摘要：在轮廓铣削中,为满足质量要求并提高加工效率,提出一种基于轮廓曲率特征的工艺参数优化方法。考虑轮廓曲率特征对加工质量的影响,分别设计了直线、凸弧和凹弧的铣削正交试验,以获取在不同轮廓曲率下的表面粗糙度数据。基于试验结果,利用雪消融优化(snow ablation optimizer,SAO)算法改进的BP(back propagation)神经网络,分别建立直线、凸弧及凹弧铣削的表面粗糙度预测模型。以表面粗糙度与材料去除率为优化目标,构建轮廓铣削工艺参数的多目标优化模型,并运用NSGA-II(non-dominated sorting genetic algorithm II)算法进行求解,获得不同轮廓铣削方式下,满足规定粗糙度要求并最大化材料去除率的铣削工艺参数。将所提出的优化方法应用于实际轮廓加工,结果表明,各轮廓区域的粗糙度均能满足质量要求,且加工效率平均提升了17.1%。

摘要：教学目标是指引和制约教学流程、教学方法以及师生互动方式的纲领。一节课有无教学目标、是否达成目标都直接关系这节课教学的质量。但是目前音乐教师的教学研究常侧重教学流程、教学方法,而忽视教学目标的设计。本文拟从音乐课教学目标设计存在的问题、应对的策略以及技术路径和良好教学目标实例评析等四个方面与同行商榷,以期在课程改革的新阶段为进一步提高音乐课教学质量起到抛砖引玉的作用。

摘要：在车削加工中,零件质量是生产者需要密切关注的问题。表面粗糙度作为评价零件质量的一项重要指标,选择满意的切削参数来提高表面粗糙度可有效提高零件质量。为提高表面粗糙度的预测精度,在现有研究基础之上提出一种分段的表面粗糙度理论解析模型对表面粗糙度进行预测。同时尝试采用双深度Q网络(DDQN)优化支持向量回归(SVR)提高数据驱动模型的预测性能,探寻DDQN优化SVR内部参数的环境设计,并且与其他算法对比了其优化效果与稳定性。基于45钢的车削试验,验证分段的表面粗糙度理论模型和DDQN-SVR预测模型的有效性,为基于表面粗糙度的切削参数选择提供了较好的技术支持。

摘要：针对无人机航拍时物体尺度变化大,检测目标大多较小且物体较密集的问题,提出一种混合特征增强结构(mix feature enhancement, MFE)方法。通过在超分辨率方法中加入注意力机制以增强小目标信息提取,利用一种新的特征层融合计算方法,加强不同特征层间的融合效率,提高了中小型目标的检测精度;设计了尾端感受野扩大层以扩大尾端特征层感受野,使检测头可接收丰富的物体信息来定位并区分密集物体。实验在数据集VisDrone2021的测试集上进行测试,MFE-YOLOX网络的AP50结果为47.78%,在参数量、计算量与原网络相近的情况下精度提高了9.43个百分点。

摘要：为了提高刀具磨损状态实时监控的准确性和泛化能力,提出一种基于切削力特征间接识别刀具磨损状态的方法。该方法建立了切削力信号与刀具磨损的非线性映射关系,并进行刀具生命周期内的性能试验,采集切削力信号,提取信号的时域、频域和小波域特征,采用核主成分分析法进行数据降维,利用灰狼优化的支持向量机得到刀具磨损的分类等级。最后与其他文献中的方法进行对比,结果表明该模型能够更准确地反映刀具的磨损状态,具有较高的泛化能力。

摘要：本文提出用橡皮筋的物理学方法拟比2D产品布局过程,进行产品布局的数字化紧凑设计。通过研究凸壳的数字化设计建立橡皮筋拟比模型算法,分析确立物体模拟运动过程的弹性力及凸壳受力情况以及采用计算几何的数字化方法进行碰撞检测分析,进而探求其橡皮筋拟比布局模型的迁移规则,证明橡皮筋拟比算法实现的可行性,为紧凑布局优化模型提供了可行的物理建模算法。

摘要：教学目标既是所有规范性教学活动的起始点，又是一切教学活动的指向性终点，但音乐教师的教学研究常侧重教学方法，而对教学目标的设计关注不够。本文拟从音乐课教学目标设计存在的问题、应对的策略以及技术路径和良好教学目标实例评析四个方面与同行商榷，旨在进一步提高音乐课堂教学质量。

摘要：产品布局设计抽象成凸壳+橡皮筋模拟布局模式,建立出布局优化模型是一个创新的物理学设计方法。从面向对象的程序设计方法阐述2D布局设计的凸壳+橡皮筋模型的设计的关键技术问题和数字化设计方法,即基于凸壳+橡皮筋模拟布局模型的布局模型设计框架,论述面向对象的类模型建立、凸壳和橡皮筋的生成以及基于时间节拍的橡皮筋模拟设计等设计方法,解决了模型数字化设计的关键技术内容,为凸壳+橡皮筋模拟的紧凑布局优化模型的数字化设计提供了可行的解决方法。

摘要：加工过程产生的粗糙度数据序列会包含多种特征,而单一的预测模型不能同时捕捉多种数据特征,难以提高预测精度。因此,从加工过程中粗糙度数据特征的复杂性出发,提出了一种基于支持向量机(SVM)和BP神经网络算法(BP)的组合预测模型,来同时捕捉数据的线性特征和非线性特征;在组合预测过程中为充分发挥两种预测算法的最佳性能,采用粒子群优化算法(PSO)对支持向量机的参数和BP神经网络中的权值进行优化。通过蠕墨铸铁的铣削实验,实现不同切削用量下的表面粗糙度精准预测,并与PSO-SVM、PSO-BP算法以及切削加工表面粗糙度理论模型进行对比,验证了该组合模型的优越性。

摘要：在音乐课的教学过程中,要提高课堂教学的实效性,可根据课前预设的教学方案,优化教学设计,这是实施有效教学的基本环节。实施教学设计的过程,是动态生成的过程,需要精化的教学操作。是否达到预期目标,是否使学生得到进步和发展,教师要进行深化的教学反思,从而总结经验和教训,完善其设计和操作,进一步提升教学的有效性。