摘要：An optimization method is proposed for designing an LED freeform lens which produces a uniform circular pattern with high energy *** method is composed of three main aspects:design of the initial guess,parameterization of the freeform surface,and construction of the merit *** initial guess is created by solving an ordinary differential equation *** approach of selecting optimization points is introduced for parameterization of the freeform *** merit function is constructed by use of the irradiance uniformity and the efficiency of the *** examples are given,and the results show that the irradiance distribution is well controlled with a maximum uniformity(the relative standard deviation of irradiance,RSD) of 0.0122 and a maximum efficiency of 93.88%.This optimization method can be generalized to design freeform lenses with different lighting patterns or without rotational symmetry.

摘要：目的构建乳腺癌转移抑制基因（BRMS1）的真核表达载体pcDNA3．1（-）B／myc-BRMSI，为进一步研究恶性肿瘤的转移机制及基因治疗提供物质基础。方法常规方法培养人乳腺癌细胞株MCF-7，Trizd法提取细胞株总RNA；设计一对特异性引物，经过逆转录反应获得BIIMS1 cDNA的CDS序列，连接到质粒pcDNA3．1／mye—His（-）B上，构建BRMS1的真核表达载体peDNA3．1（-）B／***1，行基因测序鉴定正确后转染人胚肾细胞HEK-293，行Westernblot验证其是否表达。结果重组质粒pcDNA3．1（-）B／myc-BRMS1经双酶切及基因测序分析，验证了克隆的人BRMS1基因cDNA序列与GenBank[AF159141]公布的人BRMS1基因的cDNA序列吻合，重组体peDNA3．1（-）B／myc—BRMS1中插入的目的基因BRMS1是正向、单倍插入。结论成功构建了BRMS1真核表达载体pcDNA3．1（-）B／myc—BRMS1，为深入研究BRMS1基因功能和BRMS1基因治疗奠定了物质基础。

摘要：目的 :构建轻度和中度老年失智患者的表达性艺术治疗方案,以期减轻其精神行为症状,缓解认知恶化。方法 :在课题团队前期构建的轻度认知障碍老年人创新表达认知干预方案基础上,采用焦点小组访谈法收集前期参与干预研究人员的建议和研究对象的特点与需求,结合文献分析,构建轻度和中度老年失智患者的表达性艺术治疗方案初稿;通过专家会议法论证并修订初稿,形成终版干预方案。结果 :纳入专家10名,专家权威系数为0.89,最终干预方案包括干预内容、干预流程、干预要素3个方面内容。结论 :构建的表达性艺术治疗方案科学、严谨、有针对性,适用于轻度和中度老年失智患者,可为轻度和中度老年失智患者的非药物干预提供参考。

摘要：基于光谱的土壤氮含量预测模型泛化能力弱是制约其推广应用的瓶颈。鉴于特征提取及非线性表达能力方面的优势,深度学习模型具有较强的泛化能力。提出一种融合自动编码器和卷积神经网络(Encoder-CNN)的土壤氮含量光谱预测模型,探索模型结构和参数对模型性能的影响。根据以往研究成果和相关性分析,获得180个与氮含量强相关的波长,将其作为Encoder-CNN模型输入,而将土壤氮含量作为模型输出。Encoder-CNN模型利用自动编码器的编码部分进行光谱数据降维,然后输入到卷积神经网络进行土壤氮含量预测。设计2种网络结构,每种网络结构包含2种不同参数设置,共4个模型,用以探索Encoder-CNN土壤氮含量光谱预测模型结构和参数对模型性能的影响。利用公开数据集LUCAS对模型进行训练。按3σ原则对公开数据集LUCAS进行异常值检测与处理,获得20791个数据,其中18711个样本作为训练集,2080个样本作为测试集,对Encoder-CNN模型进行训练。结果表明:对于自动编码器,在相同隐含层数下,最后的隐含层神经元个数为30时,复现效果最优。增加隐含层数,会提升复现效果。增加卷积核数量,特别是尺寸为1×1卷积核,能够提高模型的预测性能与可靠性。增加池化层的网络结构,模型预测精度提升至0.90以上。增加全连接层神经元数量也会提升模型性能。利用自采集的黑龙江黑土实时光谱数据集进行模型迁移,观察模型泛化能力。当模型迭代100次后,在黑龙江数据集上的预测精度即可达到0.90以上;当迭代次数为900时,模型在训练集和测试集上的预测精度可以达到0.98。结果表明,所构建的Encoder-CNN土壤氮含量光谱预测模型具有较好的泛化能力。

摘要：成果导向教育(Outcome-based Education, OBE)理念已经成为应用型高校教学改革的重要方向,信息素养作为信息社会应用型人才的基础能力,其教学改革尚未适应OBE教育的要求。通过梳理OBE内涵与《高等教育信息素养框架》“域概念”体系的内在关系,本研究论证了信息素养OBE教学改革的合理性与必要性,提出了应用型本科信息素养OBE教学设计的要点,并从教学目标确立、课程合格要求确定、教学指标点设定和教学内容编排等方面逆向设计了其课程的教学体系,以期为信息素养教育适应应用型人才培养体系的教学改革提供必要的参考。

摘要：为解决牛场人工推翻饲料劳动强度大、工作时间长等问题,设计了一种基于激光雷达同步定位与建图(Simultaneous localization and mapping,SLAM)的牛场智能推翻草机器人自主导航系统,以期实现机器人在牛场环境中自主导航完成推翻草任务。自主导航系统通过激光雷达感知牛场环境,使用加载里程计信息的Cartographer算法构建牛场环境地图,采用未加载里程计信息的自适应蒙特卡洛定位(Adaptive Monte Carlo localization,AMCL)算法实现机器人的定位,并采用迪杰斯特拉算法(Dijkstra)规划机器人推翻草工作路径。试验表明,在构建牛场环境地图时采用机器人加载里程计信息的方式,横纵向偏差最大值低于未加载里程计信息时构建的地图,分别为0.02 m和0.14 m;在实现机器人的定位与导航时采用未加载里程计信息的方式,横纵向偏差最大值及航向偏角最大值分别小于0.04 m、0.10 m和11°,且导航精度高于加载里程计信息时的数值,满足牛场环境中推翻草作业时的导航精度要求。

摘要：随着小型无人机在不同领域的发展,与之配合的稳定平台需求日益增加,尤其对于小型化、高精度的要求也越来越高。本文针对小型无人机设计了一种小型光电稳定平台,采用两轴两框架的结构并对稳定平台整体应用了模块化设计,根据不同需求可更换负载,具有体积小、质量轻的特点;利用Creo三维软件建模并通过Ansys仿真软件对关重结构刚度进行仿真分析,结构设计均满足总体要求。

摘要：针对预先设定学习率的增量强化学习(IRL)飞行控制律失败率较高,并且无法适应飞行器大范围动力学特性变化下的稳定控制问题,提出一种自适应学习率的增量强化学习(ALRIRL)控制方法。首先,基于小波分析方法构造控制系统稳定度评价函数,用于评估控制器稳定度。然后,基于梯度下降法设计学习率在线迭代计算方法,以提升强化学习控制器的收敛性。最后,通过随机初始状态及随机动压变化下蒙特卡洛打靶试验和数学仿真来验证ALRIRL算法,仿真结果表明提出的方法能够根据参考状态跟踪误差振荡情况自适应调整学习率参数,实现飞行姿态稳定跟踪控制,提高强化学习飞行控制器的成功率。该方法减轻了IRL飞行控制算法对预先设定学习率超参数的依赖,拓宽了IRL在飞行器大范围动力学参数变化情况下的应用。

摘要：为提升舰艇在海面的防空作战能力,针对武器装备技术发展对防空作战带来的挑战,提出一种基于高功率微波武器(HPM)与中近程防空武器协同作战效能研究方法。用该方法分析构建协同作战效能评估指标,论证模糊小波神经网络原理及动态学习率。设计多武器协同防空任务想定及拦截方案,对评估数据进行量化及归一化,并运用预处理后的数据对网络进行训练,待其收敛后进行效能评估及HPM体系贡献率计算。研究结果表明:加入HPM能够提升中近程防空武器协同作战效能,提升舰艇综合作战能力。

摘要：深度神经网络已经在自动驾驶和智能医疗等领域取得了广泛的应用.与传统软件一样,深度神经网络也不可避免地包含缺陷,如果做出错误决定,可能会造成严重后果.因此,深度神经网络的质量保障受到了广泛关注.然而,深度神经网络与传统软件存在较大差异,传统软件质量保障方法无法直接应用于深度神经网络,需要设计有针对性的质量保障方法.软件缺陷定位是保障软件质量的重要方法之一,基于频谱的缺陷定位方法在传统软件的缺陷定位中取得了很好的效果,但无法直接应用于深度神经网络.在传统软件缺陷定位方法的基础上提出了一种基于频谱的深度神经网络缺陷定位方法Deep-SBFL.该方法首先通过收集深度神经网络的神经元输出信息和预测结果作为频谱信息;然后将频谱信息进行处理作为贡献信息,以用于量化神经元对预测结果所做的贡献;最后提出了针对深度神经网络缺陷定位的怀疑度公式,基于贡献信息计算深度神经网络中神经元的怀疑度并进行排序,以找出最有可能存在缺陷的神经元.为验证该方法的有效性,以EInspect@n(结果排序列表前n个位置内成功定位的缺陷数)和EXAM(在找到缺陷元素之前必须检查元素的百分比)作为评测指标,在使用MNIST数据集训练的深度神经网络上进行了实验.结果表明,该方法可有效定位深度神经网络中不同类型的缺陷.