疫情背景下高职院校在线教学的实践与思考

分析了疫情背景下的在线教育给高职带来的挑战与机遇.以培养技术技能型人才为目标的高职生失去了线下实践机会,这给高职教育带来了挑战.通过有针对性的仿真手段及教学计划调整,显示了高职在实践教学上的特点;通过调整课程线上教学的方式方法及在家实践的方法,可应对这一挑战.通过各种手段宣传高职特色、本校特色,加强高职特色建设、品牌建...     

一种用于智能汽车的硬件友好对抗样本在线防御方法

提出了一种针对对抗样本攻击的硬件友好的在线防御方法。该方法由三部分组成，一个使用自编码器作为检测器来逼近自然样本流形分布的广谱检测算法，一个适用于深度神经网络 （Deep Neural Network，DNN） 瓷片加速器架构的高效层调度方案以减少数据访问开销，以及一个软硬件协同设计方法以达到检测精度和算法开销的平衡。试验表明，基于自编码器的广谱在线检测方法能够达到与已有算法相当的检测精度，提出的层调度方案将推理网络与检测器耦合的联合网络的DRAM访问量减少了43%，进而降低了能耗，提高了吞吐量。此外，软硬件协同设计方法在保证检测精度不 降低的情况下，将耦合网络的能耗和运行时间分别降低了58%和54%。     

基于OPC UA技术的T型梁焊接机器人在线监测系统

针对薄板分段车间的焊接装备复杂化程度高、焊接作业监控困难、焊接信息反馈不及时等问题，研究薄板分段车间T型梁焊接机器人的工艺流程和工艺参数，开发一种基于对象链接与嵌入过程控制的统一架构[OLE（Object Linking and Embedding）for Process Control Unified Architecture，OPC UA]技术的T型梁焊接机器人在线监测系统。该系统主要对T型梁焊接机器人的生产进度、设备运行状态和中间产品质量等进行在线监测，实现数据实时采集和生产过程监控与分析等功能，可消除设备之间的信息孤岛现象，实现车间生产透明化，提高生产效率，确保焊接质量。     

龙溪口防护堤变形在线监控模型构建与优化

龙溪口库区防护堤的地质条件与运行环境复杂，如何利用原型监测数据实现其安全运行状态的在线监控是亟待解决的关键问题。针对传统监控模型在非线性特征的监测序列方面存在泛化性差、精度低等问题，基于长短时记忆神经网络(LSTM)算法，以水位、温度、时效为输入量，变形为输出量，构建防护堤LSTM在线变形监控模型。通过对比分析不同模型参数对精度的影响规律，揭示学习率>分块尺寸>最大迭代次数>隐藏层单元数的多参数敏感性规律，并提出相关参数的建议取值。工程应用表明，该模型精度高，适用性和稳定性强。     

船用交流中压配电开关温升在线监测方法

为更好地监测船用交流中压配电开关的温升情况，对比陆用配电开关的温升在线监测方法，分析各测温方法的船海适用性。针对已有的超温判据，提出考虑测温盲点的新超温判据，该判据对船用电器温升在线监测具有一定的参考意义。