论文部分内容阅读
作为模拟电子技术(模电)理论课程的一个重要延伸部分,模电实验为学生提供了将理论运用到实践的平台.为激发学生对模电实验课程的学习兴趣,文章对模电实践教学进行探索.结果表明,采用多种模式相结合进行实验教学,可提高学生学习的主观能动性,激发学生的求知欲,学生动手能力和理论知识掌握都有明显提高.
新工科背景下模拟电子技术实验教学改革
【摘 要】
：
作为模拟电子技术(模电)理论课程的一个重要延伸部分,模电实验为学生提供了将理论运用到实践的平台.为激发学生对模电实验课程的学习兴趣,文章对模电实践教学进行探索.结果表明,采用多种模式相结合进行实验教学,可提高学生学习的主观能动性,激发学生的求知欲,学生动手能力和理论知识掌握都有明显提高.
【机 构】
：
安徽信息工程学院电气与电子工程学院,安徽 芜湖 241000
【出 处】
：
科技视界
【发表日期】
：
2022年3期
其他文献
材料现代分析方法是材料科学与工程专业一门非常重要的专业必修课程.论文从本校培养研究型和应用型人才的目标出发,结合院系实际情况,针对在这门课程讲授过程中遇到的理论性强、知识点分散、具体内容多、学习难度大等实际问题,通过从教学内容、教学模式和教学方法等方面实施教学改革探索以调动学生的学习兴趣,提高课程教学质量.
在高比例新能源场景下,大规模风电并网给电力系统供电充裕度、供需平衡等产生了更加显著影响,因此风电的电量预测在业内受到了更多的关注.准确的风电中长期电量预测结果可以为风电并网后电网制订电源调配计划、设备检修计划及中长期发电计划等提供重要依据.论文从基本理论、主要方法、难点及趋势等方面对目前的风电中长期电量预测研究现状展开了综述.在明确电量预测基本概念、分类及适用问题的基础上,对中长期电量预测方法进行了分类总结,针对基于历史电量数据的预测方法、基于历史资源再分析数据的预测方法、考虑未来资源预报数据的预测方法以
为更准确地预测短期风功率,提出了一种新型短期风功率预测方法.首先采用Pearson相关系数法对风速、风向等影响因素序列与风功率序列进行相关性分析;其次,利用卷积神经网络(convolution neural network,CNN)对输入的时序序列进行特征提取;然后在长短期记忆(long short-term memory,LSTM)网络基础上新增一个遗忘门和一个输入门,形成具有多级门控的LSTM网络,并且结合CNN建立能够提高输入序列特征提取能力和预测精度的改进的CNN-LSTM短期风功率预测模型;最后
文章探讨了雨课堂软件融入微机原理及应用课程教学中的改革思路.利用雨课堂平台辅助教学,需要设计预习电子课件、课上精选讨论题、课后开展限时作业等.雨课堂的运用提高了微机原理及应用课程的教学效果.
中国人工智能行业处于一个创新发展时期,对综合性人才的需求也在同步急剧增长.Python语言作为我国高校学生程序设计入门语言,对Python的学习已经上升到国家战略的层面,文章综合考虑学生认知背景、专业需求及学校培养综合性人才等因素,提出了基于超星平台知识游戏驱动、考核多样化的适合工程类学生的Python语言程序设计的教学模式,使学生自主探索Python和专业相关性以及在专业领域中的丰富应用,更有目的地让学生学习Python编程语言,提高学生的自主性和积极性.
在新工科建设背景下,高等院校面临着传统工科专业的升级改造.工程化学基础注重化学基础知识与新技术、工程实际相结合,诸多高校将其作为培养机械类专业学生工程思维能力的重要课程.针对本校机械设计制造及其自动化专业学生的实际情况以及目前教学中存在的问题,文章以提高教学质量为出发点,对工程化学基础的内容进行精选、整合,引入案例教学法,探究在新工科背景下交叉学科课程的创新教学.
法国概况是法语专业一门重要的课程.文章通过具体的课程教学设计分析说明如何基于“产出导向法”,结合混合型教学模式,达到促进学生的语言产出能力,增强学生的文化视野,改善学生文化输出薄弱的教学目的.
为解决传统聚类算法对风电功率序列趋势特性的挖掘与利用较少,且对不同风电场进行可调节设计不足的问题,提出了一种基于新型多维功率趋势聚类的风电功率预测方法.该方法首先提出一种多维功率趋势相似距离度量方法,其中包括风电功率序列波动程度、波动时间及数值维度共3个维度的度量,对风电数据中的趋势特性进行挖掘;然后,采用提出的严格系数对各个维度的参与度进行调整,以适应不同风电场数据,获得较好的聚类效果;最后,将提出的多维功率趋势距离度量与传统的模糊C均值软聚类算法及Elman神经网络群相结合,构建完整的预测模型.研究结
超短期风电功率预测可为机组控制和能源经济调度提供重要指导.为削弱风能波动性对于超短期风电功率预测精度的影响,提出了一种引入风速信息的切换输出机制,基于风速与功率的物理模型,分析了风速波动特征.对于波动特征超出门限值的时点,根据机组的惯性运行特性,构建不同风速变化情景下的风速-功率转化模型;对于平缓出力阶段,考虑到时序建模中单一模型的固有限制,提出一种不同运行状态下的超短期预测框架.将所提预测方法用于东北某风电场进行算例验证,结果表明:相比于单一模型的预测结果,所提方法可将均方根误差在13.58％～16.3
针对电力物联感知技术推广与智能配电网建设大背景下,配电设备监测信号数据量大及类型繁多的特点,为有效缓解数据的传输及存储压力,提出基于电力物联感知的配电设备监测信号的压缩感知及异常识别算法.首先离线训练阶段中提出基于动态阈值的原子自适应奇异值分解算法,在保证重构精度的同时自适应减少稀疏字典中的原子数量.其次在线工作阶段中根据配电设备实时监测信号的稀疏系数改变矩阵健康阈值,对实时监测信号进行异常识别;正常信号用于字典的在线更新以提升重构精度,对异常信号则确定信号异常区域,对异常区域进行单独的压缩重构以实现对异