Key technologies of ship remote control system in inland waterways under ship-shore cooperation conditions北大核心CSCD

［Objective ］ To meet the requirements of remotely controlling ship in curved, narrow and crowded inland waterways, this paper proposes an approach that consists of CNN-based algorithms and knowledge based models under ship-shore cooperation conditions. ［Method］On the basis of analyzing the characteristics of ship-shore cooperation, the proposed approach realizes autonomous perception of the environment with visual simulation at the core and navigation decision-making control based on deep reinforcement learning, and finally constructs an artificial intelligence system composed of image deep learning processing, navigation situation cognition, route steady-state control and other functions. Remote control and short-time autonomous navigation of operating ships are realized under inland waterway conditions, and remote control of container ships and ferries is carried out. ［Results］The proposed approach is capable of replacing manual work by remote orders or independent decision-making, as well as realizing independent obstacle avoidance, with a consistent deviation of less than 20 meters. ［Conclusions］The developed prototype system carries out the remote control operation demonstration of the above ship types in such waterways as the Changhu Canal Shenzhou line and the Yangtze River, proving that a complete set of algorithms with a CNN and reinforcement learning at the core can independently extract key navigation information, construct obstacle avoidance and control awareness, and lay the foundation for inland river intelligent navigation systems. © 2022 Journal of Clinical Hepatology. All rights reserved.     

混合智能控制技术在船舶电站励磁控制中的应用

将混合智能控制技术应用于船舶电站同步发电机励磁控制，通过一种结合自组织学习和BP学习的混合学习算法，学习并调整控制器参数和结构，该算法比通常的BP算法收敛性好，速度快。仿真结果表明，该算法能很好地稳定机端电压。     

深度学习在激光熔覆领域的发展与应用

介绍激光熔覆的基本原理、应用领域和深度学习模型的发展状况,阐述深度学习在激光熔覆领域的应用。深度学习利用神经网络模型监控激光熔覆过程,在熔覆工艺参数优化和熔覆过程质量控制等方面具有较好优势,可有效提升激光熔覆过程的精度和稳定性。     

基于主成分分析和学习向量量化神经网络的制动工况路面识别与验证

开展车辆制动时路面类型识别的研究,提出一种基于主成分分析-学习向量量化神经网络 （Principal Component Analysis - Learning Vector Quantization,PCA-LVQ） 的制动工况路面识别方法。利用主成分分析对多维度驾驶数据降维处理,提取能表征路面特征的主要成分,采用学习向量量化神经网络对降维处理后的驾驶数据进行训练,并用于路面特征分类,使用制动工况下实车试验数据和硬件在环仿真数据进行验证。结果表明,所提出的 PCA-LVQ算法能准确识别路面类型特征,路面识别的精度达到 97%,与传统 BP神经网络的路面类型特征识别精度提升 7%;同时,在不同车速下,基于PCA-LVQ算法也能较准确地识别路面类型特征。     

关联规则挖掘在研究生个人学习计划制定中的应用

介绍了关联规则挖掘算法Apriori及其在研究生专业课程间的关联规则发现中的应用，所发现的规则用于辅助新研究生进行个人学习计划制定。可减少研究生在个人学习计划制定中的盲目性，提高所选课程与学科专业研究方向的吻合度。     

高职教学中实施探究性学习的尝试

本文通过在高职教学实施探究性教学过程中学生和教师的角色互换所产生的积极影响，尝试探索在高职教育中培养创新型人才的新途径。     

当代大学生应该从追求“学历”走向追求“学力”

当今的社会“学力”重于“学历”．这就要求当代大学生摒弃被动学习的行为，树立终身学习的观念，掌握科学的学习方法，以适应新时代的要求．     

微格教学原理在专业技能强化训练中的应用

运用微格教学法对学生进行专业技能强化训练，是教学改革的新尝试，教学实验表明：引用微格教学法于专业技能训练是对传统教学模式的有效补充和完善．对学生掌握和提高专业操作技能有积极的促进作用．     

国内学习干预研究现状共词可视化分析

本文采用关键词共现分析、类团分析与战略坐标图法对国内学习干预研究的状况进行了分析,探明了学习干预的研究热点及未来发展趋势.目前,国内对学习干预的研究主要从心理学、医学、教育学三个视角开展,研究量总体偏小,关注度还不足,具有进一步开展研究的空间.     

WebQuest--探究式学习的一种形式

WebQuest是一门新兴的课程计划,在实际教学中教师为指导学生进行主动的知识构建设计Web网页,并相应设置任务和评价策略.文章着重探讨了WebQuest在实际教学中的设计方法及其一些需要注意的事项.