"任务驱动"下的计算机专业课程教学实践与探索

本文总结了"任务驱动"在教学中的应用,提出了"任务"设计要全方位立体化进行考虑;评价要全方位多样化.指出了"任务驱动"必须与多种教学法优化组合,才能发挥其最大教学效率.     

基于试飞任务单的轨迹仿真问题研究

阐述了基于试飞任务单的试飞轨迹仿真生成软件系统在辅助试飞管理中的重要作用,对该软件开发中所涉及到的一些新的问题和方法进行了研究。建立了带电传操纵系统飞机的数学模型,并针对试飞轨迹仿真生成中的逆问题,提出了一种基准控制带反馈调节的方法。简要介绍了轨迹仿真生成软件与任务单管理数据库软件的接口设计,对仿真结果进行了动态显示处理。     

多尺度层级金字塔网络的无人机入侵检测方法

近年来,无人机的快速发展给众多领域带来便利,然而无人机入侵给机场安全带来了巨大的挑战。由于无人机目标小、背景复杂、飞行速度快等特点,现有的主流目标检测方法通常难以准确地识别出入侵的无人机,易产生误检漏检的现象。提出了多尺度层级金字塔网络的无人机入侵检测方法,同时利用特征融合模块赋予特征金字塔不同层级、不同尺度的图像语义信息,并通过网格删除和4-Mosaic数据增强技术,对小样本数据集进行扩充,有效地提高了模型的泛化性能。实验表明,方法较于目前最优的无人机检测方法性能提升了5.5%。     

基于增量学习的文本校对研究

基于深度学习的文本校对是近年的研究热点,而在当下这个大数据时代的背景下,新的数据和知识源源不断的涌现,模型需要不断的更新以适应最新的数据分布。本文引入增量学习的方法,在已有模型的基础上,使用最新的数据进行增量训练,并采用基于回放机制的增量学习方法针对增量训练过程中遇到的灾难性遗忘问题进行研究。实验结果表明,本文提出的增量学习方案可以稳步提升模型性能。     

基于分层式强化学习的移动机器人导航控制

针对未知环境下的移动机器人导航问题,本文提出了一种基于分层式强化学习的混合式控制方法。利用栅格-拓扑相结合的环境表示及地图学习方法,通过分层式强化学习在不同控制层次的扩展设计移动机器人的反应式和慎思式导航控制,实现了全局导航和局部导航控制的协调优化。实验及测试结果证明,该控制方法能实现导航任务的全局优化,避免陷入局部极小,并对未知动态环境具有较强的适应性。     

H∞控制与逆系统在无人机直接侧力控制中的应用

无人机直接侧力控制的关键是实现无人机运动参数的解耦。逆系统方法是一种很好的解耦方法,但其对模型的要求比较高。为了解决这一问题,本文设计一种H∞控制与逆系统的集成控制结构,对系统的输出解耦控制和鲁棒性分别进行分析,解决了传统的控制结构框架下系统控制精度和鲁棒性不能兼容的矛盾。最后,通过对某型无人机的直接侧力控制仿真验证了这种新型控制器的有效性。     

基于RFG-SVM算法的在线课程学习行为分析

因支持向量机算法对在线课程平台的学习行为分析有误差,提出了一种基于大数据的随机森林模型的特征加权支持向量机RFG-SVM算法,该算法是在传统支持向量机算法上做完善、修改。利用Gini指数对特征变量计算,再计算RF模型分类识别的准确度,获得特征设定权重值,完成权重值在支持向量机的核函数中的计算。实验结果表明,通过对不同学习行为的学生的学习效果的预测,发现该方法能有效帮助教育者通过在线平台分析学习者的学习行为,预测学习效果,具有更高的准确率和稳定性。     

基于半监督生成对抗网络的GPR路基病害分类识别方法

利用探地雷达（GPR）技术对道路路基进行周期性的无损检测和评估,可有效识别处于早期阶段的路基病害。为实现对路基病害的自动识别,解决人工解译方法存在评价标准不客观且效率低下的问题,提出了一种基于半监督生成对抗网络的GPR路基病害分类识别方法。提出的网络结构由一个生成器G和一个判别器D组成,生成器包括一层全连接层和四层反卷积层,判别器包括三层卷积层、两层LSTM层和一层全连接层。将待识别的GPR路基病害图像输入至训练好的判别器,便可得到分类识别结果,且可在只标注少量GPR路基病害图像的情况下获得较高的识别准确率,最高可达98.65%,验证了方法的有效性。     

基于深度学习的发动机叶片故障检测技术

为了解决航空发动机叶片故障检测中存在的检测精度欠佳、检测效率不高的问题,提出了一种基于深度学习的目标检测方法。针对小样本数据集检测精度低、模型训练速度慢等问题,对Faster R-CNN目标检测算法进行结构优化,引入Res2Net结构,通过分割串联的策略强化残差模块的卷积学习能力,搭建了细粒级的多尺度残差模型Res2Net-50,以提升模型的特征提取能力。同时,在网络的训练过程中,采用多次余弦退火衰减法对学习率进行调整,以加快模型的训练速度,提升模型的训练质量。针对航空发动机叶片裂纹和缺损2种故障类型进行网络训练与检测试验,试验结果表明：优化后的模型识别准确率提高了0.7%,模型的平均检测精度提高了1.8%,训练时间缩短了5.56%,取得了比较好的检测效果。     

航空用原位颗粒增强铝基复合材料研制与发展

与外加颗粒法相比,原位自生法制备的颗粒尺寸小、表面干净且与基体界面结合强度高,使得铝基复合材料具有高比强度、高比模量以及良好的强塑性匹配等优势。因此,原位自生铝基复合材料是航空航天结构件轻量化设计的理想材料之一。从原位自生TiB₂颗粒增强铝基复合材料制备、组元配比优化设计、性能与强韧化机制等三个方面总结其研究现状,同时梳理了原位自生TiB₂颗粒增强铝基复合材料存在问题与未来发展方向,以期望促进原位自生铝基复合材料在民航客机等航空高端领域快速发展。