平滑,关节空间规划用时9.219 3 s,笛卡尔空间规划用时10.604 6 s。基于粒子群优化算法的绳驱动连续体机器人轨迹规划研究,提高了连续体机器人的运动性能,可为绳驱动连续体机器人的位姿规划提供参考。     

基于改进蚁群算法的大型综合建筑火灾疏散路径规划

动态逃生指示系统主要应用于大型综合建筑物内,此系统可根据建筑物内发生的火灾等突发情况动态指示人员疏散逃生,缩短逃生时间提高逃生成功率。通过研究现有动态逃生指示系统路径规划问题,提出一种改进蚁群算法,将Dijkstra算法和蚁群算法相结合,利用Dijkstra算法的全局搜索能力,调整了蚁群算法启发函数中初始信息素分布情况,同时结合探测到的火灾实时信息对蚁群算法的启发函数,转移概率,信息素挥发系数和更新规则进行改进。通过仿真实验表明改进的蚁群算法提高了搜索效率和全局搜索能力,降低了陷入局部最优的可能性并优化了逃生路线。     

基于超螺旋二阶滑模的PMSM-DTC系统研究

针对传统永磁同步电机直接转矩控制系统(PMSM-DTC)易受参数变化影响及转矩脉动大的问题,提出在系统中采用空间电压矢量调制技术(SVPWM)代替传统的正弦脉宽调制(SPWM),引入控制率为超螺旋算法的二阶滑模变结构,以定子磁链和转矩作为被控对象设计控制器代替传统系统中的PI控制器。仿真结果表明,该策略不仅有效消除了一阶滑模存在的抖振问题,明显减小了系统中定子磁链和转矩脉动,且具有较强的速度跟踪能力,对负载扰动和参数变化等不确定性具有很强的鲁棒性,因此可以很好地应用在电机控制方面。     

智能疏散系统导向标志计算及疏散路径仿真

为了解决大型综合建筑中智能疏散系统在火灾等突发情况发生时可根据复杂建筑结构规划出合理、安全的疏散路径问题,提出了一种基于改进A~*算法的多起点、多出口路径规划方法。通过增加转弯惩罚值,结合火灾影响区域实时信息和火灾中心点的距离改进了估价函数,进而计算出最优疏散路径。依据搜索出的最优路径调整三维楼层地图中各个导向标志方向,从而引导不同位置人员从最优路径疏散逃生。仿真实验结果表明,在计算多起点、多出口疏散路径时,改进A~*算法与传统Dijkstra算法和A~*算法相比,搜索方向更加明确,路径更加平滑,搜索效率更高,运行时间更短,并能结合火灾信息保证疏散路径的安全性。该算法在求解大型综合建筑火灾安全疏散路径方面具有很好的应用前景。     

基于滑模自适应的永磁同步电动机无传感器控制

在永磁同步电动机控制系统中如采用传统机械式编码器检测转子位置和速度,存在着成本高、易受干扰、系统的可靠性低且难以在复杂环境中应用等问题,为了有效解决这些问题,采用了一种新型的基于滑模自适应的速度估计方法,以改善速度估计精度,提高系统鲁棒性,从而实现无传感器的电机控制。仿真结果表明:该方法可以避免传统机械式编码器带来的限制,在突加负载时,能够准确估计转子的速度和位置角。     

应用"流"和"OLE"自动化实现数据库复杂图文编辑

作者在开发试题库管理系统过程中,成功地运用"流"和"OLE"自动化技术,将WORD作为系统的图文编辑工具,解决了具有复杂图文的试题和试卷的编辑、存储、排版和打印等问题.本文介绍在DELPHI5.5环境下实现的试题库管理系统及"流"与"OLE"自动化技术在其中的应用.     

高中英语课堂低效的成因分析及对策

什么是课堂教学的有效性?教育部课程改革专家组核心成员余文森教授认为:从专业的角度说,课堂教学的有效性是指通过课堂教学使学生获得发展.但是我们的英语课堂教学经常出现低效化的现象.冷静反思英语课堂教学现状,从根本上分析造成课堂教学低效的原因及商讨相应的对策是十分必要的.笔者将从成因和对策两个方面试作探讨.     

简单动态递归神经网络在非线性系统辨识中的应用

提出了用一种结构非常简单的动态递归神经网络(SRNN)辨识非线性系统的方法。该方法研究了在递归层不加权的网络简单拓扑结构,推导出SRNN的预报误差(RPE)学习算法,并对算法进行了补充和改进。仿真实验结果表明,这种网络需要调整的权系值少,且改进后的学习算法简单、辨识速度快、模型精度高,解决了一般动态递归网络因网络拓扑结构复杂造成的训练算法复杂、收敛速度慢的问题,可以实时应用。