高职院校实施工学结合人才培养模式面临的问题与对策

工学结合是高职教育改革与发展的方向,工学结合人才培养模式是高职教育的生命线。大力推进校企合作、创新实践工学结合人才培养模式的有效实施方案、探索适合高职院校发展的新思路,是实现高职院校服务社会需求的重要任务。本文分析了我国高等职业教育工学结合的现状及其影响因素,以西安航空职业技术学院为例构建了工学结合人才培养模式的运行体系,提出了实施工学结合的实践策略。     

双因子仿真结果水平分析方法

针对双因子的情况,提出了一种仿真结果水平分析方法,旨在对各因子的不同水平以及各因子水平组合的交互作用进行分析.当仿真结果不正确时,并非所有因子的所有水平以及它们之间所有的交互作用全都仿真错误.该方法可以确定哪些因子的哪几个水平未被正确仿真,或哪几对因子水平组合的交互作用未被正确模拟.在工程应用中,只需按照文中给出的流程图进行判断,即可为仿真软件系统的编制和修改提供依据.      

基于过程神经网络的液体火箭发动机状态预测

提出一种基于极限学习算法的离散过程神经网络模型,用于解决液体火箭发动机状态预测这一难题。首先,在历史数据的基础上建立离散过程神经网络（DPNN）预测模型;然后,根据在线更新的数据样本,采用递推极限学习（EL）算法对双并联前馈离散过程神经网络（DPFDPNN）隐层到输出层的权值进行更新,并应用权值更新后的过程神经网络对发动机状态进行预测;最后,以液体火箭发动机状态预测中氢涡轮泵扬程预测为例,分别采用有权值更新和无权值更新两种预测模型进行了试验。结果表明,通过更新过程神经网络权值可以使模型具有更高的预测精度和更好的适应能力,该方法能够为液体火箭发动机状态预测提供一种有效的解决途径。      

无人火星取样返回任务关键环节分析

无人火星取样返回探测在科学成果获取和工程能力提升方面均具有重要意义,与国外已经多次实现的火星着陆巡视任务相比,其任务周期更长,技术风险更高。取样返回飞行方式决定了任务的系统顶层设计。通过对国外研究成果的对比论证,认为应当在火星轨道附近完成交会捕获与样品转移任务,因此需要采用2个不同功能探测器:一个完成火星捕获、样品转移收纳与火地返回;另一个完成火星大气进入、表面上升与样品投送。在此基础上对大气进入、起飞上升、火星轨道交会捕获、样品转移、地球再入等关键环节进行任务分析,论证主要技术难点和初步的可实现途径。     

航空网络关键节点辨识的核极限学习机算法研究

通过技术手段准确识别航空网络的关键节点,对航空网络平时的正常运行以及战时的防御和修复,具有重要的理论意义和参考价值。提出一种基于核极限学习机的航空网络关键节点识别方法,首先,采用层次分析法对节点综合重要度进行评估;然后,选取三个简单指标,基于核极限学习机学习简单指标与综合重要度之间的映射关系,建立重要度评估模型;最后,以中美两国航空网络为例进行仿真。结果表明:仅需计算 40 个节点的复杂指标值,就可对关键节点取得较满意的辨识效果,降低了计算复杂度,提高了辨识效率,即采用本文方法辨识航空网络的关键节点是有效、可行的。     

机器人动作规划的新方法

机器人动作规划是智能机器人控制系统的一个特别重要而又十分复杂的研究课题，本文在对机器人动作规划进行问题描述的基础上，通过应用解释学习来获取搜索策略，为其提出了一种新的方法，仿真结果表明，该方法是可行且有效的。     

小推力最优轨迹协态估计的高效机器学习方法

针对变比冲小推力轨迹间接优化中的协态变量初值猜测问题,提出了一种基于机器学习的协态变量初值高精度高效估计方法。首先,基于标称最优轨迹延拓,建立了状态量边值高扰动上限情形下的数据集生成方法,并分析了扰动上限对求解效率的影响。然后,构建了基于位置速度、轨道根数和改进春分点轨道根数多形式状态量组合输入的人工神经网络(ANN)映射关系,分析并优化了神经网络结构。将提出的方法应用于深空探测小推力转移场景,仿真结果表明该方法相对于标称轨迹直接扰动的数据集生成方法及单一形式状态量输入的人工神经网络映射方法,均有效地提升了求解收敛率,能够高效高精度地估计协态变量初值,实现轨迹快速优化。     

空间变化场景下卫星部组件域适应识别研究

针对小样本限制下卫星部组件识别域适应困难的问题,提出一种变化场景下自适应迁移的目标识别算法.卫星部组件的识别模型框架为YOLO,迁移算法包括3个策略:基于特征关联性的样本加权策略,基于模型的参数自适应策略和最优特征变换自适应迁移策略.基于以上策略,YOLO模型建立域特征空间的相似性,选择性地迁移源域知识,同时在适应过程...     

基于网络语言学习中心的公共英语口语辅助教学设计

为了推进高校公共英语教学,以国家示范性院校建设为契机,学院建立了英语语言学习中心,开始了结合网络自主学习概念的公共英语教学改革的尝试。英语口语教学作为公共英语教学的主要组成部分,主要是以基于网络语言自主学习的辅助教学展开设计方案。     

一种基于深度学习的交互式电话号码识别方法

物流、保险和中介服务等行业需要频繁地拨打电话,而人工拨打电话效率较低,高效的电话号码识别技术具有重要的应用价值。传统的印刷体数字识别方法存在人工设计特征过程复杂、识别字体单一等不足,难以满足实际应用需求。本文提出了一种基于深度学习的交互式的电话号码识别方法,通过鼠标双击图像中的电话号码,自动截取出包含此号码的目标区域,并进行灰度化、二值化、目标区域定位、字符分割和图片补白等预处理操作,在此基础上利用改进的LeNet-5卷积神经网络（CNN）自动学习图像特征,支持多种字体、字形和字号的印刷体数字识别,并利用交互式识别和内存池等方法提高识别速度。实验结果表明,单一字符的识别率为99.86%,整个号码的识别率为99.50%,整个号码平均识别时间为91 ms。本文方法识别精度高、识别速度快,具有较为广泛的应用前景。