一、V2 Conference优秀视频会议系统解决方案之加工制造业（论文文献综述）
李恒[1]（2021）在《工程伦理教育的关键机制研究》文中研究说明科技的迅速发展、工程问题复杂性的提升以及工程活动利益相关者的增加,使得工程师在工程实践中面临着越来越多的工程伦理问题。在高等工程教育中,作为工程师培养核心环节之一的“工程伦理教育”的重要性与日俱增。自20世纪70年代以来,工程伦理教育被以美英为代表的世界工程强国视为培养伦理卓越工程技术人才的重要手段。我国工程伦理教育发轫于20世纪90年代末,现阶段,成为“华盛顿协议”正式缔约国以及“新工科”项目的扎实推进为我国的工程伦理教育提供了重要契机。尽管如此,我国工程伦理教育仍面临三个重大挑战:一是工程伦理教育在供需对接上未实现动态平衡;二是工程伦理教育治理手段乏善可陈;三是工程伦理教育与我国工程情境的适配性不高。针对上述现实问题,需要进一步分析工程伦理教育的发展特征,提炼关键机制。本研究围绕“系统分析符合工程伦理教育内在发展规律的关键机制”这一核心议题开展研究,并由此展开三个环环相扣的子研究:第一,工程伦理教育关键机制的建构;第二,我国工程伦理教育关键机制实施现状的评估;第三,完善我国工程伦理教育关键机制的对策建议。首先,本文运用系统文献综述法和文献计量法对工程伦理教育的国内外文献进行梳理;其次,运用扎根理论、多案例分析与比较分析法对工程伦理教育关键机制的理论结构和实现路径进行建构性研究;再次,以本研究提出的关键机制为指标来源,以层次分析法和模糊综合评价法为方法指导,针对113份评价样本,对我国工程伦理教育关键机制的实施现状开展实证评估,并在此基础上对我国工程伦理教育作出以事实为导向的客观判断;最后,整合所有研究结论,消除理论话语和实践话语的阻隔,归纳用于完善我国工程伦理教育关键机制的对策建议。本研究得到了以下四个结论:（1）工程伦理教育的复杂性决定了工程伦理教育关键机制的复杂性,工程伦理教育的发展呈现出优化教育策略、汇聚协同力量、把握国内国际动向等核心要点,主要涵括培养机制、协同机制和情境机制三个维度。（2）工程伦理教育关键机制是“合理性”和“合规律性”的统一。在“合理性”方面,情境机制契合了价值合理性的意蕴,培养机制和协同机制则契合了工具合理性的表征。在“合规律性”方面,情境机制是控制单元,情境机制通过构建了一个包括社会因素、自然因素和精神因素在内的场域而成为关键机制的“指挥控制中心”;协同机制是存储单元,通过“各种协议”（如,伦理准则）和“软硬件”（如,经费资源）的配合而成为了“制度池”和“资源池”;培养机制则是运算单元,高校根据“情境机制”的“指令”并在“协同机制”的干预下,整合各类教育要素、深入本土教育实践、打造教育新模式。（3）本研究对我国工程伦理教育关键机制的实施现状进行评估。实证评估结果显示,按权重由大到小排序,依次是情境机制（36.0%）、协同机制（33.7%）和培养机制（30.3%）;按综合得分由高到低排序,依次是培养机制（71.711分）、情境机制（70.319分）和协同机制（68.339分）;按优秀（80-100分）、良好（70-79分）、合格（60-69分）和不合格（≤59）进行等级分类,我国工程伦理教育关键机制现状的综合评价等级为“良好”（70.074分）。（4）深入我国工程伦理教育发展的特殊情境,立足“培养机制”、“协同机制”和“情境机制”提出了一系列有针对性的对策建议,具体包括:细化培养机制,在供需对接上实现动态平衡;强化协同机制,丰富工程伦理教育的治理手段;深化情境机制,适应我国工程伦理教育的发展阶段和独特需求。本研究的主要创新点在于:其一,通过扎根理论研究、规范研究、案例研究等多种研究方法揭示了工程伦理教育的关键机制、实现路径及其规范性特征;其二,通过层次分析法、模糊综合评价法构建了工程伦理教育关键机制实施现状的评价体系并开展了实证评估;其三,立足中国情境,提出了一系列完善关键机制的对策建议,为我国工程伦理教育的发展提供有益的实践启示。
刘亮[2]（2021）在《基于深度学习的视觉运动估计与理解》文中研究表明随着深度学习的高速发展,计算机视觉技术在图像任务中取得了瞩目的成果。近年来,视频的数据量和业务量在监控安防、自动驾驶、互动娱乐、工业视觉等多个领域中呈爆炸式增长,这对人工智能技术在视频中的应用提出了新的需求。然而,将处理静态图像的深度学习方法直接迁移至视频序列任务中,将丢失时间维度的信息建模,从而无法有效地处理视频任务。因此,对视频任务展开深入研究有着重要的科学意义和社会价值。本文聚焦于视觉运动估计与理解领域,按照各项视频任务对信息的加工程度,以由浅及深的顺序展开研究。对于视频任务,现有的研究工作仍然存在诸多挑战:低层次的视觉运动感知任务以空间点或像素点为研究对象,其面临的最大挑战是监督学习标注数据难以获得,以及无监督目标函数的不可靠性;而高层次的视觉运动理解任务以视频中的目标或行为实例为研究对象,其难点在于如何以较低的计算成本实现高效准确的推理精度。针对上述挑战,本文研究低层次的无监督学习的深度估计、光流估计等稠密点的状态估计任务,以及高层次的多目标跟踪和行为检测任务。本文的研究内容与主要创新点如下:1.针对深度估计、光流估计以及运动区域分割等低层次视觉任务,本文利用几何约束提出多任务联合的无监督学习框架,无需标注数据便可对多个任务进行互相协同促进的学习。同时,本文提出对网络估计的深度与光流使用优化方法得到相机自运动,并获得场景的刚性流,进而根据视角合成误差对场景中的运动区域进行区分。通过对运动区域和静止区域引入特有的一致性损失,能够提升各子任务的预测精度。2.针对无监督光流估计任务中损失函数在大运动、遮挡、极端光照条件等复杂场景中不可靠的问题,本文提出了一种新颖的类比学习方法。通过设计各种变换来构造类比样本,以原始样本的预测为类比样本提供更为可靠的监督信号。此外,本文设计了一种高度共享的循环光流网络结构并提出多帧输入下的拓展结构,不仅显着降低了光流网络的参数量与计算量,并且达到了与主流监督学习方法相近的精度与更优的泛化性能。3.针对多目标跟踪任务,本文提出将目标检测、重识别以及运动估计子任务集成为一个无锚点网络,进行多任务联合学习。同时,本文提出循环结构的运动估计分支以及链式记忆推理策略,以较低的额外参数和计算量实现准确的运动估计,从而降低多目标跟踪对复杂关联算法的依赖。此外,本文提出以检测数据集的静态图片训练跟踪网络的方法,从而以较低的训练门槛实现了实时准确的多目标跟踪方法。4.针对视觉运动研究的落地问题,本文对工业装配过程中的运动跟踪与理解任务展开应用研究,提出了数据驱动的轻量级视觉运动跟踪与行为理解系统,以实现对装配过程中操作员手部动作的实时时空检测。在算法层面上,本文提出了以跨帧检测的方法进行逐帧多目标跟踪的算法,融合高频率跟踪器与低频率检测器的预测结果,实现低计算开销的高效目标跟踪。此外,本文提出以通用的方式对图像目标检测和视频行为检测网络分别进行了轻量化修改,进一步促使整个视频分析系统能够在低算力硬件平台上实时运行。对于上述研究内容,本文在视觉运动估计与理解领域取得了出色的研究成果,并在学术界与产业界得到了广泛应用,充分地补充完善了视频运动的前沿探索研究。
洪辉武[3]（2021）在《工业机器人远程监控与诊断系统的研究与设计》文中提出工业机器人是推进制造强国的关键支撑装备,远程监控和故障诊断是维持其高可靠、高精度运行的重要保障。本论文旨在攻克个体差异显着、工况复杂多变下工业机器人的远程监控与故障诊断问题,并设计一套各大机器人厂商主流设备通用的工业机器人远程监控与诊断系统,系统的设计包括异常监控方法的设计、故障诊断方法的设计以及远程监控平台的设计三个方面。工业机器人的异常监控和故障诊断都是非常宽泛的研究领域,本论文由于篇幅有限不可能涉及到所有的方面,故挑选了机器人的碰撞检测以及机器人滚动轴承的故障诊断这两个十分重要的问题进行了研究,并提出了解决方案:（1）针对工业机器人的碰撞检测问题,首先对机器人进行了动力学模型的研究,然后对机器人的机械碰撞进行了MATLAB仿真。研究和仿真发现机器人的碰撞会造成机器人关节力矩的突变,也会导致关节角加速度以及角速度发生相应的变化。目前常用的一种碰撞检测方法是设定关节力矩阈值,这种方法很容易发生误报和漏报的现象。本文提出了一种基于机器人多维参数异常检测的机器人碰撞检测方法,该方法使用孤立森林算法得到机器人各关节多项参数的异常分数,然后设计了一个判定规则以判断碰撞具体发生在机器人的第几连杆。（2）针对工业机器人滚动轴承的故障诊断问题,对工业机器人滚动轴承的结构以及故障机理进行了研究,研究发现滚动轴承发生故障后最明显的一个表现就是振动加剧,并且滚动轴承不同部位故障的振动频率不同。为了解决工业机器人轴承故障诊断问题,提出了一种基于振动信号分析的滚动轴承故障诊断方法。该方法首先结合使用完备全体经验模态分解法和小波包阈值法对轴承的振动信号进行降噪处理,然后通过小波变换得到轴承振动信号的时频特性图像,最后设计了一个深度卷积神经网络对时频特性图像进行分类。通过以上三步便能实现滚动轴承的故障诊断。为了实现机器人的远程监控,基于B/S（Browser/Server）架构设计了工业机器人远程监控平台,通过该平台用户可以在任何有网络的地方查看机器人的实时运行参数和运行状态。平台开发采用前后端分离的模式:后端基于J2EE（Java 2 Platform Enterprise Edition）平台、SSH（struts spring hibernate）框架开发,部署在Tomcat7服务器;前端基于VUE框架、Element UI库开发。在平台的设计中,主要做了以下工作:为了实现不同型号机器人数据的采集,对主流机器人设备接口进行了调研,并应用工厂模式编写了数据采集程序;为了实现数据的安全传输,在MQTT（Message Queuing Telemetry Transport）协议的基础上设计了一种私有数据加密传输方法;为了保证系统的流畅性和易用性,使用Ajax技术或Web Socket协议实现端与客户端的交互。
曹旭明[4]（2021）在《日用陶瓷多类型多目标识别与双目定位研究》文中进行了进一步梳理日用陶瓷是供日常生活使用的各类陶瓷制品,主要包括餐具、茶具和其他陶瓷器皿等,具有类型多和造型差异大的特点。为了实现机器分拣要求,提出了一种基于深度学习日用陶瓷的多类型多目标识别和双目定位方法,主要研究内容及工作如下:1.研究并改进了YOLOv3网络模型,运用改进的模型,在TensorFlow的框架下,搭建了基于深度学习多目标检测系统,实现了选定的六种日用陶瓷类型识别。实验表明网络的学习能力强,类型识别率高。2.对目标识别算法进行了轻量化研究。研究采用K-means算法对anchorbox重新聚类生成符合日用陶瓷类型目标检测的预测框尺寸,提出并实现了以轻量级模型MobileNet v3替换原YOLOv3中的DarkNet-53特征提取网络,得到了轻量化的YOLOv3-M3网络模型。对比其它网络模型,该模型在所有选定的日用陶瓷类型识别精确度明显优于其他模型,MAP值达到90.27%,对输入416×416的视频流,检测速度在18fps以上,且模型占用内存较少。3.搭建了双目立体视觉平台,并对系统进行了标定。针对日用陶瓷弱纹理匹配问题,研究使用了基于SGBM半局部匹配算法。对图像进行灰度化处理,通过轻量化模型识别出图像中日用陶瓷区域,获得目标中心点的位置,根据双目定位原理,实现了日用陶瓷目标中心点定位,定位的平均误差为7.405mm,误差率为0.92%,能满足日用陶瓷分拣要求。
孙建行[5]（2020）在《基于YOLO-V3目标检测算法的机器人手眼系统研究》文中进行了进一步梳理近年来,随着科技的进步,机器人的手眼系统研究成为人工智能研究的重要方向,手眼系统也是组成机器人系统最重要的部分。在赋予机械臂视觉系统之前,机械臂的运动轨迹往往都是事先规划的点对点的移动,在无法接收外界信息的情况下,无法根据环境变化做出相应的调整,视觉识别系统和机械臂抓取系统的结合解决了这一问题,手眼系统的使用提高了机械臂的智能化程度,具有重要的研究意义和应用价值。论文主要是对基于YOLO-V3目标检测算法的手眼系统的展开研究,主要工作流程:首先视觉传感器采集图像信息,经过图像处理和检测定位得到目标的图像坐标信息,然后通过使用标定方法求得的相机内外参数获取目标的三维坐标信息,最后将目标的三维坐标信息传递给机械臂抓取系统,完成抓取任务。主要工作可分为以下几个部分:第一部分目标检测算法,第二部分基于YOLO-V3目标检测算法实验和改进方案,第三部分基于Kinect-V2视觉传感器的手眼标定实验,第四部分手眼系统的抓取实验。本论文研究的视觉系统中,YOLO-V3算法作为深度学习领域较为先进的算法,在用于目标的检测识别任务时,相比较传统算法和其他深度学习算法,不仅检测速度快,而且检测精度也更高。针对实验过程中出现目标部分遮挡导致漏检和误检问题,提出了基于Soft-NMS的改进方案,大大提高了检测速度和检测精度。在获得像素坐标后,需要将像素坐标转化为Dobot机械臂基座标下的三维坐标,本论文使用张正友标定法对Kinect-V2进行相机标定和手眼标定实验,获取相机内外参数,并给出了几种提高标定精度的方法,实现了图像坐标向三维坐标的转化。在最后一部分的手眼系统的抓取实验中,基于深度学习一体机、Kinect-V2视觉传感器和Dobot机械臂完成整个硬件系统的搭建,基于ROS完成了整个软件系统的搭建,进行目标识别定位和抓取实验,验证此系统自主抓取的成功率并做误差分析。结果表明,基于YOLO-V3目标检测算法的手眼系统能够成功抓取目标,具备可行性和实际应用价值。
江佳斌[6]（2020）在《基于机器视觉的定位及缺陷识别智能检测技术研究与应用》文中研究指明随着科学技术发展,自动化制造领域对于高精尖技术需求逐步提升。国家提出“中国制造2025”发展战略,要求以创新驱动作为核心,大力发展人工智能应用技术,以提升国家制造行业核心竞争力。基于机器视觉的智能检测技术在工业自动化制造中的定位检测、元件表面质量检测中具有重要且广泛的应用。机器视觉定位检测技术可以准确计算待测物体的位姿坐标信息,以实现物体自动定位引导、自动装配。而在物体表面缺陷检测中,由于传统的人工目视检测方法存在效率低下,主观性强,无法长时间连续工作等问题,结合光学成像及图像处理技术的机器视觉智能检测技术具有准确、高效、非接触无损伤、连续工作时间长等优点,是最为理想的元件表面检测方法。而在人工智能技术爆发式发展的时代中,机器视觉结合深度学习能够在传统的图像处理算法上进一步提升检测准确性,是当前机器视觉检测技术的重点发展方向。本论文针对机器视觉智能检测应用中的实际应用场景,重点研究相机模型、成像系统设计、物体特征提取、识别、匹配、分类算法等领域的关键技术。以物体视觉定位和元件表面缺陷检测为主要研究对象,并以实现整体检测系统实际应用为目标,开展机器视觉智能检测系统中关键检测方法和检测算法的研究。本文主要内容包括:针对定位检测对象特征信息集中于单个平面的场景,建立一套从成像获取、特征提取、定位计算及后续机械系统坐标引导的整体定位检测系统。建立以面阵相机及配套光源组成的成像系统,使用ORB进行特征提取,并获取其描述算子,提出基于空间约束与随机抽样一致性算法（Spatial constraints random sample and consensus,SCRSAC）结合进行特征匹配点对筛选,提升特征点对获取的准确性和鲁棒性,并基于PnP算法模型进行物体位姿计算,实现物体高精度定位。机器视觉定位技术关键在于定位模型的建立及成像系统基础上物体特征的定位提取及匹配算法。而对于物体表面缺陷检测,关键在于在成像系统如何获取清晰缺陷图像以及缺陷特征的分割提取及分类算法。在表面缺陷检测中主要针对会产生复杂背景图像的磨砂面玻璃为检测对象。与超光滑表面玻璃不同,磨砂玻璃表面的散射特性更加复杂,基于单一的暗场成像系统无法满足检测要求。因此本文建立一套基于同轴平行成像与明场成像结合的线阵扫描成像系统（Coaxial parallel and Bright-filed imaging system,CPBIS）。利用组合成像系统与线阵扫描相机结合获取高分辨率玻璃图像。分析了光学成像系统引入的畸变及由于光源非均匀性产生的背景非均匀图像,提出了基于统计背景估计的非均匀性校正方法,提升了图像背景的均匀性。针对具有复杂背景的玻璃表面缺陷图像,提出基于局部背景模型构建的缺陷分割算法,并基于邻域分布原则提出了邻近缺陷合并算法。针对传统机器学习算法对于缺陷分类的局限性,本文对于玻璃表面缺陷分类问题基于Inception和ResNet网络的思想,提出了 一种改进的平衡型残差网络结构（Modified Inception-Res-Net,MIRNet）,降低网络深度的同时提升了网络的宽度,用于玻璃缺陷分类。并对检测过程中由陷提取获得的缺陷数据进行分类标记及样本增强,建立包含8种类型缺陷的17600幅图像的数据集,并利用该数据集进行实验验证。针对玻璃表面的弱划痕、浅异色及浅凹凸等微弱成像缺陷在利用传统算法较难分割的问题。研究并设计了基于对称型卷积神经网络（Symmetrical Net,SymNet）的缺陷分割算法,利用神经网络对于图像缺陷在各个维度进行特征提取,获得了比传统算法更优的微弱缺陷分割效果。并通过对检测过程中收集的缺陷数据进行像素级别的标记,得到超过3万幅包含缺陷和背景图像的数据集,并利用该数据集进行验证。通过实际应用场景对本文提出的基于机器视觉的定位系统及玻璃缺陷检测系统进行实验验证。并将系统应用于电动汽车电池定位应用中,实现1mm以内的定位误差,并配合机械系统完成电池自动换取功能。建立磨砂玻璃在线检测检测系统,利用光学成像系统获取高质量的缺陷图像,使用获取的图像对缺陷提取、分类及微弱缺陷分割进行验证,实现整体系统的在线检测功能。实现94.2%的缺陷Top-1分类精度,微弱缺陷的分割检测中实现95.3%的召回率以及91.8%的准确率。
王慕雪[7]（2020）在《物联网英语术语特征与汉译方法 ——《物联网：技术、平台和应用案例》（节译）翻译实践报告》文中研究说明从物联网概念出现至今,我国一直十分注重物联网的发展,发展物联网已成为落实创新、推动供给侧改革、实现智慧城市的重要举措。学习借鉴国外物联网领域的前沿研究成果对我国物联网研究与建设具有重要价值。本次翻译实践报告以《物联网:技术、平台和应用案例》（The Internet of Things:Enabling Technologies,Platforms,and Use Cases）为翻译素材,重点对科技术语翻译进行分析总结。物联网英语术语作为科技英语术语的一种,具有专业性强、语义严谨等特点,本次翻译实践报告将原文中出现的术语分为已有规范译文的物联网英语术语和未有规范译文的物联网英语术语两类,继而开展调查分析工作。对已有规范译文的术语,重点是甄别行业领域,选取规范译文,并从缩略词、复合词和半技术词三个方面总结术语的翻译方法,为术语翻译提供指导;对尚未有规范译文的术语,基于术语特征和已有术语翻译方法,提出直译法、拆译组合法、不译法以及多种译法结合等翻译方法,并结合实例进行了具体说明。希望本实践报告能够为从事科技类文献翻译工作的译者提供一定参考。
教育部[8]（2020）在《教育部关于印发普通高中课程方案和语文等学科课程标准（2017年版2020年修订）的通知》文中研究表明教材[2020]3号各省、自治区、直辖市教育厅（教委）,新疆生产建设兵团教育局:为深入贯彻党的十九届四中全会精神和全国教育大会精神,落实立德树人根本任务,完善中小学课程体系,我部组织对普通高中课程方案和语文等学科课程标准（2017年版）进行了修订。普通高中课程方案以及思想政治、语文、
崔少娜[9]（2020）在《5G业务流量分析和资源管理方法研究》文中指出5G通信在4G通信的基础上发展出了更加繁杂多样的应用场景:增强型移动宽带场景要求极高的数据传输速率,海量机器类型通信场景要求密集的设备互联,低时延高可靠性通信场景要求极低的延迟和极高的可靠性。为满足这三种应用场景的通信需求,软件定义网络、网络切片等技术成为了5G关键使能技术。网络切片可以根据不同业务的通信需求将物理网络划分为多个端到端网络提供服务;软件定义网络技术带来了网络可编程性,降低硬件升级成本。一直以来,业务需求和流量模型的研究都得到了研究组织和学术界的广泛关注,用来预估通信需求、进行网络规划。eV2X系统中车辆的高移动性将会导致频繁的小区切换,减少或避免业务中断的同时满足业务的通信需求是研究小区切换时的一个重要议题。然而,传统的业务模型和流量模型不再适用于业务需求千差万别、场景特性各有千秋的5G网络,根据RSSI选择目标小区的切换方法也不能满足eV2X系统所需的时延和移动性,因此,本文主要针对uRLLC的业务流量分析和eV2X的切换方法进行了研究。本文首先在绪论一章阐述了业务流量模型和eV2X系统中切换方法的研究背景和国内外研究现状,以及本文的研究基础和研究内容。uRLLC类业务的业务建模和场景流量分析将为5G网络中的流量控制和网络规划提供重要依据。本文使用两层模型分别对uRLLC类业务的会话层和分组层进行建模,针对各业务的不同特性,建立不同的业务模型,并根据所建立的业务模型推导出数据传输速率的概率密度函数和累积分布函数,与蒙特卡洛方法得出的数据传输速率统计结果进行比较,验证业务模型的正确性和有效性。进一步地,基于业务模型的研究结果,本文提出多用户多业务场景的流量卷积原则,并推导出uRLLC类场景的通用流量模型,进而根据所建立的流量模型计算数据传输速率,分析场景流量,得出单个场景的流量特性,助益学术研究中的网络仿真和实际应用中的组网铺设。eV2X系统中,具有高移动性的车辆上运行着具有低时延、高可靠性或者高数据速率的业务。因此,为保障业务连续性,研究适用于5G网络架构的移动性管理方法是非常必要的。本文考虑了eV2X网络切片架构,提出了一种基于UE行为模型参数预测的切片切换方法:AMF提前预测UE行为模型参数,为即将到来的切换决策提供参考数据,减小业务传输时延。此外,AMF和NSSF在选择目标g NB和网络切片时考虑负载、Qo S需求和移动性需求,为UE选择最合适的网络,满足业务需求。仿真该切换算法并分析其性能,可以看出,应用网络切片技术和预测的切换方法可以满足eV2X类业务的Qo S需求,相较已有切换方法获得了一定程度的性能提升。
张雨童[10]（2020）在《《环球电力热点观察》期刊文章英译汉实践报告》文中指出电力工业是各个国家经济发展战略中的重点之一,随着世界经济的蓬勃发展和科学技术的日新月异,全球电力行业正处在一场深刻的变革之中。可再生能源的快速发展,以及智能技术的崛起等对传统的能源供应造成冲击。本翻译实践原文本为从国外相关能源网站收集到的英文文献,译文在《环球电力热点观察》期刊中出版。译者在英译汉过程遵循忠实、通顺的原则,对电力期刊文本的翻译进行了研究。本翻译实践报告分为五个部分。第一部分是翻译实践项目背景和项目意义;第二部分是译前准备描述,包括分析平行文本和原文本的特征,从而确定翻译中遵循的原则;第三部分是翻译过程描述,包括译前准备、翻译原文本的过程和翻译后的校对工作;第四部分是案例分析,主要从词汇、句法以及标题和小标题三方面对翻译中的重难点进行案例分析,并提出具体的翻译策略,如增词法、转化法、省译法等,以期译文忠实、通顺。最后在结论部分,主要对翻译实践工作进行了总结。通过此次翻译实践,译者了解了电力领域前沿科技,并且掌握了电力期刊文本的特点和翻译策略,提高了自身的翻译能力;同时,译者希望该实践报告能为翻译此类文本的译者提供一些参考。
二、V2 Conference优秀视频会议系统解决方案之加工制造业（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、V2 Conference优秀视频会议系统解决方案之加工制造业（论文提纲范文）
（1）工程伦理教育的关键机制研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩略词注释表 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 “问题工程”的频发引起人们对工程伦理的广泛关注 |
| 1.1.2 工程伦理教育是工程教育的重要组成部分 |
| 1.1.3 我国工程伦理教育机遇与挑战并存 |
| 1.2 研究内容 |
| 1.3 研究框架 |
| 1.3.1 章节安排 |
| 1.3.2 研究方法 |
| 1.3.3 技术路线 |
| 1.4 研究创新点 |
| 2 文献综述 |
| 2.1 关键概念解读 |
| 2.1.1 伦理与道德的辨析 |
| 2.1.2 工程伦理的内涵 |
| 2.2 工程伦理教育的现实演绎:基于系统文献综述法的分析 |
| 2.2.1 研究方法 |
| 2.2.2 工程伦理教育的目标(Q1) |
| 2.2.3 工程伦理的教学策略(Q2) |
| 2.2.4 工程伦理教育效果的评估手段(Q3) |
| 2.2.5 工程伦理教育效果的影响因素(Q4) |
| 2.2.6 本节述评 |
| 2.3 中国工程伦理教育研究的主题聚类:基于文献计量的分析 |
| 2.3.1 文献计量方法概述 |
| 2.3.2 资料收集 |
| 2.3.3 共词分析 |
| 2.3.4 共词网络分析 |
| 2.3.5 多维尺度分析 |
| 2.3.6 本节述评 |
| 2.4 文献述评 |
| 3 工程伦理教育关键机制的构成 |
| 3.1 扎根理论研究设计 |
| 3.1.1 扎根理论研究方法与流程 |
| 3.1.2 资料采集 |
| 3.2 工程伦理教育关键机制的理论结构 |
| 3.2.1 开放式编码 |
| 3.2.2 主轴式编码 |
| 3.2.3 选择性编码 |
| 3.2.4 理论饱和度检验 |
| 3.2.5 本节小结 |
| 3.3 工程伦理教育关键机制的实现路径 |
| 3.3.1 微观维度的培养机制:以认知发展为指导再造教育要素 |
| 3.3.2 中观维度的协同机制:以协同优势为指导赋能中介对象 |
| 3.3.3 宏观维度的情境机制:以现象学为指导调适多元场域 |
| 3.4 本章小结 |
| 4 工程伦理教育关键机制的案例分析 |
| 4.1 案例研究方法概述 |
| 4.2 培养机制的案例分析 |
| 4.2.1 知识生成:聚焦伦理教育知识建构者的职能重构 |
| 4.2.2 具身认知:创设面向真实世界的“开放式”学习情境 |
| 4.2.3 学习进阶:用“全周期”课程序列搭建学生认知发展的阶梯 |
| 4.2.4 伦理体验:强化解决工程伦理现实困境的实践基质 |
| 4.2.5 案例分析讨论 |
| 4.3 协同机制的案例分析 |
| 4.3.1 工程社团在工程伦理教育中的作用 |
| 4.3.2 政府在工程伦理教育中的作用 |
| 4.3.3 案例分析讨论 |
| 4.4 情境机制的案例分析 |
| 4.4.1 美英的工程伦理教育场域:职业主义催化的路径选择 |
| 4.4.2 德国的工程伦理教育场域:对技术负责的民族传统 |
| 4.4.3 法国的工程伦理教育场域:“消解”在精英工程师的培养中 |
| 4.4.4 中日的工程伦理教育场域:“二元构造”下的层序互补 |
| 4.4.5 案例分析讨论 |
| 5 我国工程伦理教育关键机制实施现状的评估 |
| 5.1 调研对象 |
| 5.2 评估指标体系的建构 |
| 5.2.1 评估指标体系的层次结构 |
| 5.2.2 初始评估指标的选取 |
| 5.2.3 问卷设计与预测试 |
| 5.3 现状的实证评估 |
| 5.3.1 基于层次分析法的权重赋值 |
| 5.3.2 利用模糊综合评价法进行综合评价 |
| 5.4 结果与讨论 |
| 5.4.1 我国工程伦理教育关键机制实施现状的评估结论 |
| 5.4.2 延伸讨论:我国工程伦理教育面临的潜在障碍 |
| 5.5 本章小结 |
| 6 完善我国工程伦理教育关键机制的对策建议 |
| 6.1 工程伦理教育关键机制的规范性审视 |
| 6.1.1 合理性的审视 |
| 6.1.2 合规律性的审视 |
| 6.2 细化培养机制,在供需对接上实现动态平衡 |
| 6.3 强化协同机制,丰富工程伦理教育的治理手段 |
| 6.4 深化情境机制,适应我国工程伦理教育的发展阶段和独特需求 |
| 7 研究结论与展望 |
| 7.1 主要研究结论 |
| 7.2 研究局限与展望 |
| 参考文献 |
| 附录1 访谈提纲 |
| 附录2 评估问卷 |
| 附录3 评估指标赋权表 |
| 附录4 弗吉尼亚理工大学课程大纲 |
| 附录5 弗吉尼亚大学课程大纲 |
| 作者简历及在学期间所取得的主要科研成果 |
（2）基于深度学习的视觉运动估计与理解（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究问题与挑战 |
| 1.3 研究内容与主要贡献 |
| 1.4 本文组织结构 |
| 2 相关文献综述 |
| 2.1 低层次视觉运动研究现状 |
| 2.1.1 任务数据与可视化方法 |
| 2.1.2 非深度学习方法的启示 |
| 2.1.3 监督深度学习方法研究 |
| 2.1.4 非监督的深度学习方法研究 |
| 2.2 高层视觉运动研究现状 |
| 2.2.1 多目标跟踪研究现状 |
| 2.2.2 行为识别与检测研究现状 |
| 2.3 本章小结 |
| 3 融合立体感知的场景点运动估计 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 自监督光流估计与深度估计 |
| 3.3.1 自监督信号构建 |
| 3.3.2 基础网络架构 |
| 3.3.3 自监督优化目标 |
| 3.4 融合三维感知的多任务联合运动估计 |
| 3.4.1 显式相机自运动估计 |
| 3.4.2 场景运动区域分割 |
| 3.4.3 损失函数与学习流程 |
| 3.5 实验结果 |
| 3.5.1 实验设置 |
| 3.5.2 评测指标 |
| 3.5.3 子任务实验结果与分析 |
| 3.6 本章小结 |
| 4 类比学习的自监督光流估计 |
| 4.1 引言 |
| 4.2 高度共享的循环光流网络 |
| 4.2.1 高性能光流网络设计思想 |
| 4.2.2 共享循环结构设计 |
| 4.2.3 多帧模型拓展 |
| 4.2.4 多帧模型的自监督训练 |
| 4.3 复杂条件的光流类比学习 |
| 4.3.1 自监督类比学习框架 |
| 4.3.2 类比任务的变换形式 |
| 4.3.3 总体目标函数 |
| 4.4 实验结果 |
| 4.4.1 数据集介绍 |
| 4.4.2 实验设置 |
| 4.4.3 评测指标 |
| 4.4.4 与主流方法对比 |
| 4.4.5 消融实验 |
| 4.4.6 跨数据集泛化 |
| 4.5 本章小结 |
| 5 多任务联合学习的多目标跟踪 |
| 5.1 引言 |
| 5.2 基于无锚点检测的多目标跟踪 |
| 5.2.1 深度多目标跟踪框架 |
| 5.2.2 基于无锚点模型的共享思路 |
| 5.3 无锚点的链式多目标跟踪 |
| 5.3.1 无锚点跟踪网络设计 |
| 5.3.2 多任务损失函数 |
| 5.3.3 使用目标检测数据集训练 |
| 5.3.4 链式记忆推理 |
| 5.3.5 贪婪跟踪算法实现 |
| 5.4 实验结果 |
| 5.4.1 实验设置 |
| 5.4.2 评测指标 |
| 5.4.3 与主流方法对比 |
| 5.4.4 消融实验 |
| 5.5 本章小结 |
| 6 工业装配过程中的时空运动检测 |
| 6.1 引言 |
| 6.2 任务描述 |
| 6.2.1 问题说明 |
| 6.2.2 数据采集说明 |
| 6.3 轻量级运动跟踪分析 |
| 6.3.1 轻量级无锚点跟踪网络 |
| 6.3.2 跨帧检测的多目标跟踪 |
| 6.3.3 行为检测与重建 |
| 6.4 实验结果 |
| 6.4.1 数据说明 |
| 6.4.2 实验设置 |
| 6.4.3 检测模块测试 |
| 6.4.4 跟踪模块测试 |
| 6.4.5 行为检测模块测试 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 本文工作总结 |
| 7.2 未来工作展望 |
| 参考文献 |
| 作者简历 |
| 攻读博士学位期间的主要学术成果 |
（3）工业机器人远程监控与诊断系统的研究与设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 工业机器人远程监控系统的研究现状 |
| 1.2.2 工业机器人故障诊断技术的研究现状 |
| 1.3 本文的主要研究内容 |
| 第二章 基于孤立森林算法的工业机器人碰撞检测 |
| 2.1 引言 |
| 2.2 工业机器人动力学分析 |
| 2.2.1 动力学建模方法 |
| 2.2.2 正运动学递推 |
| 2.2.3 逆动力学递推 |
| 2.3 工业机器人机械碰撞仿真 |
| 2.3.1 仿真模型搭建 |
| 2.3.2 机械碰撞仿真 |
| 2.4 异常检测算法的研究 |
| 2.4.1 PCA算法 |
| 2.4.2 LOF算法 |
| 2.4.3 HBOS算法 |
| 2.4.4 iForest算法 |
| 2.4.5 算法实验分析 |
| 2.5 基于iForest的机器人碰撞检测方法 |
| 2.5.1 多维特征的选择 |
| 2.5.2 机器人碰撞检测过程 |
| 2.5.3 机器人碰撞判定规则 |
| 2.5.4 碰撞检测模型的参数选择 |
| 2.5.5 碰撞检测模型的性能验证 |
| 2.6 本章小结 |
| 第三章 基于振动信号分析的工业机器人滚动轴承故障诊断 |
| 3.1 引言 |
| 3.2 滚动轴承概述 |
| 3.2.1 滚动轴承的结构 |
| 3.2.2 滚动轴承主要失效形式 |
| 3.2.3 滚动轴承的振动机理 |
| 3.2.4 滚动轴承的故障特征频率 |
| 3.3 振动信号降噪方法研究 |
| 3.3.1 CEEMDAN算法降噪 |
| 3.3.2 小波包阈值降噪方法 |
| 3.3.3 CEEMDAN和小波包阈值结合降噪方法 |
| 3.3.4 降噪仿真分析 |
| 3.3.5 滚动轴承振动信号降噪实验分析 |
| 3.4 滚动轴承振动信号的时频分析 |
| 3.4.1 短时傅里叶变换时频分析 |
| 3.4.2 小波变换时频分析 |
| 3.5 基于深度卷积神经网络的时频图像分类 |
| 3.5.1 卷积神经网络的研究 |
| 3.5.2 深度卷积神经网络的设计 |
| 3.5.3 SE-inception v2 时频特征图像的分类实验 |
| 3.6 本章小结 |
| 第四章 工业机器人监控平台设计与故障诊断模型验证 |
| 4.1 工业机器人远程监控平台的设计 |
| 4.1.1 系统整体架构 |
| 4.1.2 数据采集方法设计 |
| 4.1.3 数据加密传输协议设计 |
| 4.1.4 机器人远程监控页面设计 |
| 4.2 工业机器人碰撞检测实验 |
| 4.2.1 实验环境 |
| 4.2.2 实验数据获取 |
| 4.2.3 评估参数设置 |
| 4.2.4 阈值的选取 |
| 4.2.5 碰撞检测实验 |
| 4.3 工业机器人轴承故障诊断实验 |
| 4.3.1 实验数据 |
| 4.3.2 对比实验 |
| 4.3.3 模型泛化能力验证 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士学位期间发表的论文 |
（4）日用陶瓷多类型多目标识别与双目定位研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 引言 |
| 1.1 研究的背景与意义 |
| 1.2 国内外研究现状分析 |
| 1.2.1 机器视觉概述 |
| 1.2.2 视觉定位应用现状及分析 |
| 1.2.3 2D视觉到 3D视觉应用现状及分析 |
| 1.2.4 目标检测算法发展现状及分析 |
| 1.2.5 发展趋势 |
| 1.3 研究技术路线及章节安排 |
| 1.4 本章小结 |
| 第2章 面向日用陶瓷类型识别的YOLOV3网络模型研究 |
| 2.1 引言 |
| 2.2 日用陶瓷的分类 |
| 2.3 YOLO系列目标检测网络模型 |
| 2.3.1 YOLOv1 |
| 2.3.2 YOLOv2 |
| 2.3.3 YOLOv3 |
| 2.4 数据集制备 |
| 2.4.1 实验数据的采集 |
| 2.4.2 数据增强 |
| 2.4.3 数据集准备 |
| 2.5 基于改进YOLOv3的日用陶瓷类型目标检测算法 |
| 2.6 模型性能评价指标和实验结果分析 |
| 2.6.1 模型测试与性能对比 |
| 2.6.2 实验结果分析 |
| 2.7 本章小结 |
| 第3章 面向日用陶瓷类型识别的网络模型轻量化研究 |
| 3.1 引言 |
| 3.2 轻量化网络模型MobileNet系列 |
| 3.2.1 MobileNet v1 |
| 3.2.2 MobileNet v2 |
| 3.2.3 MobileNet v3 |
| 3.3 基于MobileNet v3网络改进的YOLOv3算法设计 |
| 3.4 基于K-means算法日用陶瓷类型目标的anchor box聚类 |
| 3.4.1 K-means聚类算法 |
| 3.4.2 Anchor box聚类实验结果 |
| 3.5 模型的训练与性能评价 |
| 3.6 本章小结 |
| 第4章 双目立体视觉系统标定 |
| 4.1 引言 |
| 4.2 构建双目立体视觉系统 |
| 4.3 双目立体标定 |
| 4.4 双目立体相机标定实验及结果分析 |
| 4.5 本章小结 |
| 第5章 日用陶瓷的双目立体匹配与三维定位 |
| 5.1 引言 |
| 5.2 立体匹配原理 |
| 5.2.1 立体匹配算法分类 |
| 5.2.2 匹配基元与特征参数的选择 |
| 5.2.3 立体匹配相似性评判标准 |
| 5.3 基于SGBM算法的立体匹配 |
| 5.3.1 SGBM算法 |
| 5.3.2 SGBM算法匹配实验 |
| 5.4 双目定位原理 |
| 5.5 日用陶瓷三维定位实验及结果分析 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 附录A:攻读硕士学位期间从事的科研项目及取得的成果 |
（5）基于YOLO-V3目标检测算法的机器人手眼系统研究（论文提纲范文）
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要研究内容 |
| 2 目标检测算法分析 |
| 2.1 引言 |
| 2.2 传统的目标检测算法 |
| 2.3 基于深度学习的目标检测算法 |
| 2.4 YOLO-V3目标检测算法 |
| 2.5 本章小结 |
| 3 基于YOLO-V3的目标检测实现和改进方案 |
| 3.1 引言 |
| 3.2 YOLO-V3算法实现 |
| 3.3 基于Soft-NMS的改进方案 |
| 3.4 YOLO-V3目标检测实验结果与分析 |
| 3.5 本章小结 |
| 4 基于Kinect-V2的手眼系统标定 |
| 4.1 引言 |
| 4.2 坐标系变换 |
| 4.3 标定方法和内外参数的获取 |
| 4.4 标定实验及结果 |
| 4.5 本章小结 |
| 5 系统集成和测试 |
| 5.1 引言 |
| 5.2 手眼系统总体设计方案 |
| 5.3 视觉识别系统 |
| 5.4 机械臂抓取系统 |
| 5.5 基于ROS的软件集成 |
| 5.6 实验结果与分析 |
| 5.7 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（6）基于机器视觉的定位及缺陷识别智能检测技术研究与应用（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 基于机器视觉的智能检测技术国内外研究现状 |
| 1.2.1 基于机器视觉智能化定位技术应用的研究现状 |
| 1.2.2 基于机器视觉的光学元件表面缺陷智能检测应用的研究现状 |
| 1.2.3 基于深度学习的缺陷提取算法发展现状 |
| 1.3 本论文的主要研究内容及完成的工作 |
| 1.4 本论文的主要创新点 |
| 2 机器视觉定位系统研究及应用 |
| 2.1 相机模型及内参标定 |
| 2.2 特征点提取及匹配算法 |
| 2.3 PNP定位算法模型 |
| 2.4 定位系统设计及应用 |
| 2.4.1 定位系统方案设计 |
| 2.4.2 基于空间约束的特征点匹配及改进的RANSAC定位算法 |
| 2.5 本章小结 |
| 3 基于深度学习的玻璃缺陷成像及分类检测技术研究 |
| 3.1 基于机器视觉的手机玻璃缺陷成像技术研究 |
| 3.1.1 基于多种成像场的玻璃表面缺陷成像方案设计 |
| 3.1.2 线阵相机成像模型及畸变校正 |
| 3.1.3 图像背景非均匀性分析 |
| 3.2 玻璃表面缺陷提取算法 |
| 3.2.1 玻璃表面缺陷提取预处理 |
| 3.2.2 缺陷分割及邻近分布合并算法 |
| 3.2.3 基于SVM的缺陷分类算法 |
| 3.3 基于深度学习的机器视觉智能检测分类方法研究 |
| 3.3.1 卷积神经网络概念及基本组成结构 |
| 3.3.2 传统神经网络 |
| 3.3.3 卷积神经网络基本组成 |
| 3.4 经典的分类卷积神经网络结构 |
| 3.5 并联残差分类网络设计 |
| 3.5.1 缺陷分类数据集建立 |
| 3.5.2 并联平衡残差网络结构 |
| 3.5.3 网络训练 |
| 3.5.4 网络训练环境 |
| 3.6 本章小结 |
| 4 基于深度学习的微弱对比度缺陷图像分割算法研究 |
| 4.1 经典的语义分割卷积神经网络结构 |
| 4.2 缺陷分割数据集建立 |
| 4.3 网络结构设计 |
| 4.4 网络训练 |
| 4.5 训练环境 |
| 4.6 本章小结 |
| 5 机器视觉智能检测实验结果及数据分析 |
| 5.1 电动汽车电池自动换取定位系统布局及实验结果 |
| 5.2 基于同轴平行成像与明场成像的玻璃表面缺陷检测系统实验布局 |
| 5.3 图像畸变校正、非均匀性校正实验结果 |
| 5.4 基于深度学习的缺陷分类实验结果及分析 |
| 5.5 基于深度学习的玻璃表面微弱缺陷提取实验结果及分析 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 本论文完成工作总结 |
| 6.2 下一步工作展望 |
| 参考文献 |
| 攻读博士期间所取得的科研成果 |
（7）物联网英语术语特征与汉译方法 ——《物联网：技术、平台和应用案例》（节译）翻译实践报告（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 翻译任务与过程描述 |
| 1.1 翻译任务介绍 |
| 1.2 翻译文本描述 |
| 1.3 翻译工具介绍 |
| 1.4 翻译过程设计 |
| 第二章 术语与物联网英语术语 |
| 2.1 术语及术语翻译方法 |
| 2.2 物联网英语术语特征 |
| 2.3 物联网英语术语翻译方法 |
| 第三章 翻译案例分析 |
| 3.1 已有规范译文的物联网英语术语 |
| 3.1.1 缩略词术语 |
| 3.1.2 术语中的复合词 |
| 3.1.3 术语中的半技术词 |
| 3.2 未规范的物联网英语术语 |
| 3.2.1 直译法 |
| 3.2.2 拆译组合法 |
| 3.2.3 不译法 |
| 3.2.4 多种译法结合法 |
| 第四章 总结与反思 |
| 4.1 翻译总结 |
| 4.2 翻译问题与不足 |
| 参考文献 |
| 附录1 术语表 |
| 附录2 原文 |
| 附录3 译文 |
| 致谢 |
（9）5G业务流量分析和资源管理方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词表 |
| 符号表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 业务流量模型研究基础 |
| 1.2.1 常见分布 |
| 1.2.2 常见模型 |
| 1.3 国内外研究现状 |
| 1.3.1 uRLLC业务流量模型研究现状 |
| 1.3.2 eV2X切换方法研究现状 |
| 1.4 研究内容及章节安排 |
| 第二章 uRLLC类业务建模 |
| 2.1 引言 |
| 2.2 uRLLC类业务的业务模型 |
| 2.2.1 变电站控制与维护业务 |
| 2.2.2 移动救护车和生命连接业务 |
| 2.2.3 增强驾驶业务 |
| 2.3 业务仿真结果及性能分析 |
| 2.3.1 变电站控制与维护业务仿真与性能分析 |
| 2.3.2 移动救护车和生命连接业务仿真与性能分析 |
| 2.3.3 增强驾驶业务仿真与性能分析 |
| 2.4 本章小结 |
| 第三章 uRLLC类场景流量分析 |
| 3.1 引言 |
| 3.2 uRLLC类场景的流量模型 |
| 3.2.1 智慧能源应用场景 |
| 3.2.2 银行无线通信应用场景 |
| 3.2.3 智能工厂应用场景 |
| 3.3 场景的仿真结果及流量分析 |
| 3.3.1 智慧能源应用场景仿真与流量分析 |
| 3.3.2 银行无线通信应用场景仿真与流量分析 |
| 3.3.3 智能工厂应用场景仿真与流量分析 |
| 3.4 本章小结 |
| 第四章 一种用于eV2X系统基于UE行为模型参数预测的切片切换方法 |
| 4.1 引言 |
| 4.2 系统模型 |
| 4.2.1 eV2X网络切片架构 |
| 4.2.2 网络模型 |
| 4.3 基于UE行为模型参数预测的切片切换方法 |
| 4.3.1 UE行为模型参数预测 |
| 4.3.2 新网络切片的选择与创建 |
| 4.3.3 基于UE行为模型参数预测的切片切换方法 |
| 4.4 仿真结果及性能分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 进一步研究工作 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间的研究工作及成果 |
（10）《环球电力热点观察》期刊文章英译汉实践报告（论文提纲范文）
| Abstract |
| 摘要 |
| Chapter1 Task Description |
| 1.1 Background of Translation Project |
| 1.2 Significance of Translation Project |
| Chapter2 Preparations for the Translation |
| 2.1 Analysis of the Source Texts |
| 2.1.1 Lexical Features of Source Texts |
| 2.1.2 Syntactic Features of Source Texts |
| 2.2 Analysis of Parallel Texts |
| 2.3 Translation Principles for the Project |
| 2.3.1 Faithfulness |
| 2.3.2 Readability |
| Chapter3 Translation Process |
| 3.1 Pre-translation |
| 3.2 Translating the Source Text into Chinese |
| 3.3 Post-translation |
| Chapter4 Case Analysis |
| 4.1 Translation of Terminologies and Common Words |
| 4.1.1 Translation of Terminologies |
| 4.1.2 Translation of Common Words |
| 4.2 Translation of Sentences |
| 4.2.1 Division and Synthesization |
| 4.2.2 Addition and Omission |
| 4.2.3 Conversion |
| 4.2.4 Domestication |
| 4.3 Translation of Titles and Subtitles |
| 4.3.1 Conciseness |
| 4.3.2 Accuracy |
| Chapter5 Conclusion |
| Bibliography |
| Appendix Source Text and Target Text |
| Acknowledgements |
四、V2 Conference优秀视频会议系统解决方案之加工制造业（论文参考文献）
- [1]工程伦理教育的关键机制研究[D]. 李恒. 浙江大学, 2021(01)
- [2]基于深度学习的视觉运动估计与理解[D]. 刘亮. 浙江大学, 2021(01)
- [3]工业机器人远程监控与诊断系统的研究与设计[D]. 洪辉武. 江南大学, 2021(01)
- [4]日用陶瓷多类型多目标识别与双目定位研究[D]. 曹旭明. 景德镇陶瓷大学, 2021(12)
- [5]基于YOLO-V3目标检测算法的机器人手眼系统研究[D]. 孙建行. 山东科技大学, 2020(06)
- [6]基于机器视觉的定位及缺陷识别智能检测技术研究与应用[D]. 江佳斌. 浙江大学, 2020(02)
- [7]物联网英语术语特征与汉译方法 ——《物联网：技术、平台和应用案例》（节译）翻译实践报告[D]. 王慕雪. 青岛大学, 2020(02)
- [8]教育部关于印发普通高中课程方案和语文等学科课程标准（2017年版2020年修订）的通知[J]. 教育部. 中华人民共和国教育部公报, 2020(06)
- [9]5G业务流量分析和资源管理方法研究[D]. 崔少娜. 东南大学, 2020(01)
- [10]《环球电力热点观察》期刊文章英译汉实践报告[D]. 张雨童. 河北大学, 2020(08)