CN110210704A - 基于虚拟仿真的多轴无人机自主学习评价方法及系统 - Google Patents
基于虚拟仿真的多轴无人机自主学习评价方法及系统 Download PDFInfo
- Publication number
- CN110210704A CN110210704A CN201910345482.7A CN201910345482A CN110210704A CN 110210704 A CN110210704 A CN 110210704A CN 201910345482 A CN201910345482 A CN 201910345482A CN 110210704 A CN110210704 A CN 110210704A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- evaluation
- grade
- multiaxis
- study group
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Abstract
本发明公开了一种基于虚拟仿真的多轴无人机自主学习评价方法及系统,所述方法包括:获取无人机学习群体分级信息,不同等级的无人机学习群体所对应的学习内容不同;针对各个等级的无人机学习群体构建对应的评价指标;在多轴无人机的虚拟仿真平台中,实时获取当前学习者的无人机学习群体等级以及对应的评价指标,使用模糊综合评价法对当前学习者的学习成绩进行分级评价,以获取分级评价结果。本发明能够综合考虑不同学习群体的特征,更为准确的反映多轴无人机自主学习水平,避免主观意见的影响,使得多轴无人机学习评价更加科学合理,且该方法无需实际飞行,较小了人力财力的消耗,提升了效率。
Description
技术领域
本发明涉及无人机教学技术领域,特别是涉及一种基于虚拟仿真的多轴无人机自主学习评价方法及系统。
背景技术
随着前沿技术的变革发展,多轴无人机凭借着自身独特优势,将会得到更加系统化、智能化发展,在多轴无人机教学中,普通教育方式由于其地域、时间以及信息量的限制,已经越来越无法满足人才培养的需要。
目前在对多轴无人机的学习情况进行评价时,主要通过人为主观意见以及无人机的实际飞行效果。这种方法不仅浪费了大量人力财力,效率低下,且存在评价不够科学合理的问题。
发明内容
为此,本发明的一个目的在于提出一种基于虚拟仿真的多轴无人机自主学习评价方法,以解决传统学习评价方式浪费人力财力,效率低下,且存在评价不够科学合理的问题。
一种基于虚拟仿真的多轴无人机自主学习评价方法,所述方法包括:
获取无人机学习群体分级信息,不同等级的无人机学习群体所对应的学习内容不同;
针对各个等级的无人机学习群体构建对应的评价指标;
在多轴无人机的虚拟仿真平台中,实时获取当前学习者的无人机学习群体等级以及对应的评价指标,使用模糊综合评价法对当前学习者的学习成绩进行分级评价,以获取分级评价结果。
根据本发明提供的基于虚拟仿真的多轴无人机自主学习评价方法,采用虚拟仿真技术,实现了虚拟性和现实性的统一,能够满足规模化、个性化的培训需要,通过对无人机学习群体进行分级,并对不同等级的无人机学习群体构建对应的评价指标,然后采用模糊综合评价法对当前学习者的学习成绩进行分级评价,能够综合考虑不同学习群体的特征,更为准确的反映多轴无人机自主学习水平,避免主观意见的影响,使得多轴无人机学习评价更加科学合理,且该方法无需实际飞行,较小了人力财力的消耗,提升了效率。
另外,根据本发明上述的基于虚拟仿真的多轴无人机自主学习评价方法,还可以具有如下附加的技术特征:
进一步地,所述使用模糊综合评价法对当前学习者的学习成绩进行分级评价的步骤具体包括:
将评价指标变量转化为统一的数据类型,即整数型;
将所有评价指标对应分值进行累加求出总评分;
根据总评分计算出分级结果。
进一步地,所述根据总评分计算出分级的步骤之后,所述方法还包括:
根据分级结果从改进建议数据库中调出相应的改进意见,并将该分级结果以及对应的改进意见上传至成绩库。
进一步地,所述无人机学习群体分级信息包括初级等级,中级等级和高级等级;
所述初级等级的无人机学习群体对应的评价指标包括无人机装配消耗时间、无人机装配难度、虚拟飞行效果;
所述中级等级的无人机学习群体对应的评价指标包括无人机装配消耗时间、无人机装配工具使用、装配成功率、虚拟飞行效果;
所述高级等级的无人机学习群体对应的评价指标包括无人机装配消耗时间、装配产品的可靠度、自设计零件的数量及质量、装配成功率、虚拟飞行效果。
进一步地,所述在多轴无人机的虚拟仿真平台中,实时获取当前学习者的无人机学习群体等级以及对应的评价指标,使用模糊综合评价法对当前学习者的学习成绩进行分级评价,以获取分级评价结果的步骤之后,所述方法还包括:
将分级评价结果分别存入与各个等级的无人机学习群体对应的成绩评价数据库中;
将所有的所述成绩评价数据库整合为成绩总库。
本发明的另一个目的在于提出一种基于虚拟仿真的多轴无人机自主学习评价系统,以解决传统学习评价方式浪费人力财力,效率低下,且存在评价不够科学合理的问题。
一种基于虚拟仿真的多轴无人机自主学习评价系统,所述系统包括:
分级模块,用于获取无人机学习群体分级信息,不同等级的无人机学习群体所对应的学习内容不同;
构建模块,用于针对各个等级的无人机学习群体构建对应的评价指标;
评价模块,用于在多轴无人机的虚拟仿真平台中,实时获取当前学习者的无人机学习群体等级以及对应的评价指标,使用模糊综合评价法对当前学习者的学习成绩进行分级评价,以获取分级评价结果。
根据本发明提供的基于虚拟仿真的多轴无人机自主学习评价系统,采用虚拟仿真技术,实现了虚拟性和现实性的统一,能够满足规模化、个性化的培训需要,通过对无人机学习群体进行分级,并对不同等级的无人机学习群体构建对应的评价指标,然后采用模糊综合评价法对当前学习者的学习成绩进行分级评价,能够综合考虑不同学习群体的特征,更为准确的反映多轴无人机自主学习水平,避免主观意见的影响,使得多轴无人机学习评价更加科学合理,且该方法无需实际飞行,较小了人力财力的消耗,提升了效率。
另外,根据本发明上述的基于虚拟仿真的多轴无人机自主学习评价系统,还可以具有如下附加的技术特征:
进一步地,所述评价模块包括:
转化单元,用于将评价指标变量转化为统一的数据类型,即整数型;
累加单元,用于将所有评价指标对应分值进行累加求出总评分;
计算单元,用于根据总评分计算出分级结果。
进一步地,所述评价模块还包括:
调出单元,用于根据分级结果从改进建议数据库中调出相应的改进意见,并将该分级结果以及对应的改进意见上传至成绩库。
进一步地,所述无人机学习群体分级信息包括初级等级,中级等级和高级等级;
所述初级等级的无人机学习群体对应的评价指标包括无人机装配消耗时间、无人机装配难度、虚拟飞行效果;
所述中级等级的无人机学习群体对应的评价指标包括无人机装配消耗时间、无人机装配工具使用、装配成功率、虚拟飞行效果;
所述高级等级的无人机学习群体对应的评价指标包括无人机装配消耗时间、装配产品的可靠度、自设计零件的数量及质量、装配成功率、虚拟飞行效果。
进一步地,所述系统还包括:
存入模块,用于将分级评价结果分别存入与各个等级的无人机学习群体对应的成绩评价数据库中;
整合模块,用于将所有的所述成绩评价数据库整合为成绩总库。
本发明的另一个实施例还提出一种可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述方法的步骤。
本发明的另一个实施例还提出一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述方法。
附图说明
本发明实施例的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本发明第一实施例的基于虚拟仿真的多轴无人机自主学习评价方法的流程图;
图2是使用模糊综合评价法对当前学习者的学习成绩进行分级评价的详细流程图;
图3是根据本发明第二实施例的基于虚拟仿真的多轴无人机自主学习评价系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,本发明第一实施例提出的基于虚拟仿真的多轴无人机自主学习评价方法,所述方法包括步骤S101~S103:
S101,获取无人机学习群体分级信息,不同等级的无人机学习群体所对应的学习内容不同;
其中,所述无人机学习群体分级信息包括初级等级,中级等级和高级等级。具体的根据无人机学习群体的不同,把学习者分为初、中、高三级,其中:初级等级的无人机学习群体包括小学及以下的学生;中级等级的无人机学习群体适用于中学生;高级等级的无人机学习群体适用于大学及以上。
S102,针对各个等级的无人机学习群体构建对应的评价指标;
其中,对于初级等级的无人机学习群体,无需对无人机进行自设计,只需进行标准装配,因此,其对应的评价指标包括无人机装配消耗时间、无人机装配难度、虚拟飞行效果。
对于中级等级的无人机学习群体,要求对无人机结构有更加深入的理解,并且在标准装配的基础之上,能应用系统中的模型对无人机适度进行自设计装配,其对应的评价指标包括无人机装配消耗时间、无人机装配工具使用、装配成功率、虚拟飞行效果。
对于高级等级的无人机学习群体,要求对无人机的元器件、动力模型有非常深入的了解,并且有能力独立装配设计无人机,在本级别下的学习者要求有能力自行建立零件的三维模型引入模型库进行装配,其对应的评价指标包括无人机装配消耗时间、装配产品的可靠度、自设计零件的数量及质量、装配成功率、虚拟飞行效果。
S103,在多轴无人机的虚拟仿真平台中,实时获取当前学习者的无人机学习群体等级以及对应的评价指标,使用模糊综合评价法对当前学习者的学习成绩进行分级评价,以获取分级评价结果。
其中,请参阅图2,所述使用模糊综合评价法对当前学习者的学习成绩进行分级评价的步骤具体包括:
S1031,将评价指标变量转化为统一的数据类型,即整数型;
S1032,将所有评价指标对应分值进行累加求出总评分;
S1033,根据总评分计算出分级结果。
具体实施时,在步骤S1033,根据总评分计算出分级的步骤之后,所述方法还可以包括:
根据分级结果从改进建议数据库中调出相应的改进意见,并将该分级结果以及对应的改进意见上传至成绩库。
举例来讲,本实施例中,对装配时间(装配时间数据)、装配零件的顺序(顺序数据)、装配完毕后无机人的模拟飞行效果(飞行数据)以及设计的零件数量(设计零件数据)4项考核指标进行分别评分。
具体地,对装配时间进行评分时,将装配时间与预设装配时间进行对比,以得出该项指标的评分。如当学生装配所消耗的时间小于等于18min时,所对应的评分为100分;时间在大于18min且小于等于21min时,所对应的评分为90分;时间在大于21min且小于等于24min时,所对应的评分为80分;时间在大于24min且小于等于27min时,所对应的评分为70分;时间在大于27min且小于等于30min时,所对应的评分为60分;当时间在大于30min时,所对应的评分为0分。
此外,在对设计的零件数据进行评分时,分数取设计的零件数量占预设零件数量的百分比。具体地,当预设零件数为2时,若设计的零件数量为2,则当设计零件数据的评分为100分,当设计的零件数为1时,则当设计零件数据的评分为:(1/2)*100=50分。
另外,在对无机人的模拟飞行效果这项指标进行考核时,将飞行时间及飞行高度分别与预设飞行时间与预设飞行高度进行对比,分别得出飞行时间与飞行高度的得分(飞行时间与飞行高度的分数范围均为0~100),并将该两项得分的权重进行加权,以得出飞行数据的评分。具体地,飞行时间及飞行高度分数权重比例分别为60%及40%,当飞行时间得分为80分时,飞行高度的得分为90分时,则飞行数据的评分为:80*60%+90*40%=84。
此外,作为一种可选的实施方式,在步骤S103,所述方法还可以包括:
将分级评价结果分别存入与各个等级的无人机学习群体对应的成绩评价数据库中;
将所有的所述成绩评价数据库整合为成绩总库,从而方便的分级录入及查询。
本实施例具体采用了分级综合评价方法对多轴无人机自主学习成绩进行评价、存档,通过多元化评价对学生的无人机装配技能水平进行一个综合的统计评价,从而来判断学生的优势和目标,这对任何一个无人机装配学习者的发展都有很大好处。具体还可以根据实际需要,选用使用较为完善的电动多轴无人机学习系统的基础上,适当增加学习的级别,如专业级、入门级等,根据实际情况增删评价指标,提高评价方法的实用性,此举将有利于评价结果的真实性。
在评价结果方面,可定期选出成绩非常出色的装配产品,给与一定奖励,并将其装配过程录制为动画供其余学生作学习参考,用以激发学习装配的热情。再进一步可以举办电动多轴无人机装配大赛,同样可分为初、中、高三组或更多组,形成良好的、积极向上的无人机装配学习环境。
综上,根据本实施例提供的基于虚拟仿真的多轴无人机自主学习评价方法,采用虚拟仿真技术,实现了虚拟性和现实性的统一,能够满足规模化、个性化的培训需要,通过对无人机学习群体进行分级,并对不同等级的无人机学习群体构建对应的评价指标,然后采用模糊综合评价法对当前学习者的学习成绩进行分级评价,能够综合考虑不同学习群体的特征,更为准确的反映多轴无人机自主学习水平,避免主观意见的影响,使得多轴无人机学习评价更加科学合理,且该方法无需实际飞行,较小了人力财力的消耗,提升了效率。
请参阅图3,基于同一发明构思,本发明第二实施例提出的基于虚拟仿真的多轴无人机自主学习评价系统,所述系统包括:
分级模块10,用于获取无人机学习群体分级信息,不同等级的无人机学习群体所对应的学习内容不同;
构建模块20,用于针对各个等级的无人机学习群体构建对应的评价指标;
评价模块30,用于在多轴无人机的虚拟仿真平台中,实时获取当前学习者的无人机学习群体等级以及对应的评价指标,使用模糊综合评价法对当前学习者的学习成绩进行分级评价,以获取分级评价结果。
其中,所述评价模块30包括:
转化单元31,用于将评价指标变量转化为统一的数据类型,即整数型;
累加单元32,用于将所有评价指标对应分值进行累加求出总评分;
计算单元33,用于根据总评分计算出分级结果。
其中,所述评价模块30还包括:
调出单元34,用于根据分级结果从改进建议数据库中调出相应的改进意见,并将该分级结果以及对应的改进意见上传至成绩库。
其中,所述无人机学习群体分级信息包括初级等级,中级等级和高级等级;
所述初级等级的无人机学习群体对应的评价指标包括无人机装配消耗时间、无人机装配难度、虚拟飞行效果;
所述中级等级的无人机学习群体对应的评价指标包括无人机装配消耗时间、无人机装配工具使用、装配成功率、虚拟飞行效果;
所述高级等级的无人机学习群体对应的评价指标包括无人机装配消耗时间、装配产品的可靠度、自设计零件的数量及质量、装配成功率、虚拟飞行效果。
其中,所述系统还包括:
存入模块40,用于将分级评价结果分别存入与各个等级的无人机学习群体对应的成绩评价数据库中;
整合模块50,用于将所有的所述成绩评价数据库整合为成绩总库。
根据本实施例提供的基于虚拟仿真的多轴无人机自主学习评价系统,采用虚拟仿真技术,实现了虚拟性和现实性的统一,能够满足规模化、个性化的培训需要,通过对无人机学习群体进行分级,并对不同等级的无人机学习群体构建对应的评价指标,然后采用模糊综合评价法对当前学习者的学习成绩进行分级评价,能够综合考虑不同学习群体的特征,更为准确的反映多轴无人机自主学习水平,避免主观意见的影响,使得多轴无人机学习评价更加科学合理,且该方法无需实际飞行,较小了人力财力的消耗,提升了效率。
本实施例提出的基于虚拟仿真的多轴无人机自主学习评价系统的其它技术特征和技术效果与本发明第一实施例提出的方法相同,在此不予赘述。
此外,本发明的另一实施例还提出一种可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一实施例中方法的步骤。
此外,本发明的另一实施例还提出一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现第一实施例中的方法。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具体用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (10)
1.一种基于虚拟仿真的多轴无人机自主学习评价方法,其特征在于,所述方法包括:
获取无人机学习群体分级信息,不同等级的无人机学习群体所对应的学习内容不同;
针对各个等级的无人机学习群体构建对应的评价指标;
在多轴无人机的虚拟仿真平台中,实时获取当前学习者的无人机学习群体等级以及对应的评价指标,使用模糊综合评价法对当前学习者的学习成绩进行分级评价,以获取分级评价结果。
2.根据权利要求1所述的基于虚拟仿真的多轴无人机自主学习评价方法,其特征在于,所述使用模糊综合评价法对当前学习者的学习成绩进行分级评价的步骤具体包括:
将评价指标变量转化为统一的数据类型,即整数型;
将所有评价指标对应分值进行累加求出总评分;
根据总评分计算出分级结果。
3.根据权利要求2所述的基于虚拟仿真的多轴无人机自主学习评价方法,其特征在于,所述根据总评分计算出分级的步骤之后,所述方法还包括:
根据分级结果从改进建议数据库中调出相应的改进意见,并将该分级结果以及对应的改进意见上传至成绩库。
4.根据权利要求1所述的基于虚拟仿真的多轴无人机自主学习评价方法,其特征在于,所述无人机学习群体分级信息包括初级等级,中级等级和高级等级;
所述初级等级的无人机学习群体对应的评价指标包括无人机装配消耗时间、无人机装配难度、虚拟飞行效果;
所述中级等级的无人机学习群体对应的评价指标包括无人机装配消耗时间、无人机装配工具使用、装配成功率、虚拟飞行效果;
所述高级等级的无人机学习群体对应的评价指标包括无人机装配消耗时间、装配产品的可靠度、自设计零件的数量及质量、装配成功率、虚拟飞行效果。
5.根据权利要求1所述的基于虚拟仿真的多轴无人机自主学习评价方法,其特征在于,所述在多轴无人机的虚拟仿真平台中,实时获取当前学习者的无人机学习群体等级以及对应的评价指标,使用模糊综合评价法对当前学习者的学习成绩进行分级评价,以获取分级评价结果的步骤之后,所述方法还包括:
将分级评价结果分别存入与各个等级的无人机学习群体对应的成绩评价数据库中;
将所有的所述成绩评价数据库整合为成绩总库。
6.一种基于虚拟仿真的多轴无人机自主学习评价系统,其特征在于,所述系统包括:
分级模块,用于获取无人机学习群体分级信息,不同等级的无人机学习群体所对应的学习内容不同;
构建模块,用于针对各个等级的无人机学习群体构建对应的评价指标;
评价模块,用于在多轴无人机的虚拟仿真平台中,实时获取当前学习者的无人机学习群体等级以及对应的评价指标,使用模糊综合评价法对当前学习者的学习成绩进行分级评价,以获取分级评价结果。
7.根据权利要求6所述的基于虚拟仿真的多轴无人机自主学习评价系统,其特征在于,所述评价模块包括:
转化单元,用于将评价指标变量转化为统一的数据类型,即整数型;
累加单元,用于将所有评价指标对应分值进行累加求出总评分;
计算单元,用于根据总评分计算出分级结果。
8.根据权利要求7所述的基于虚拟仿真的多轴无人机自主学习评价方法,其特征在于,所述评价模块还包括:
调出单元,用于根据分级结果从改进建议数据库中调出相应的改进意见,并将该分级结果以及对应的改进意见上传至成绩库。
9.根据权利要求6所述的基于虚拟仿真的多轴无人机自主学习评价系统,其特征在于,所述无人机学习群体分级信息包括初级等级,中级等级和高级等级;
所述初级等级的无人机学习群体对应的评价指标包括无人机装配消耗时间、无人机装配难度、虚拟飞行效果;
所述中级等级的无人机学习群体对应的评价指标包括无人机装配消耗时间、无人机装配工具使用、装配成功率、虚拟飞行效果;
所述高级等级的无人机学习群体对应的评价指标包括无人机装配消耗时间、装配产品的可靠度、自设计零件的数量及质量、装配成功率、虚拟飞行效果。
10.根据权利要求6所述的基于虚拟仿真的多轴无人机自主学习评价系统,其特征在于,所述系统还包括:
存入模块,用于将分级评价结果分别存入与各个等级的无人机学习群体对应的成绩评价数据库中;
整合模块,用于将所有的所述成绩评价数据库整合为成绩总库。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910245111 | 2019-03-28 | ||
CN2019102451111 | 2019-03-28 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110210704A true CN110210704A (zh) | 2019-09-06 |
Family
ID=67786433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910345482.7A Pending CN110210704A (zh) | 2019-03-28 | 2019-04-26 | 基于虚拟仿真的多轴无人机自主学习评价方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110210704A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113160644A (zh) * | 2021-04-02 | 2021-07-23 | 湖南交通职业技术学院 | 模块化设计的焊接工业机器人智能培训平台及培训方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101465069A (zh) * | 2008-09-16 | 2009-06-24 | 鲁东大学 | 一种学习支持系统及其学习评价方法 |
CN108646926A (zh) * | 2018-08-29 | 2018-10-12 | 常州天眼星图光电科技有限公司 | 机械制造模具虚拟装配培训系统及培训方法 |
-
2019
- 2019-04-26 CN CN201910345482.7A patent/CN110210704A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101465069A (zh) * | 2008-09-16 | 2009-06-24 | 鲁东大学 | 一种学习支持系统及其学习评价方法 |
CN108646926A (zh) * | 2018-08-29 | 2018-10-12 | 常州天眼星图光电科技有限公司 | 机械制造模具虚拟装配培训系统及培训方法 |
Non-Patent Citations (1)
Title |
---|
赵伟舟等: "基于多层次模糊综合评判的自主学习能力评价系统研究与设计", 《计算机与数字工程》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113160644A (zh) * | 2021-04-02 | 2021-07-23 | 湖南交通职业技术学院 | 模块化设计的焊接工业机器人智能培训平台及培训方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cordero et al. | Stability analysis of fourth-order iterative method for finding multiple roots of non-linear equations | |
Rouwette | Group model building as mutual persuasion | |
Hummelsheim et al. | The German dual system of initial vocational education and training and its potential for transfer to Asia | |
Brzeziński | Accuracy problems of numerical calculation of fractional order derivatives and integrals applying the Riemann-Liouville/Caputo formulas | |
Costantino et al. | A simulation based game approach for teaching operations management topics | |
Ehrenberg et al. | Total quality management: its relationship to administrative theory and organizational behavior in the public sector | |
Balibrea | On problems of Topological Dynamics in non-autonomous discrete systems | |
Sen | Operations Research: Algorithms And Applications: Algorithms and Applications | |
Chwif et al. | Simulation models as an aid for the teaching and learning process in operations management | |
Grass et al. | EU 4.0-The debate on digitalisation and the labour market in Europe | |
Hilpert | Diversities of Innovation | |
Yujie et al. | Performance evaluation of college laboratories based on fusion of decision tree and BP neural network | |
CN110210704A (zh) | 基于虚拟仿真的多轴无人机自主学习评价方法及系统 | |
Sousa et al. | Impact of family vs. school factors on cross-national disparities in academic achievement: evidence from the 2006 PISA survey | |
Carreño et al. | Multilevel method to compute the lambda modes of the neutron diffusion equation | |
Xiong et al. | Online calibration of polytomous items under the graded response model | |
Alias et al. | Technopreneurship and Digital Era in Global Regulation | |
Dahllöf | Dimensions of evaluation: Report of the IMHE study group on evaluation in higher education | |
Pei et al. | The medical health venture capital network community structure, information dissemination and the cognitive proximity | |
CN108664539A (zh) | 一种课程项目匹配方法和系统 | |
Neha et al. | Designing Discussion Forum in SWAYAM for Effective Interactions Among Learners and Supervisors | |
Chen et al. | Task design and analysis of English reading teaching from the perspective of Activity Theory | |
Heymann | Engineering as a socio-technical process: Case-based learning from the example of wind technology development | |
Yu et al. | A contrastive study on the production of double vowels in Mandarin | |
Liang et al. | The evaluation of college students’ innovation and entrepreneurship ability based on nonlinear model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |