检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

宜宾屏山薅草歌的音乐风格和演唱分析

宜宾屏山薅草歌的音乐风格和演唱分析

作者：代晏郗四川师范大学

学位级别：硕士

高中生学校社区感对恶意创造力的影响 ——共情的中介作用和道德认同的调节作用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

高中生学校社区感对恶意创造力的影响 ——共情的中介作用和道德...

作者：樊晏辰广州大学

学位级别：硕士

青少年身心正处于高速发展时期,其认知和心理状态都相对容易受到外部因素的干扰。学校是青少年发展的微观环境,学校社区的正确引导,能够预防青少年以及意料之外的恶意行为。由此,本研究分为两个子研究,采用问卷法和实验法,探讨高中生学... 详细信息

青少年身心正处于高速发展时期,其认知和心理状态都相对容易受到外部因素的干扰。学校是青少年发展的微观环境,学校社区的正确引导,能够预防青少年以及意料之外的恶意行为。由此,本研究分为两个子研究,采用问卷法和实验法,探讨高中生学校社区感和恶意创造力之间的因果关系和作用机制。研究一采用纵向追踪研究,间隔三个月(T1:9月中旬;T2:12月底)对高中生学校社区感、共情、道德认同和恶意创造力水平进行两次调查,结果表明:(1)高中生学校社区感较高,恶意创造力处于较低水平,共情和道德认同水平适中,整体状况良好。(2)学校社区感、共情、道德认同和恶意创造力均存在显著的性别差异,男高中生的学校社区感和恶意创造力水平均显著高于女高中生,而共情和道德认同水平则显著低于女高中生。T1恶意创造力在不同年级存在显著差异,T2恶意创造力在不同户籍和是否独生子女方面存在显著差异。(3)学校社区感、共情、道德认同和恶意创造力两两之间相关显著,高中生学校社区感显著负向预测恶意创造力水平,而恶意创造力不能预测高中生后期的学校社区感水平。高中生的T1共情在T1学校社区感和T2恶意创造力的纵向关系中起部分中介作用,T1道德认同起调节作用。研究二采用实验法,通过诱发不同道德认同水平被试的状态共情,利用非常规用途任务、恶意创造力任务以及恶意创造性行为量表(MCBS)测量被试恶意创造力表现,研究发现:(1)将恶意创造力任务的恶意性评分作为因变量时,状态共情主效应显著,道德认同主效应显著,状态共情和道德认同的交互效应显著;以MCBS总分为因变量时,状态共情主效应不显著,道德认同主效应不显著,二者的交互效应显著。(2)以状态共情为自变量,道德认同为调节变量进行调节效应分析时,道德认同对恶意性评分的调节作用显著,对MCBS总分的调节作用显著。总的来说,高中生学校社区感不仅直接预测恶意创造力,还能通过共情的中介作用和道德认同的调节作用间接预测恶意创造力水平。

关键词：高中生恶意创造力学校社区感共情道德认同

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

太阳翼驱动机构对卫星姿态扰动特性评估

中国空间科学技术 2024年第1期44卷 75-82页

作者：宋慧心晏也绘李奎航天行云科技有限公司武汉430040

为了研究太阳翼驱动机构(solar array drive assembly,SADA)对卫星平台姿态的扰动特性,建立了考虑SADA驱动太阳翼旋转的整星姿态动力学模型,设计了一种测量SADA带载运动特性的试验方案。通过试验得到了SADA驱动负载的运动特性曲线,对试... 详细信息

为了研究太阳翼驱动机构(solar array drive assembly,SADA)对卫星平台姿态的扰动特性,建立了考虑SADA驱动太阳翼旋转的整星姿态动力学模型,设计了一种测量SADA带载运动特性的试验方案。通过试验得到了SADA驱动负载的运动特性曲线,对试验数据进行拟合得到了SADA带载驱动的传递函数。将拟合的SADA运动模型代入到整星姿态动力学模型中进行仿真,得到了考虑SADA运动时的卫星姿态控制指标。基于SADA的运动特性和安装方式,设计了将两台SADA驱动信号的相位交错180°的扰动抑制策略。仿真验证了该策略对SADA运动的扰动抑制效果,具有良好的工程应用价值。

关键词：整星姿态动力学模型太阳翼驱动机构(SADA) 运动特性传递函数扰动抑制

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

飞行员心理韧性量表的编制与应用

飞行员心理韧性量表的编制与应用

作者：晏联璞中国民用航空飞行学院

学位级别：硕士

心理韧性是积极心理学的重要概念。心理韧性研究从定性研究转向了系统的定量分析,研究工具和测量方法不断更新。目前适合中国的飞行员心理韧性量表很少,开发适合飞行员的心理韧性量可以更好评估飞行员的心理韧性,提升飞行员的心理韧性,... 详细信息

心理韧性是积极心理学的重要概念。心理韧性研究从定性研究转向了系统的定量分析,研究工具和测量方法不断更新。目前适合中国的飞行员心理韧性量表很少,开发适合飞行员的心理韧性量可以更好评估飞行员的心理韧性,提升飞行员的心理韧性,确保飞行员在工作中有效应对工作压力,更安全有效飞行,在生活中更好应对生活压力,提升心理健康水平,增强幸福感。论文将飞行员心理韧性分为两部分,一部分是遭遇困难和挫折后,能够迅速恢复和适应的能力,另一部分是在飞行过程中的高压环境下,能够良好应对各种突发事件,并圆满完成飞行任务的过程。首先查阅国内外文献,整理心理韧性相关研究现状,围绕飞行员心理韧性编制访谈大纲,进一步进行开放式问卷调查,基于心理韧性理论基础,结合访谈资料和开放式问卷调查结果,展开基于扎根理论的质性分析。得到4个主范畴和14个二级范畴,经过专家评定增到6个主范畴和25个条目得到初测问卷,将初测问卷进行发放和数据收集整理,对初测问卷的数据进行项目分析和探索性因素分析筛选掉不合格的条目,在进行验证性因素分析调整量表的结构,最终得到正式问卷。将正式问卷再次发放,验证量表的测量学性能。最后在某飞行学院进行量表的应用,探讨不同阶段飞行员心理韧性的特点,以及空军飞行学员和民航飞行学员心理韧性的差异性。最后针对性的提出提高飞行员心理韧性建议。论文的主要研究成果:(1)飞行员心理韧性的理论构建:情绪控制和社会支持、自我效能、压力应对、恢复能力。四个维度下还包含更为细致的二级范畴,情绪控制和社会支持:积极情绪、情绪稳定、情绪调节、社交能力;自我效能:自信心、无畏挑战、工作幸福感;压力应对:客观冷静、正确决策、寻求帮助、积极思考;恢复能力:错误修正、逆境恢复、经验、正向态度。(2)对量表的结构以及测量学性能分析。分析结果表明编制的飞行员心理韧性量表具有较好的信度和效度,量表的结构清晰,用来测量飞行员的心理韧性较为可靠。量表的克隆巴赫系数为0.893,各维度的克隆巴赫系数在0.837-0.893之间,总量表的分半信度为0.880,各维度的分半信度在0.785-0.852之间,各维度的建构信度在0.638～0.811,X2/df=2.563<3,模型的GFI,CF1,IFI,NFI,NNFI值都大于0.9,RMR=0.055,RMSEA=0.073。(3)心理韧性量表的应用:通过在某飞行学院飞行员心理韧性的调查发现学校里的飞行学员和飞行教员心理韧性得分中等偏上,说明学校里飞行员的心理韧性状况良好。飞行员的心理韧性在不同阶段有着显著性差异,飞行教员心理韧性状况比实际操作的飞行学员比理论学习的飞行学员要好。(4)提高飞行员心理韧性的建议,结合积极心理学的正念和积极赋义等方法提出提高飞行员心理韧性的具体措施。

关键词：心理韧性量表编制飞行员质性分析

基于深度学习的激光雷达点云目标检测算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的激光雷达点云目标检测算法研究

作者：郭晏良吉林大学

学位级别：硕士

自动驾驶技术能够辅助人类安全高效地行驶,是保护人类免受严重碰撞的有效措施之一。实现自动驾驶技术的关键部分之一是快速准确的环境感知算法,常见的环境传感器包括相机和激光雷达。相机接收的数据为2D图片和视频流,但受光线亮度影响,... 详细信息

自动驾驶技术能够辅助人类安全高效地行驶,是保护人类免受严重碰撞的有效措施之一。实现自动驾驶技术的关键部分之一是快速准确的环境感知算法,常见的环境传感器包括相机和激光雷达。相机接收的数据为2D图片和视频流,但受光线亮度影响,且缺乏深度信息;而激光雷达接收的数据为3D点云,不受亮度影响,且具备深度信息。3D点云是通过离散的三维坐标来表示物体在空间中的位置和几何形状的采样数据。相较于图片,点云能更准确地获取目标的位置和距离信息。然而,点云数据的无序性、稀疏性和非结构化特点给点云数据的处理带来了巨大挑战。因此,快速准确的点云目标检测算法对于实现自动驾驶技术具有重大意义。本文介绍了点云目标检测算法领域的里程碑式模型和流行的自动驾驶场景数据集。在研究内容中,使用KITTI数据集并以3D点云目标检测网络Point Pillars为基础研究网络,讨论了如何使用卷积神经网络提升和优化Point Pillars的性能并探索其与自然语言处理领域的Transformer模型有机结合。Point Pillas是一种端到端、结构简单且运行高效的三维目标检测网络,在工业界被广泛应用。Point Pillars由三部分组成:Pillar Feature Net(PFN)、Backbone(Feature Pyramid Network)和Detection Head(SSD)三部分组成。在PFN模块部分,采用Point Net的思想,使用逐点共享参数的全连接层和最大池化提取点云特征。然后,将特征映射至x-y平面,得到伪图像,并经过FPN(2D CNN)得到多尺度融合特征图。最后,使用Single Shot Detector(SSD)来执行3D目标检测,得到感兴趣物体的类别信息和位置信息。首先,本文引入了MPF(Multi-scale Pooling Fusion)多尺度池化融合模块,将其应用于Point Pillars的PFN模块和Backbone之间。具体方法是采用不同尺寸[1,3,5]的池化核进行最大池化操作,将池化后的伪图像在通道维度进行拼接,并通过2D卷积神经网络(2D CNN)将特征图恢复到与伪图像相同的维度,然后将特征图与原始伪图像逐元素求和,得到新的伪图像输出。这种多尺度池化融合操作使得伪图像具备了不同分辨率的特征和更丰富的语义信息,有效增加了主干网络的感受野。MPF模块仅在恢复通道时引入额外参数,而最大池化和逐元素求和操作不引入额外参数,因此具有轻量化的特点。在KITTI自动驾驶数据集上,将Point Pillars与引入MPF模块后的Point Pillars进行结果对比:引入MPF模块后,在中等难度下,车辆、行人和骑行者的m AP分别提升了0.78%,4.01%和1.81%。此外,使用单张NVIDIA Ge Force RTX 3090进行单帧点云检测时,每帧点云检测时间为0.027秒,满足实时检测的要求。同时,本文还将MPF模块应用于SECOND、Part A2和PV-RCNN模型中,显著提高了行人和骑行者的m AP值,验证了MPF模块的有效性和鲁棒性。最后,本文探索了在3D点云目标检测领域中如何应用自然语言处理模型Transformer,并提出了PST(Pillars Self Attention)柱自注意力模块。首先,我们介绍了Transformer及Vi T(Vision Transformer)的模型及其原理。Vi T将图片转化为序列以应用注意力机制,本文受此启发,将经过点云柱化处理后得到的伪图像进行序列化处理。每个像素的所在通道被视为一个单词向量,将伪图像转化为包含长宽乘积个数的单词向量序列。接着,使用多头自注意力机制获得带有权重分布的特征图。最后,将特征图与原始伪图像逐元素求和,并输入到2D Backbone中,进行后续的分类和回归任务,从而得到预测结果。在自动驾驶数据集KITTI上,加入PST模块的Point Pillars在行人检测上的简单、中等和困难三种难度下的精度分别达到了57.96%、53.18%和49.18%,与Point Pillars相比,提升了3.8%、3.66%和3.77%。此外,在使用单张NVIDIA Ge Force RTX 3090进行单帧点云检测时,每帧点云检测时间为0.022秒,满足实时检测的要求。

关键词：深度学习激光雷达三维点云目标检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

赣南采茶戏与高安采茶戏的舞蹈形态对比研究

赣南采茶戏与高安采茶戏的舞蹈形态对比研究

作者：晏梦颖江西师范大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

母语为韩语的汉语学习者连动句习得研究

母语为韩语的汉语学习者连动句习得研究

作者：晏露林上海师范大学

学位级别：硕士