2026年 01期
单件流转的多装配级联产线车间调度技术研究
商宁;贾海利;在空空导弹的生产过程中，因订单品种多、批量跨度大等特点，常出现关键部件质量稳定性不足、交货期难以保障、频繁检测造成生产扰动等问题。针对上述复杂装备制造中的问题，文章研究了多装配级联产线场景下的单件流转调度优化问题。根据装配级联约束、制造单元选择、流水制造单元约束、单件单元化流转约束以及产品型号切换产生的准备时间约束，构建了以最小化最大完工时间与总延期时间为优化目标的调度模型。提出一种改进的自适应粒子群优化算法（APSO），以提高该调度模型的求解效率与解集质量。在该算法中引入自适应惯性权重、工序交叉算子和动态概率继承策略，以提高算法搜索能力和收敛性能。基于空空导弹多装配级联产线实例完成多组测试，实验结果表明：在求解两个优化目标中，所提算法在解的质量和算法的收敛性方面均优于传统粒子群算法（PSO），为复杂装备产线调度优化提供了有效的解决方案。
深耕科研强校 赋能高质量发展——天津职业技术师范大学2025年科研成果
<正>2025年，天津职业技术师范大学坚持以科技创新驱动高质量发展，持续强化科研平台建设、优化科研管理机制、提升科研创新能力，全校科研工作稳步推进、成效显著。全年科研经费总量突破2亿元，科技创新能力持续增强，获批国家自然科学基金项目8项、国家社会科学基金项目2项，省部级科研项目64项。科研成果捷报频传，荣获天津市科技进步奖一等奖2项、二等奖2项，天津市社科优秀成果奖一等奖2项、三等奖2项；大学科技园产值突破3亿元，学校科研创新、成果转化与服务地方发展能力全面提升。
冰冻夹持条件下Ti-6Al-4V合金动态铣削力模型
边奕溥;张翔宇;李占杰;为提升Ti-6Al-4V合金的低温铣削加工性能并准确预测其铣削力，在考虑温度因素的前提下，结合实际测量的铣削力数据和立铣刀几何参数，推导出考虑温度变化的剪切力系数和犁切力系数，建立了一种低温（-5℃、-10℃和-15℃）影响下的动态铣削力模型。试验数据与模型预测值的对比结果表明：所构建的模型能较好地拟合Ti-6Al-4V合金低温铣削过程中切削力的峰值及其变化规律；温度越低，材料在剪切和犁切时的阻力系数越小；降低冰冻温度有助于提高材料的加工性能。
针刺神经元同步放电分析
秦晴;王权利;张凯月;为探究不同针刺手法条件下的神经元同步放电响应机制，采用耦合广义线性模型（GLM）对针刺神经元的放电活动进行编码分析，并通过最大似然估计法（MLE）估计模型参数。基于模型分析结果，明确了针刺输入、神经元历史放电活动两大因素对神经元同步放电规律的影响。对针刺补法和针刺泻法分别进行建模分析，结果表明：神经元历史放电活动是影响神经元同步放电的核心因素；目标神经元与其他神经元历史放电的互耦合参数，显著大于自身历史放电的自耦合参数，且该互耦合是影响神经元同步放电的主要因素；针刺补法条件下，神经元互耦合参数大于针刺泻法条件。
视觉-肌电信号融合的运动疲劳检测
郭庭航;殷芊涵;孙月;秦转萍;路光达;针对传统运动疲劳评估方法依赖单一模态数据导致的环境适应性差、特征冗余等问题，提出融合视觉分析与表面肌电（sEMG）信号的多模态评估框架。在视觉处理模块，利用动态学习率混合高斯背景建模优化运动目标分割精度，结合Shi-Tomasi角点检测算法实现特征点追踪，降低误差率；在s EMG信号处理方面，特征优选策略结合PCA降维，构建CNN-SVM混合分类模型。实验结果表明，基于D-S证据理论融合机制的多模态评估框架使疲劳状态分类准确率达到98.2%。该研究为运动医学与智能监护系统提供了鲁棒性更强的评估范式。
脉冲神经网络中的重映射注意力机制
张恒;耿丽清;杨耿煌;胡江洪;脉冲神经网络（SNN）在处理时空信息方面具有独特优势，但在时间维度引入视觉注意力的研究尚显不足，制约了其对显著区域的建模能力。预测性注意力重映射是视觉注意力的核心机制之一，基于此提出时空多尺度重映射注意力（STMSA）模块。该模块作用于时间维度，基于时间序列动态构建时空查询向量，对不同区域计算注意力得分，并通过调控脉冲神经元的膜电位分布增强其对显著区域的建模能力。在DVS-Gesture与MNIST-DVS事件流数据集上的系统评估表明，引入STMSA的脉冲神经网络（STMSA-SNN）相比基线模型（BL-SNN）最佳Top-1准确率分别提高2.40和0.20个百分点，优于多种时空融合注意力模型。研究证实，适当引入大脑认知机制是提升SNN模型性能的有效途径。
基于注意力机制的自动睡眠分期模型
魏宝宏;张靖宇;宋昶昊;李金辉;针对传统睡眠分期方法依赖专家经验、效率低且主观性强的问题，为实现自动、精准的睡眠分期，提出一种基于残差网络-注意力机制-时间残差收缩模块的自动睡眠分期模型（RATSleepNet模型）。通过残差网络提取短期局部特征，利用基于归一化的注意力机制（NAM）聚焦关键特征及其交互关系，结合时间残差收缩模块建模长序列依赖，对单通道脑电（EEG）信号进行自动分期研究。在公开数据集Sleep-EDF-20上与现有主流模型进行对比实验，结果表明：RATSleepNet模型准确率达86.00%，较现有主流模型显著提高，尤其在N1等难分类阶段表现优异。RATSleepNet模型能有效实现高精度自动睡眠分期，为睡眠障碍诊断提供可靠的技术支持。
改进的YOLOv10n无人机小目标检测算法
林俊杰;李莉;邴志刚;针对无人机航拍图像中小目标检测存在的背景复杂、尺度多变及遮挡问题，提出一种改进的轻量化YOLOv10n-DWS模型。该模型颈部网络采用动态上采样算子（DySample）替换标准上采样算子（UpSample），以提升特征细节与语义信息提取能力；主干网络引入小波卷积层（WTConv）改进C2f模块，借助多尺度深度分析提高检测精度，避免过参数化问题；引入Focal-DIoU损失函数，动态调整简单/困难样本回归权重，缓解数据分布不均问题；头部嵌入分离增强注意力模块（SEAM），融合空间特征优化与深度可分离卷积，以强化遮挡目标特征响应，并降低计算冗余度。VisDrone2019数据集上的实验结果表明：对比YOLOv10n模型，YOLOv10n-DWS模型平均精度均值（mAP50）提高了2.53个百分点，参数量和浮点运算数分别减少了0.15 M和0.6 GFLOPs;YOLOv10n-DWS模型在遮挡场景下性能显著改善。YOLOv10n-DWS模型兼顾检测精度、轻量化与部署效率，适用于无人机嵌入式平台的小目标实时检测需求。
改进的DeepLabV3+磁瓦表面缺陷分割算法
孔利文;梅健强;磁瓦在磁电机生产中起着至关重要的作用。针对磁瓦表面缺陷与背景对比度低、缺陷大小不一、缺陷形状不规则以及现有算法分割精度低等问题，提出一种改进的DeepLabV3+磁瓦表面缺陷分割算法。该算法在主干网络上，采用轻量化的MobileNetV2，以保证模型的检测速度；在编码器部分，改进了空洞空间金字塔池化（ASPP）模块，设计了一种自适应卷积模块替换原始空洞卷积操作，以此进一步扩大网络的感受野，融合多个空间尺度的上下文信息；在解码器部分，引入一种交叉注意力模块，通过条状内核从不同维度捕获长距离依赖关系，提高了网络对缺陷区域特征的关注；在模型训练过程中，采用Focal损失函数替换交叉熵损失函数，以改善磁瓦缺陷数据中正负样本不平衡的问题，提升了模型的鲁棒性和泛化性能。在公开的磁瓦表面缺陷数据集上进行训练，实验结果表明，改进的DeepLabV3+算法实现了89.26%的平均交并比、94.76%的平均像素准确率和88.12%的精确率。
融合解耦和文本增强的多模态少样本与零样本分类方法
常世杰;闫旸;针对对比式语言-图像预训练（CLIP）模型在少样本和复杂零样本场景中存在的泛化能力有限及对抗鲁棒性不足等问题，提出一种融合改进的残差多层感知机（ResMLP）架构与对比学习方法的CLIP-ResMLP模型。该模型采用文本增强技术解耦数据中的内容与风格特征，以优化网络结构设计；引入零初始化线性层和类别-增强文本对比学习机制，并采用InfoNCE损失函数优化特征相似度计算，以提升模型的泛化能力与语义对齐能力。在PACS、VLCS、OfficeHome和DomainNet这4个跨领域数据集上进行训练，实验结果表明：CLIP-ResMLP在零样本、少样本及对抗攻击场景下展现出明显优势；在零样本分类任务中，CLIP-ResMLP模型在PACS素描领域准确率提高至91.9%(CLIP为87.7%)，展现出优异的跨风格与跨域泛化能力；在8-样本任务中，改进模型在OfficeHome产品图像领域达到了93.9%的准确率，验证了其在样本稀缺情况下的稳定表现；在零样本学习场景FGSM攻击下，CLIP-ResMLP在PACS漫画领域的准确率为95.4%，表明其在对抗轻微扰动时具有较强鲁棒性。改进的模型为复杂跨模态任务提供了更优方案。
- 2026年
- 2025年
- 2024年
- 2023年
- 2022年
- 2021年
- 2020年
- 2019年
- 2018年
- 2017年
- 2016年
- 2015年
- 2014年
- 2013年
- 2012年
- 2011年
- 2010年
- 2009年
- 2008年
- 2007年
- 2006年
- 2005年
- 2004年
- 2003年
- 2002年
- 2001年
- 2000年
- 1999年
- 1998年
- 1997年
- 1996年
- 1995年
- 1994年
- 1991年
- 1990年
- 1989年