坚持因地因校制宜——中国民航飞行学院后勤改革实践与模式探索

高校后勤社会化改革推行10年以来,目前中小城市高校后勤改革由于位处地理环境的客观条件,面临的社会市场有限,大部分中小城市高校后勤社会化改革在管理体制和运行机制上有待实现突破。本文以位处中小城市的中国民航飞行学院后勤改革实践为例,介绍其改革现状,研究其存在的问题,并提出了今后后勤改革的对策和建议,探索为其他中小城市高校后勤改革提供一种可以借鉴参考的模式。     

基于模糊理论的工学结合课程质量评价研究

利用模糊多目标评价方法,结合专家经验,构建工学结合课程质量的数学模型,在对工学结合课程质量进行定性评价的基础之上,开展综合评价。通过评价实验,证实了该方法的科学性、可行性和实用性。     

小卫星动量轮非线性特性建模与仿真方法

动量轮是三轴稳定卫星姿态控制的关键执行部件。由于小卫星本身的转动惯量较小，微弱的干扰力矩有可能导致整个卫星控制系统性能下降。因此，建立一个基于动量轮实际物理特性的理论仿真模型对小卫星姿态控制系统设计至关重要。本文提出了一种多输入多输出非线性建模方法，并给出了基于SIMULINK的动量轮物理特性仿真模型。该模型可以同时输出动量轮所有特征参数的实时值。最后，通过开环和闭环控制数值仿真，对模型进行了验证。数值实验结果与实际物理部件的测试结果一致。本方法可以为小卫星姿控系统的仿真提供一个有效的、精确的、可以直接应用的部件级模型。     

小样本图像分类中的类别信息融合网络

小样本图像分类任务要求模型仅从少量的图像样本中学到新类别的正确分类方法,是一种特殊的分类任务。然而,以往大多数小样本工作都单独处理来自不同类别的样本,而没有充分利用到不同类别间的信息。本文提出了一种新的类别融合网络（Category-fusion network, CFN）,通过融合来自不同类别的样本信息,同时挖掘类别内和类别间的信息。CFN的重要部分是一个融合映射的学习,即如何融合样本中的特征,从而映射出网络参数。其中的一个重要问题是融合映射是否应该随不同的输入样本而改变。本文设计了3个不同的模块：具有固定映射的类无关模块、融合映射仅依赖于期望学习的目标类别的半相关模块和完全相关的模块,其中融合映射完全依赖于输入样本。本文的网络可以通过学习多个类别的样本之间的关系来进行类别概念的学习,并生成融合信息的分类器。实验结果表明,本文网络在广泛应用的MiniImageNet数据集上得到了60.03%的分类精度。     

基于遥感图像的无固定标志点卫星自主定轨

目前基于事先选取地面标志点的卫星自主导航可能会造成误匹配和漏匹配,并且不包含地标点的遥感图像也有可能存在导航信息.为了解决这两个问题,本文提出了一种不依赖事先标定地面标志点的自主导航方法,通过YOLOv3深度学习对获得的遥感图像进行目标识别缩小图像匹配区域,将识别后的目标区域进行图像匹配获得匹配特征点及其像平面坐标,最...     

成人自考生学习动力现状的调查分析

采取问卷调查、访谈调查的方法，对重庆市部分成人自考生的学习动力现状进行了调查。通过调查发现，成人自考生学习动力受到性别、年龄、职业、工作年限、经济收入等多方面因素的影响，最后提出了相应的建议。     

基于深度学习的翼型反设计方法

建立了一种基于深度学习的翼型反设计方法,将翼型曲线及其对应的压力分布图像作为训练学习对象,建立其内在联系的模型,实现通过卷积神经网络提取压力分布图像的特征,计算获得翼型曲线。该方法直接将压力分布图像作为模型输入,更加直观简洁,同时避免了传统方法中耗时的数值计算过程。模型测试中,6 000组压力分布图像和翼型曲线用于模型训练,另外561组用于模型验证,验证耗时仅67 s,预测的翼型曲线与CFD计算结果的平均相对误差为055%。对比实验中,通过对压力分布曲线添加噪声、改变输出层尺寸等方式,进一步验证和分析了预测模型性能。结果表明该翼型反设计方法具有较高预测精度和较强鲁棒性,能在保证精度的情况下降低计算时间,提高设计效率。     

基于粒子群核极限学习机的涡扇发动机加速过程模型辨识

针对解析法建立涡扇发动机加速过程模型精度和实时性不高的问题,提出了一种基于粒子群核极值学习机(PSO-KELM)的涡扇发动机加速过程模型数据驱动辨识方法,构建涡扇发动机加速过程模型,结合加速过程试车数据,利用PSO-KELM方法对该加速模型进行辨识。试验结果表明:低压转子转速、高压转子转速和低压涡轮出口燃气总温都较好地逼近了试车数据,最大相对误差均值分别为1.013%,0.355%和1.055%,平均计算时间为0.04ms。精度和实时性均优于反向传播神经网络和粒子群支持向量回归方法,可用于发动机状态监控和性能优化控制。     

五年制高职校新生英语学习现状调查及应对策略

针对五年制高职学生英语学习上出现倦怠、课堂教学很难开展的现状,进行学生英语学习基础的调查,了解并解决以下两个问题：一是调查学生的英语学习基础,弄清英语学习出现倦怠的原因;二是反思教师的教学模式,找到适合提升学生的学习积极性的教学方法。     

基于生成对抗近端策略优化的机动策略优化算法

针对传统强化学习算法在生成空战机动策略时存在收敛效率低、专家经验利用不足的问题,研究了基于生成对抗-近端策略优化的策略生成算法。算法采用判别器-策略-价值(DAC)网络框架,在近端策略优化(PPO)算法基础上,利用专家数据和环境交互数据训练判别器网络,并反馈调节策略网络,实现了约束策略向专家策略方向优化,提高了算法收敛效率和专家经验利用率。仿真环境为基于 JSBSim开源平台的 F-16飞机空气动力学模型。仿真结高,PPO果表明,本文算法收敛效率高于算法,生成的策略模型具备较好的智能性。