协会动态

出访考察 事件：组织有关单位的人员到境外考察学习、培训企业现代化人才、提高企业人员素质，为会员服务是协会对外联络部成立的宗旨。该部门成立以来，先后向会员和相关单位发出赴台湾、欧美等地进行考察、培训的通知，得到许多单位的积极响应。最近已有不少企业有关人士咨询并报名，对外联络部正加紧办理有关出访手续。     

《内燃机原理》课程的教学改革

《内燃机原理》是热力发动机(内燃机)专业的主干专业课，研究内燃机中的能量转换和性能。通过本课程的学习，学生应掌握内燃机能量转换、工作过程与循环、性能等方面的基本理论、基本实验技能和计算能力、分析方法以及新兴技术理论，为学习后续课程，从事内燃机性能研究和改进以及进一步获取近代科学技术知识，奠定必要的内燃机理论基础。     

前馈神经网络在求解N—皇后问题中的应用

采用前馈神经网络求解Ｎ－皇后问题，并用变学习因子的快速学习算法解决局部极小化夷了几组搜索结果。     

关于天文航海教学的探讨

天文航海是航海专业课程中的难点，学生很难把握和学好，文章从教学的角度分析了如何展开天文航海教学提高教学效果，增强学生天文综合应用能力。     

学习司马迁精神提高档案工作者自身素质

司马迁是汉代著名的史学家、文学家，也是一位杰出的档案工作者。他为了继承父志和时代赋予自己的神圣责任，在遭受宫刑奇辱和牢狱之灾的情况下，仍然以顽强毅力和坚定的信念，耗尽毕生心血．最终完成了被誉为“史家之绝唱，无韵之离骚”的不朽巨著——《史记》。在为我们留下宝贵文化遗产的同时，也为后人留下了一种精神。     

试论历史教学中的"人本主义"

人本主义，并不是一个崭新的概念，打开历史的画轴，因大力倡导人本主义从而极大地推动人类历史进步的史实至少有两次：一是中国春秋战国时期的百家争鸣；二是西欧诸国的文艺复兴。当前，面对环境的日益恶化，资源的相对枯竭和恐怖主义的不断蔓延，我们再次奏响了人本主义的乐曲。随着时代的进一步深入，传统的教学模式，已不适应新课程改革、素质教育的要求。作为教育实施者的教师，必须树立新的教育理念，树立“人本主义”观念，努力为学生营造开放、多元的支持性合作学习环境，给学生搭建一个充分发展个性、展示自己能力的平台，把学习的自主权交给学生，使学生能够真正成为教育教学的丰体。     

探究式学习在动画设计软件教学中的尝试

在动画设计课堂中开展探究式学习,让学生通过开放性的学习过程学会发现问题、分析问题、解决问题。本文运用当前相关的研究成果以及学校的教学实践,研究和探讨探究式学习在动画设计软件教学中的尝试     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

基于人-车交互的行人轨迹预测

针对行人轨迹预测具有复杂、拥挤的场景和社会交互问题,基于长短时记忆网络（Long Short-term Memory Network, LSTM）对行人与车辆、行人与其他行人的交互进行建模,提出一种基于人-车交互的行人轨迹预测模型（VP-LSTM）。该模型同时考虑了行人与行人的交互、行人与车辆的交互,更适用于复杂的交通场景。所构建的VP-LSTM包括3个输入,以行人的方向和速度作为历史轨迹序列输入,行人与行人的相对位置作为人-人交互信息输入,行人与车辆的相对位置作为人-车交互信息输入。该方法首先设计扇形人-人交互邻域和圆形人-车交互邻域来准确捕捉对被预测行人有相互作用的行人和车辆;其次建立3种不同的LSTM编码层来编码历史行人轨迹序列、人-人、人-车社交信息;然后定义人-人、人-车交互的防碰撞函数和方向注意力函数作为人-车、人-人社交信息的权重,进一步提高社会信息的精度;再将人-人、人-车交互信息输入到注意力模块中筛选出对行人影响大的社会信息;最后将筛选后的社会信息与行人历史轨迹序列一起输入到LSTM神经网络中进行行人轨迹预测,并在构建的DUT人-车交互数据集上验证提出的网络。研究结果表明：提出的方法能够准确地预测出交通场景中,人-车交互行人未来一段时间内的运动轨迹,有效提高了预测精度,提高了智能驾驶决策的准确性。     

基于启发式Q(λ)学习的铁路绝缘子定位研究

智能化冲洗是解决电气化铁路绝缘子人工冲洗弊端的有效途径,而智能化冲洗的关键在于绝缘子识别、定位。通过对现有智能冲洗设备的分析,提出一种铁路绝缘子定位、跟踪方法,该方法基于传感器信息,采用启发式Q(λ)学习算法,可快速、准确找到绝缘子。首先建立铁路绝缘子水冲洗环境模型,接着为解决传统Q(λ)学习算法盲目学习导致收敛速度慢的问题,通过搜索支柱特征调整奖赏函数,设计启发式策略函数并融入Q(λ)学习中,提高算法的学习和收敛速度。最后分别对传统Q(λ)学习算法和启发式Q(λ)学习算法进行Matlab仿真实验,确定最佳参数设置,仿真结果表明启发式Q(λ)算法的正确性和可行性。