摘要：战场态势瞬息万变,利用可见光图像对敌方用于军事行动的飞机类型进行有效区分,对提供军事作战信息具有重要意义。针对现有军用飞机识别方法存在小目标飞机和环境背景复杂导致的模型特征提取困难、数据样本数量不足导致的模型训练不充分的问题,提出一种坐标通道注意力(ConvNeXt-Coordinate Attention,ConvNeXt-CA)深度学习网络军用飞机目标识别方法。该方法在ConvNeXt网络可以保留小目标飞机特征的基础上,引入CA机制设计CA-Stage模块,提升网络对于背景和前景的区分能力;采用数据增强的方式扩充数据集,以及使用迁移学习的策略提高模型的泛化能力,训练得到具备最优超参数的ConvNeXt-CA网络。实验结果表明,与传统的军用飞机识别方法和其他深度学习模型相比,基于迁移学习的ConvNeXt-CA网络在预测准确率上有明显的提升,且具备较强的泛化能力。

摘要：文章针对非匹配干扰和噪声影响下伺服系统鲁棒跟踪控制问题,提出了一种基于改进等价输入干扰的模型预测控制方法.首先,设计了基于自适应滤波器的等价输入干扰估计器,其根据估计扰动特性调节滤波器带宽参数,解决了扰动估计性能和测量噪声衰减之间的权衡问题.其次,考虑扰动补偿残差对伺服性能的影响,设计了基于模型预测控制的鲁棒跟踪控制器.进一步,结合改进等价输入干扰和模型预测控制实现高性能伺服系统跟踪控制,并分析了闭环系统的鲁棒稳定性.最后,通过对比仿真和实验验证了所提方法在非匹配扰动和噪声影响下的有效性和优越性.

摘要：科学课程是激发小学生好奇心、想象力和探求欲的关键课程。“双减”政策为科学教育提供了充足的时间和空间,科学教师应利用课后服务时间,遵循小学生的年龄特点,设计丰富有趣的科学课外活动,通过小组合作让学生养成良好的学科活动习惯,利用画图、实验、视频等思维可视化工具培养学生的科学思维能力。教师要在活动过程中适时为学生搭建合适的脚手架帮助学生完成科学活动,引导学生通过改进所使用的材料不断完善科学作品,并通过设计对比实验培养学生的科学探究实践能力,发展其科学核心素养。

摘要：针对当前“建筑安全工程学”在各高校教学内容不统一、教学模式仍以传统课堂教学为主、学生学习内容与工程项目安全管理实践契合度不佳、教学效果亟待提升等问题,我们通过对开设同类课程的高校进行调研,在对比国内外同类教材的基础上,提出“建筑安全工程学”模块化教学改革的思路与方案。将课程内容设计划分为教师主导和学生主体两个主模块。其中教师主导模块包含6个小模块,学生主体模块包含2个小模块。研究成果优化完善了“建筑安全工程学”的教学内容和教学模式。

摘要：针对网络化控制系统的理论分析、算法研究和产品开发的辅助设计需求,提出一种网络化开放式快速控制原型(RCP)系统,该系统具有结构简单、成本低、部署方便、可扩展性强等诸多优点。首先,基于Raspberry Pi和STM 32开源硬件构建了双嵌入式的轻量级即连即用目标机。其次,基于Simulink仿真环境设计了系统参数在线实时修改功能,可大幅简化参数调节过程。再者,基于TCP/UDP/IP协议设计了网络化控制模式,使用个人计算机(PC)作为控制器构建了通用型开放式半实物仿真系统。最后,以磁悬浮球为控制对象搭建了网络化控制实验平台,通过实验案例验证了系统的有效性和优越性。所设计的RCP系统可有效助力网络化控制系统分析和设计过程,同时可用于各类科研和教育课程实验中,具有良好参考和应用价值。

摘要：针对遗传算法在路径规划中存在收敛速度过慢、极易早熟、非必要转向次数过多等问题,提出基于灾变策略的改进遗传算法。设计一种区域必经点选择策略产生优质初始种群来提高算法前期收敛速度;引入并改进灾变策略,防止早熟的同时增加种群多样性,以减小种群规模,提高计算速度;设计一种内嵌A^(*)算法的动态变异算子,以提高算法后期的局部搜索能力;采用多约束条件的适应度函数提高路径的平滑度。仿真结果证明,相比遗传算法、改进遗传算法、多种群自适应蚁群算法,所提改进算法能更好地避免早熟,并缩短寻路时间,从而搜索到更优的路径。最后将算法应用于机器人操作系统平台,通过导航试验证明改进算法有效可行,能显著提升移动机器人的稳定性和效率。

摘要：在复杂的陆战环境中,图像分类技术是快速区分装甲车辆目标的一种重要手段。针对现有基于卷积神经网络(CNN)的主流分类算法对于训练样本的数量及质量有较高要求,在新装备装甲车辆图像分类任务中精度不足的问题,提出一种集成了两个基于不同学习策略的CNN的迁移学习方法。一个CNN在图像样本较易获取、数量充足的老式装甲车辆图像数据集上进行预训练,学习局部细节特征;另一个CNN在图像质量较低的新装备装甲车辆的虚拟图像数据集上进行预训练,学习全局特征。对预训练好的CNN均利用数量有限的新装备装甲车辆真实样本按照不同策略微调,提升表征能力。设计基于Optuna超参数优化框架的自学习模型集成机制,可对两个CNN的输出进行自主加权优化,进一步提高算法的分类准确率。实验结果表明,与随机初始化训练的同一模型相比,所提方法在新装备装甲车辆图像分类任务中准确率提高7%,有效缓解了训练样本偏少的问题。

摘要：随着海量新能源接入到微电网中,微电网系统模型的参数空间成倍增长,其能量优化调度的计算难度不断上升.同时,新能源电源出力的不确定性也给微电网的优化调度带来巨大挑战.针对上述问题,本文提出了一种基于分布式深度强化学习的微电网实时优化调度策略.首先,在分布式的架构下,将主电网和每个分布式电源看作独立智能体.其次,各智能体拥有一个本地学习模型,并根据本地数据分别建立状态和动作空间,设计一个包含发电成本、交易电价、电源使用寿命等多目标优化的奖励函数及其约束条件.最后,各智能体通过与环境交互来寻求本地最优策略,同时智能体之间相互学习价值网络参数,优化本地动作选择,最终实现最小化微电网系统运行成本的目标.仿真结果表明,与深度确定性策略梯度算法(DDPG)相比,本方法在保证系统稳定以及求解精度的前提下,训练速度提高了17.6%,成本函数值降低了67%,实现了微电网实时优化调度.

摘要：随着数字化时代的来临,校园数字化建设已经成为教育领域的重要发展方向。然而,校园数字化建设常常面临着开发周期长、成本高、技术门槛高等问题,限制了数字化校园建设的进展。低代码开发平台作为一种快速开发应用程序的工具,有快速开发、图形化设计开发、拖拉拽编程等特点,正在被广泛应用于校园数字化建设中。本论文旨在探讨低代码开发平台在校园数字化建设中的应用,以解决传统开发方式存在的问题,并提出未来发展的展望。

摘要：研究目的:重庆鸡公咀上下层隧道近距离平行重叠,施工中存在相互扰动问题。针对上层隧道施工对下层隧道的扰动影响,本文采用数值模拟的方法研究上下层隧道开挖面合理间距,以降低近接隧道施工的相互影响,并达到缩短隧道施工总工期的目的。研究结论:(1)沿隧道纵向平面内,在上下层隧道开挖面水平净距为0跨时,上层隧道对下层隧道扰动最大,为最不利净距;(2)当隧道开挖面的间距在50 m以上时,随着间距的增加,上层隧道对下层隧道的扰动有较为明显的减小;(3)当上下层隧道开挖面的间距在50 m以下时,随着间距的变化,上层隧道对下层隧道的扰动变化并不明显;(4)当上下层隧道开挖面的间距为125~150 m时,下层隧道的竖向位移值稳定在13 mm左右;(5)本研究成果可为今后类似工程的设计与施工提供参考。