基于多元智能理论的高职学生创新创业个性化人才培养模式研究

本文基于多元智能理论,从高职学生的知识结构、能力结构和素质结构的三维视角探讨个性化人才培养模式的构建,以有效推进高职学生创新创业教育的开展。     

高温熔体连续测温方法研究

高温熔体连续测温一直是一个难题.通过分析比较目前常用测温方法的优缺点,提出了裸头热电偶直接连续测温的新方法.它有效地解决了保护管式热电偶滞后时间长、寿命短,快速测温偶测温精度不高、不能连续测温,中间导体式热电偶受温度场不均匀度影响较大的问题.理论计算和实验证明,这种方法的热平衡误差为0.24 ℃,温度响应时间常数小于0.3 s,明显优于其他方法.它适用于高温熔体在熔炼、转运、浇注及凝固成型等过程的温度连续测量及其智能控制.     

风、浪、流联合作用下系统系泊力的时域计算方法

为解决海洋工程中系泊系统在风、浪、流联合作用下系泊力的计算问题 ,在时域内建立了一种计算防风水鼓系泊系统系泊力的方法。在分析波浪荷载时 ,使用了设计波法和非线性 Stokes五阶波 ,并由经验公式求出了船舶的风、流作用力。由准静态方法计算了初始条件后 ,在忽略了锚链和水鼓动态效应对船舶运动的影响的条件下 ,求解了系泊力和船舶的运动时历。再由二维集中质量法建立了锚链和水鼓的数学模型 ,用 Houbolt方法求解了锚链和水鼓的运动方程 ,并对系泊力进行了修正。模拟计算结果与经验公式计算结果吻合较好 ,且模拟计算的时域特征表现突出 ,建立的时域计算方法可用于防风水鼓系泊系统的系泊力计算     

基于GARCH类模型的中国股市收益率分析

自二十世纪八十年代以来, 金融时间序列的波动群聚性,尖峰厚尾性和长记忆性特征的研究已经成为众多研究的论题, 是当今金融风险管理的核心. GARCH类模型是波动群聚性建模中常用的模型. 作者在简要介绍金融时间序列波动性的GARCH模型的基础上, 运用MATLAB软件包编程, 利用FIGARCH模型、NAGARCH模型和EGARCH模型对中国股市波动特征进行建模, 并比较了正态分布、Studentt分布、GED分布和偏t分布等四种不同分布特征的FIGARCH、NAGARCH和EGARCH模型对中国股市波动特征的拟合.实证结果表明, 偏t分布更适合我国股市波动特征的描述, FIGARCH模型在拟合效果方面要优于其他模型.     

IDEAL算法在OpenFOAM界面两相流求解器中的实现与性能分析

针对IDEAL算法在界面两相流数值模拟中的应用主要基于结构化网格或二维非结构化网格,难以在复杂问题中推广应用的难题,将IDEAL算法植入到了开源计算流体力学软件OpenFOAM的界面两相流求解器interFoam中,然后通过二维液柱倒塌、二维单气泡上升、三维异轴双气泡上升以及三维起伏管段气液两相流4个算例对IDEAL算法与OpenFOAM软件中采用的PIMPLE算法进行了计算性能分析。研究结果表明:IDEAL算法的计算时间较PIMPLE算法减少了17.6%～+∞;在部分工况下PIMPLE算法难以收敛,而IDEAL算法仍然可以快速获得收敛解。研究结果为IDEAL算法在复杂界面两相流问题中的推广奠定了基础。     

室内惯性导航系统/相机拓扑测量的因子图合作定位算法

为解决合作定位算法中滤波结构不易扩展、鲁棒性差的问题,提出了一种适应于室内多用户的惯性导航系统/相机拓扑测量的因子图合作定位算法。利用目标检测识别算法,提出相机拓扑测量合作定位算法。通过构建拓扑测量、惯性导航系统因子函数,推导出基于因子图的可扩展参数优化模型。为进一步提高鲁棒性,引入综合考虑残差和检测分数的权值判断法,提出适应于相机拓扑测量的改进型开关约束算法。仿真和实测实验表明:拓扑测量观测精度的提升对位置和速度估计、算法收敛次数均有不同程度的改善;合作+改进型开关约束算法的定位精度较非合作+非鲁棒算法的提高了79.8%;改进型开关约束算法相比原开关约束算法具有较高的预测成功率,当测量遮挡时长比为0.4时,改进型开关约束算法将原开关约束算法对野值点的预测成功率由89.35%提高到了97.4%;与原开关约束算法相比,引入权值判断法的改进型开关约束算法剔除了同用户多边框的异常拓扑测量值,减小了计算开销,提高了合作定位精度和鲁棒性。     

地空导弹武器系统维修费用灰色预测模型

维修费用的预测是武器装备全寿命周期费用管理的重要部分。针对地空导弹维修费用数据量有限规律性不同的特点,选用灰色理论进行维修保障费用预测:首先,简要分析了GM(1,1)模型,讨论了维修费用数据的处理;然后,以某新型地空导弹武器系统为例,具体探讨了灰色预测模型的应用,并对比分析了老信息灰色预测、新信息灰色预测和新陈代谢预测模型的精度;由实例分析可知,新陈代谢预测模型的精度更高、计算量更小。     

无监督和弱监督视频异常检测方法回顾与前瞻

随着监控技术的不断发展,监控摄像头已经被广泛部署到各种场景中。手动检测视频异常情况已经变得不可能。因此,作为智能监控系统核心的视频异常检测技术正在受到广泛关注和研究。随着深度学习的发展,视频异常检测领域取得了显著的成就,并涌现出许多新的异常检测方法。本文将梳理了应用在不同数据类型上的无监督和弱监督视频异常检测学习方法,分析现有方法的贡献,并比较不同模型的性能。此外,还整理了一些常用的和新发布的数据集,并总结了未来工作要面临的挑战和发展趋势。     

基于Park-HHT的故障特征提取方法

针对三相对称系统,提出了一种新的故障特征提取方法。该方法首先将系统输出信号进行Park变换,之后进行希尔伯特-黄变换(Hilbert-Huang transform, HHT),从HHT的本征模态函数中选取低频分量,提取信号幅度作为故障特征值。该方法兼具Park变换和HHT的优点,在降低变量维度的同时提高了故障分辨率,并且具有较强的抗噪声能力。最后,在三相逆变电路中进行了仿真实验,根据特征向量间距离分布对不同方法的提取效果进行评价,验证了所提方法的有效性。     

基于丙泊酚麻醉的相位模式复杂度同步及脑网络变化

麻醉诱导的无意识在宏观尺度表现为大脑区域之间功能连接的中断.然而,在介观尺度,麻醉的脑意识消失作用机制仍不明确.本研究分析了9名接受丙泊酚全身麻醉的癫痫患者(年龄18～54岁)的皮层脑电(electrocorticogram,ECoG)数据,采用了相位模式复杂度(phase-pattern complexity,PPC)的同步估计方法,并基于图论度量了皮层尺度麻醉前后的聚类系数、平均特征路径长度、全局效率、局部效率和中介中心性等几种网络特征参数.结果表明,delta-theta(1～8Hz)频段和gamma2(48～60Hz)频段在意识消失后的PPC值显著降低(分别为P0.01,P0.05).皮层尺度脑网络则由节点间的强连接转变为以少数节点为枢纽节点,并成散射状连接其他节点的网络拓扑结构.研究表明,麻醉导致的意识消失与皮层尺度神经活动的相位模式复杂度的降低及对应的拓扑网络的简单化有关.