关键词： 智能制造   切削加工   系统  

摘要： 利用工业机器人技术、数控加工技术、工业以太网技术、机器视觉和数字化设计制造技术等实现实现制造业生产过程的自动化、数字化和智能化。探讨了智能制造切削加工系统的组成、控制架构、工作流程,该设计可以减少产品的不合格率,缩短了加工的辅助时间,大大提高了生产效率,提高系统加工的柔性,缩短了机床的辅助时间,大大提高了生产效率,提高了机床的柔性,具有重要的现实意义,尤其为高职院校的专业建设和转型提供了思路,具有很强的借鉴性。

关键词： 高光谱成像   竹材   含水率   无损检测   机器学习  

摘要： 快速、无损的竹材含水率测定对竹材加工和品质控制至关重要。该研究利用可见/近红外(400~1000 nm)高光谱成像技术,开发了罗竹竹材含水率水平的快速无损判别方法。通过采集不同含水率水平的罗竹竹材高光谱图像,对比不同预处理方法后,分别采用主成分分析(PCA)、独立成分分析(ICA)、竞争性自适应重加权采样(CARS)和连续投影算法(SPA)提取光谱特征,进而构建基于支持向量机(SVM)的判别模型。此外,还探索了基于ResNet-Lite网络和全波段高光谱图像的判别竹材含水率水平的方法。结果表明,基于全光谱数据的SVM模型在验证集上的准确率为93.33%;而采用CARS-SPA筛选的12个特征波长能较好地反映不同含水率下竹材的光谱差异,相应建立的CARS-SPA-SVM模型的判别准确率为94.81%。相比之下,ResNet-Lite模型取得了最高的准确率(96.67%),且无需复杂的预处理和特征提取工作。研究表明,高光谱成像结合机器学习为竹材含水率的快速无损检测提供了一种有效途径。

关键词： 人工智能   后人类   自动化   数字新闻   数字新闻学  

摘要： 本文基于人工智能作为关键行动者崛起的经验现实,探索数字新闻生态的演化规律,尝试提出理解全球新闻业发展趋势的观念框架。研究认为,人工智能技术引领的自动化生产是未来新闻业的基本进化方向,这在很大程度上导致了后人类状况在新闻生态下的蔓延。因此,人类新闻行动的本质是反复申明、持续强化人类作为新闻实践主体的身份政治,应致力于重新为新闻实践中的关系和意义赋予人类历史价值。本文进而指出数字新闻学是一种“在人本主义基石上持续变革”的观念体系,既要拒斥一劳永逸的框架或模型,也要保持对“变动”做出解释和行动的活力。

关键词： 个性化定制   供应链管理   视觉识别   机器学习   质检技术   产品质量   生产调度   AI技术  

摘要： 近两年,人工智能(AI)突破性发展,正在逐渐改变着我们熟悉的每一个行业。在生活用纸行业中,AI在提高生产效率、优化质量控制、智能化供应链管理和产品个性化定制等方面的应用将更为重要。结合AI技术,通过实时监测生产线运行状态、预测设备故障、进行精确的生产调度等方式,可以提高生产效率和产品质量。同时,基于视觉识别和机器学习的智能质检技术也大大提高了质检的准确性和效率。

关键词： 汛期水位预测   粒子群算法   长短期记忆   机器学习   平原河网  

摘要： 基于水位、流量、降水量长序列数据资料,构建了采用粒子群优化(PSO)算法进行超参数寻优的长短期记忆(LSTM)神经网络模型(PSO-LSTM模型),对位于江南运河苏州吴江段平原河网中心的平望站的汛期水位进行了预见期为1~3 d的短期预报,并与基于PSO算法的支持向量机(SVM)、随机森林(RF)、卷积神经网络(CNN)以及门控循环单元(GRU)模型的水位预测结果进行了对比,同时探究了水利工程对水位预报精度的影响。结果表明:对于预见期为1~3 d的短期预报,PSO-LSTM模型具有较高的预测精度,但随着预见期的增长,预测精度逐渐降低;相较于PSO-SVM、PSO-RF、PSO-CNN和PSO-GRU模型,PSO-LSTM模型的平均绝对百分比误差更低,预测效果更好;PSO-LSTM模型能够较有效地进行汛期平原河网的水位预测,且加入水利工程等人工调控影响因素能够提升水位预测效果。

关键词： 人工智能   高校英语翻译人才   培养策略  

摘要： 在人工智能时代背景下,社会对高校英语翻译人才的需求和要求有所提升,而高校英语翻译人才的培养并非一时之作,需要多方协同合作完善人才培养体系。而翻译人才的培养需从英语翻译教育内容着手,完善相关翻译课程体系,加入人工智能辅助人才培养,借此提高翻译人才翻译的效率和准确度。本文致力于探究人工智能时代下高校英语翻译人才培养策略,为社会输送更多高校英语翻译人才。

关键词： 机器学习   预测模型   时间序列   二次供水   余氯  

摘要： 氯是城镇饮用水系统中运用最为广泛的消毒剂,能够有效控制水中细菌滋生,二次供水系统的余氯是确保“最后一公里”水质安全的重要指标,建立二次供水系统余氯变化规律预测模型实现提前预警,对保障末端饮用水安全具有重要意义。文章通过相关性分析方法得出与余氯具有较强相关性的指标为浑浊度与温度,基于2022年上海市二次供水监测点的余氯、浑浊度和温度数据,采用机器学习方法对未来时刻的二次供水余氯进行预测,建立以当下时刻的余氯-浑浊度多指标、余氯-温度多指标和余氯单指标为输入的3种模型,并采用确定性系数(R^(2))、平均绝对误差(MAE)、平均偏差(MBE)以及均方根误差(RMSE)等多元评估标准来衡量模型性能。结果表明,3种模型的相对误差基本控制在10%以下,预测模型均可以满足实际二次供水监管点余氯的预测需求,按照预测准确度降序排列为:余氯-浑浊度预测模型、余氯自预测模型、余氯-温度预测模型。

关键词： 海洋装备   智能研发   智能生产   智能制造   创新方法  

摘要： 新一轮工业革命在全球范围孕育兴起,以5G、工业互联网、大数据、人工智能、数字孪生、元宇宙为代表的新一代信息通信技术与制造业加快融合发展,正在全方位重构生产关系、制造效率、成本、质量管控等要素的新体系,创新驱动已经成为新一轮工业革命发展中的战略目标。本文在海洋装备智能研发和智能生产中进行了创新方法的深入研究,提出了创新方法和智能制造的深度融合,推动海洋装备领域朝着智能化、高效化方向发展。

关键词： 结构优化   机器学习   图像聚类   耐撞性  

摘要： 耐撞性优化是实现车辆更好被动安全保护性能的有效途径,但目前的优化都专注于数值型响应的提升,而忽略了变形模式这一类别型响应的控制。关键部件的变形模式关乎车辆传力路径设计是否有效,如果不理想的变形模式出现在优化解中,则无法保证优化结果的有效性。为此,本研究提出了基于机器学习的变形模式控制优化方法,以实现在提升耐撞性指标的同时保证优化解中的样本均以理想模式变形。结构变形以图片形式进行数据表示,利用深度学习自编码提取变形特征并进行聚类识别不同的变形模式,然后对识别出的变形模式和数值型响应均建立基于Light Gradient Boosting Machine (LightGBM)的机器学习预测模型,最后在机器学习预测模型上开展优化求解。使用整车正碰案例对提出的机器学习优化方法进行验证,结果显示该优化方法在提升耐撞性数值响应的同时保证了纵梁以理想模式变形。本研究展示了机器学习在提升结构优化有效性方面的前景。

关键词： 人工智能   智慧海洋  

摘要： 智慧海洋探索涉及海洋资源利用、海洋环境保护等各个方面,为更好地提升智慧海洋建设的实效,需要将人工智能技术融入其中,探索智慧海洋建设的新思路和技术措施。本文将结合智慧海洋的发展情况进一步分析,探讨人工智能技术在智慧海洋建设中的应用,了解二者结合的意义,明确注意事项,以期为相关人员提供参考。