CN115064020A - 基于数字孪生技术的智慧教学方法、系统及存储介质 - Google Patents
基于数字孪生技术的智慧教学方法、系统及存储介质 Download PDFInfo
- Publication number
- CN115064020A CN115064020A CN202210992540.7A CN202210992540A CN115064020A CN 115064020 A CN115064020 A CN 115064020A CN 202210992540 A CN202210992540 A CN 202210992540A CN 115064020 A CN115064020 A CN 115064020A
- Authority
- CN
- China
- Prior art keywords
- target user
- practical training
- training
- teaching
- digital twin
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 93
- 238000005516 engineering process Methods 0.000 title claims abstract description 41
- 238000012549 training Methods 0.000 claims abstract description 423
- 230000002452 interceptive effect Effects 0.000 claims abstract description 42
- 230000003044 adaptive effect Effects 0.000 claims abstract description 28
- 230000008569 process Effects 0.000 claims abstract description 28
- 230000000737 periodic effect Effects 0.000 claims abstract description 8
- 230000007246 mechanism Effects 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 230000004927 fusion Effects 0.000 abstract description 2
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000031068 symbiosis, encompassing mutualism through parasitism Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B5/00—Electrically-operated educational appliances
- G09B5/08—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations
- G09B5/14—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations with provision for individual teacher-student communication
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开的一种基于数字孪生技术的智慧教学方法、系统及存储介质,包括:采集实训教学设备实体数据信息,根据实体数据信息生成实训教学设备的点云数据,通过点云数据进行三维重建生成实训教学设备的三维重建模型;将实训教学设备的三维重建模型建立数字孪生体模型,根据数字孪生体模型构建虚拟交互场景;目标用户通过交互终端进行实训学习,获取目标用户在实训过程中的操作学习信息,根据操作学习信息评价目标用户的实训学习状况;根据目标用户的实训学习状况制定适应性实训教学计划,通过周期性考核制度对适应性实训教学计划进行更新修正。本发明通过数字孪生融合实训教学过程,提高了实训效率,同时有效解决培训效率低、危险系数高等问题。
Description
技术领域
本发明涉及数字孪生技术领域,更具体的,涉及一种基于数字孪生技术的智慧教学方法、系统及存储介质。
背景技术
随着招生规模扩大,学生实训需求和实训资源短缺的矛盾日益突出,而虚拟仿真实训教学平台的高效、便利和高复用性,可有效缓解实训资源紧张困境,降低实训教学成本,加快职业人才的培养速度。虚拟仿真实训教学通过仿真模拟、沉浸式体验,为教学提供了沉浸式学习环境和自由灵活的教学方式,相比单一媒体的教学方式以及复合型的多媒体教学方式的教学效率来说会更高,解决传统实训“高投入、高耗材、高危险、难实施、难观摩”的难题,实现学习经验即工作经验,给学生创造充分动手实践、反复实践机会,调动学习积极性,保障教学质量。
数字孪生是将物理空间中的人、事、物完全映射到虚拟空间,建立虚拟世界与实体物理世界的连接,并对物理空间的各类设备系统进行实时优化。构建物理空间与虚拟空间的虚实交融、同生共存,是可智能操控的映射关系。因此通过数字孪生技术实现实训教学及考核任务,实现实训环境的虚拟再现,学生沉浸式现场实训学习有效解决培训效率低、成本高、安全风险性高、技术文件难以整合等问题。
发明内容
为了解决上述技术问题,本发明提出了一种基于数字孪生技术的智慧教学方法、系统及存储介质。
本发明第一方面提供了一种基于数字孪生技术的智慧教学方法,包括:
采集实训教学设备实体数据信息,根据所述实体数据信息生成实训教学设备的点云数据,通过所述点云数据进行三维重建生成实训教学设备的三维重建模型;
根据所述实训教学设备的三维重建模型建立数字孪生体模型,根据数字孪生体模型构建虚拟交互场景;
目标用户通过交互终端进行实训学习,获取目标用户在实训过程中的操作学习信息,根据所述操作学习信息评价目标用户的实训学习状况;
根据目标用户的实训学习状况制定适应性实训教学计划,同时,通过周期性考核制度对适应性实训教学计划进行更新修正。
本方案中,根据所述实训教学设备的三维重建模型建立数字孪生体模型,具体为:
通过机器视觉设备获取实训教学设备的多角度图像信息,根据所述多角度图像信息获取点云数据,对点云数据进行预处理,获取实训教学设备的实体尺寸信息及装配信息;
通过点云数据进行三维重建,根据所述实体尺寸信息及装配信息将点云数据进行配准及连接,生成实训教学设备的三维重建模型;
将实训教育设备的实体材料属性、机电对象属性及运动约束条件赋予所述三维重建模型,构建实训教学设备的数字孪生体模型;
判断实训教学设备的数字孪生体模型与实训教学设备实体的运动匹配度是否处于预设运动匹配度阈值范围内;
若不处于,则证明实训教学设备实体的运动与数字孪生体模型存在不匹配现象,则对数字孪生体模型进行优化。
本方案中,所述的目标用户通过交互终端进行实训学习,具体为:
通过通讯接口建立数字孪生体模型与实训教学设备实体的连接及映射关系,实现数字孪生体模型的数据传输;
通过实训教学设备的数字孪生体模型构建虚拟交互场景,并在所述虚拟交互场景中预设相关实训的教学视频进行目标用户的操作引导;
当目标用户的操作步骤与教学视频中的操作步骤存在偏差时,则将该操作步骤进行标记,并生成预警信息;
同时根据数字孪生体模型的操作进行生成相应的运动变量,通过实训教学设备中各组件的运动联系及运动约束生成运动极值,当所述运动变量大于所述运动极值时,则生成预警信息。
本方案中,获取目标用户在实训过程中的操作学习信息,根据所述操作学习信息评价目标用户的实训学习状况,具体为:
获取目标用户的基础数据,在日常教学实训过程中获取目标用户的操作学习信息,根据所述操作学习信息获取目标用户完成整套实训操作的时间信息;
根据所述时间信息获取目标用户在教学实训过程中的平均熟练度,并将所述平均熟练度作为熟练度基准,获取目标用户在实训操作中熟练度低于熟练度基准的操作步骤;
通过目标用户完成整套实训操作的时间信息、熟练度低于熟练度基准的操作步骤数量及所述操作步骤占所述时间信息的比例结合目标用户的基础身份数据评估目标用户实训学习状况;
预设实训学习状况评价体系获取目标用户的实训学习状况得分,根据目标用户实训学习状况得分生成目标用户的平时成绩;
同时,根据目标用户当前实训操作中的平均熟练度及熟练度低于熟练度基准的操作步骤进行目标用户考核成绩的预测,并将预测考核成绩按照预设方式向目标用户发送。
本方案中,根据目标用户的实训学习状况制定适应性实训教学计划,具体为:
获取目标用户的实训学习状况,获取实训教学设备的操作步骤及目标用户的实训学习状况,将获取的数据进行预处理后将操作步骤的对应字符进行向量化表示;
根据所述目标用户实训学习状况中获取各操作步骤出现预警信息情况或判定为熟练度低于熟练度基准情况的次数信息,并根据所述次数信息生成各操作步骤的注意力得分;
通过所述注意力得分生成目标用户实训学习状况中各操作步骤的基于注意力机制的向量化表示;
构建实训教学计划推荐模型,并进行初始化训练,将目标用户实训学习状况中各操作步骤的基于注意力机制的向量化表示输入所述教学计划推荐模型,生成适应性实训教学计划。
本方案中,还包括:
将历史实训用户的基础数据结合实训学习状况及对应实训教学计划存入预设教学计划数据库;
根据目标用户的当前实训操作中的实训学习状况提取实训学习特征,根据实训学习特征获取相似度符合预设相似度阈值范围的历史实训用户数据;
获取历史实训用户数据的实训教学计划,并按照所述相似度大小进行倒序排序,获取相似度最高的实训教学计划作为目标用户的当前预设时间段内的实训教学计划;
将所述当前预设时间段内的实训教学计划通过预设方式发送至目标用户,获取目标用户通过自身学习情况对实训教学计划的反馈信息,根据反馈信息评估目标用户对实训教学计划的适应度;
当所述适应度小于预设适应度阈值,则根据相似度排序获取相似度次高的实训教学计划替换当前预设时间段内的实训教学计划。
本发明第二方面还提供了一种基于数字孪生技术的智慧教学系统,该系统包括:存储器、处理器,所述存储器中包括一种基于数字孪生技术的智慧教学方法程序,所述一种基于数字孪生技术的智慧教学方法程序被所述处理器执行时实现如下步骤:
采集实训教学设备实体数据信息,根据所述实体数据信息生成实训教学设备的点云数据,通过所述点云数据进行三维重建生成实训教学设备的三维重建模型;
根据所述实训教学设备的三维重建模型建立数字孪生体模型,根据数字孪生体模型构建虚拟交互场景;
目标用户通过交互终端进行实训学习,获取目标用户在实训过程中的操作学习信息,根据所述操作学习信息评价目标用户的实训学习状况;
根据目标用户的实训学习状况制定适应性实训教学计划,同时,通过周期性考核制度对适应性实训教学计划进行更新修正。
本方案中,根据所述实训教学设备的三维重建模型建立数字孪生体模型,具体为:
通过机器视觉设备获取实训教学设备的多角度图像信息,根据所述多角度图像信息获取点云数据,对点云数据进行预处理,获取实训教学设备的实体尺寸信息及装配信息;
通过点云数据进行三维重建,根据所述实体尺寸信息及装配信息将点云数据进行配准及连接,生成实训教学设备的三维重建模型;
将实训教育设备的实体材料属性、机电对象属性及运动约束条件赋予所述三维重建模型,构建实训教学设备的数字孪生体模型;
判断实训教学设备的数字孪生体模型与实训教学设备实体的运动匹配度是否处于预设运动匹配度阈值范围内;
若不处于,则证明实训教学设备实体的运动与数字孪生体模型存在不匹配现象,则对数字孪生体模型进行优化。
本方案中,所述的目标用户通过交互终端进行实训学习,具体为:
通过通讯接口建立数字孪生体模型与实训教学设备实体的连接及映射关系,实现数字孪生体模型的数据传输;
通过实训教学设备的数字孪生体模型构建虚拟交互场景,并在所述虚拟交互场景中预设相关实训的教学视频进行目标用户的操作引导;
当目标用户的操作步骤与教学视频中的操作步骤存在偏差时,则将该操作步骤进行标记,并生成预警信息;
同时根据数字孪生体模型的操作进行生成相应的运动变量,通过实训教学设备中各组件的运动联系及运动约束生成运动极值,当所述运动变量大于所述运动极值时,则生成预警信息。
本方案中,获取目标用户在实训过程中的操作学习信息,根据所述操作学习信息评价目标用户的实训学习状况,具体为:
获取目标用户的基础数据,在日常教学实训过程中获取目标用户的操作学习信息,根据所述操作学习信息获取目标用户完成整套实训操作的时间信息;
根据所述时间信息获取目标用户在教学实训过程中的平均熟练度,并将所述平均熟练度作为熟练度基准,获取目标用户在实训操作中熟练度低于熟练度基准的操作步骤;
通过目标用户完成整套实训操作的时间信息、熟练度低于熟练度基准的操作步骤数量及所述操作步骤占所述时间信息的比例结合目标用户的基础身份数据评估目标用户实训学习状况;
预设实训学习状况评价体系获取目标用户的实训学习状况得分,根据目标用户实训学习状况得分生成目标用户的平时成绩;
同时,根据目标用户当前实训操作中的平均熟练度及熟练度低于熟练度基准的操作步骤进行目标用户考核成绩的预测,并将预测考核成绩按照预设方式向目标用户发送。
本方案中,根据目标用户的实训学习状况制定适应性实训教学计划,具体为:
获取实训教学设备的操作步骤及目标用户的实训学习状况,将获取的数据进行预处理后将操作步骤的对应字符进行向量化表示;
根据所述目标用户实训学习状况中获取各操作步骤出现预警信息情况或判定为熟练度低于熟练度基准情况的次数信息,并根据所述次数信息生成各操作步骤的注意力得分;
通过所述注意力得分生成目标用户实训学习状况中各操作步骤的基于注意力机制的向量化表示;
构建实训教学计划推荐模型,并进行初始化训练,将目标用户实训学习状况中各操作步骤的基于注意力机制的向量化表示输入所述教学计划推荐模型,生成适应性实训教学计划。
本方案中,还包括:
将历史实训用户的基础数据结合实训学习状况及对应实训教学计划存入预设教学计划数据库;
根据目标用户的当前实训操作中的实训学习状况提取实训学习特征,根据实训学习特征获取相似度符合预设相似度阈值范围的历史实训用户数据;
获取历史实训用户数据的实训教学计划,并按照所述相似度大小进行倒序排序,获取相似度最高的实训教学计划作为目标用户的当前预设时间段内的实训教学计划;
将所述当前预设时间段内的实训教学计划通过预设方式发送至目标用户,获取目标用户通过自身学习情况对实训教学计划的反馈信息,根据反馈信息评估目标用户对实训教学计划的适应度;
当所述适应度小于预设适应度阈值,则根据相似度排序获取相似度次高的实训教学计划替换当前预设时间段内的实训教学计划。
本发明第三方面还提供一种计算机可读存储介质,所述计算机可读存储介质中包括一种基于数字孪生技术的智慧教学方法程序,所述一种基于数字孪生技术的智慧教学方法程序被处理器执行时,实现如上述任一项所述的一种基于数字孪生技术的智慧教学方法的步骤。
本发明公开的一种基于数字孪生技术的智慧教学方法、系统及存储介质,包括:采集实训教学设备实体数据信息,根据实体数据信息生成实训教学设备的点云数据,通过点云数据进行三维重建生成实训教学设备的三维重建模型;将实训教学设备的三维重建模型建立数字孪生体模型,根据数字孪生体模型构建虚拟交互场景;目标用户通过交互终端进行实训学习,获取目标用户在实训过程中的操作学习信息,根据操作学习信息评价目标用户的实训学习状况;根据目标用户的实训学习状况制定适应性实训教学计划,同时,通过周期性考核制度对适应性实训教学计划进行更新修正。本发明通过数字孪生融合实训教学过程,提高了实训效率,同时有效解决培训效率低、成本高、安全风险性高、技术文件难以整合等问题。
附图说明
图1示出了本发明一种基于数字孪生技术的智慧教学方法的流程图;
图2示出了本发明目标用户通过交互终端进行实训学习方法流程图;
图3示出了本发明根据目标用户的实训学习状况制定适应性实训教学计划方法流程图;
图4示出了本发明一种基于数字孪生技术的智慧教学系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种基于数字孪生技术的智慧教学方法的流程图。
如图1所示,本发明第一方面提供了一种基于数字孪生技术的智慧教学方法,包括:
S102,采集实训教学设备实体数据信息,根据所述实体数据信息生成实训教学设备的点云数据,通过所述点云数据进行三维重建生成实训教学设备的三维重建模型;
S104,根据所述实训教学设备的三维重建模型建立数字孪生体模型,根据数字孪生体模型构建虚拟交互场景;
S106,目标用户通过交互终端进行实训学习,获取目标用户在实训过程中的操作学习信息,根据所述操作学习信息评价目标用户的实训学习状况;
S108,根据目标用户的实训学习状况制定适应性实训教学计划,同时,通过周期性考核制度对适应性实训教学计划进行更新修正。
需要说明的是,根据所述实训教学设备的三维重建模型建立数字孪生体模型,具体为:通过双目视觉系统获取实训教学设备的多角度图像信息,根据双目视觉系统的位置信息、视差所述多角度图像信息获取实训教学设备的三维空间信息,根据三维空间信息各个像素点的深度及位置信息获取点云数据,对点云数据进行预处理,对点云数据进行滤波去噪并去除背景信息,获取实训教学设备的实体尺寸信息及装配信息;通过点云数据进行三维重建,根据所述实体尺寸信息及装配信息将点云数据进行配准及连接,生成实训教学设备的三维重建模型;将实训教育设备的实体材料属性、机电对象属性及运动约束条件赋予所述三维重建模型,构建实训教学设备的数字孪生体模型;由于数字孪生体模型的直接影响到实训教学质量,因此需要对数字孪生体模型与实训教学设备的交互准确性及高速性进行判断,并进行反复修改及测试。判断实训教学设备的数字孪生体模型与实训教学设备实体的运动匹配度是否处于预设运动匹配度阈值范围内;若不处于,则证明实训教学设备实体的运动与数字孪生体模型存在不匹配现象,则对数字孪生体模型进行优化,优选的,根据上述方法判断数字孪生体模型与实训教学设备实体的运行延迟进行优化修正,以降低数据传输的延迟。
图2示出了本发明目标用户通过交互终端进行实训学习方法流程图。
根据本发明实施例,所述的目标用户通过交互终端进行实训学习,具体为:
S202,通过通讯接口建立数字孪生体模型与实训教学设备实体的连接及映射关系,实现数字孪生体模型的数据传输;
S204,通过实训教学设备的数字孪生体模型构建虚拟交互场景,并在所述虚拟交互场景中预设相关实训的教学视频进行目标用户的操作引导;
S206,当目标用户的操作步骤与教学视频中的操作步骤存在偏差时,则将该操作步骤进行标记,并生成预警信息;
S208,同时根据数字孪生体模型的操作进行生成相应的运动变量,通过实训教学设备中各组件的运动联系及运动约束生成运动极值,当所述运动变量大于所述运动极值时,则生成预警信息。
需要说明的是,通过预设教学辅助视频对目标用户进行操作引导,目标用户基于数字孪生体模型的虚拟交互场景终端设备的控制界面,完成对数字孪生体模型以及实训教学设备实体的操作,获取目标用户在实训过程中的操作学习信息,根据所述操作学习信息评价目标用户的实训学习状况,具体为:获取目标用户的基础数据,在日常教学实训过程中获取目标用户的操作学习信息,根据所述操作学习信息获取目标用户完成整套实训操作的时间信息;根据各个操作步骤的复杂度预设各个操作步骤的标准耗时,通过目标用户完成各个操作步骤的实际耗时表征目标用户对该步骤的熟练度;根据所述时间信息获取目标用户在教学实训过程中的平均熟练度,并将所述平均熟练度作为熟练度基准,获取目标用户在实训操作中熟练度低于熟练度基准的操作步骤,将其作为不熟练操作步骤,另外将生成预警信息的操作步骤也归为不熟练操作步骤;通过目标用户完成整套实训操作的时间信息、熟练度低于熟练度基准的操作步骤数量及所述操作步骤占所述时间信息的比例结合目标用户的基础身份数据评估目标用户实训学习状况;预设实训学习状况评价体系获取目标用户的实训学习状况得分,根据目标用户实训学习状况得分生成目标用户的平时成绩;同时,根据目标用户当前实训操作中的平均熟练度及熟练度低于熟练度基准的操作步骤进行目标用户考核成绩的预测,并将预测考核成绩按照预设方式向目标用户发送,所述目标用户考核成绩的预测可通过神经网络等深度学习方法进行实现。
图3示出了本发明根据目标用户的实训学习状况制定适应性实训教学计划方法流程图。
根据本发明实施例,根据目标用户的实训学习状况制定适应性实训教学计划,具体为:
S302,获取实训教学设备的操作步骤及目标用户的实训学习状况,将获取的数据进行预处理后将操作步骤的对应字符进行向量化表示;
S304,根据所述目标用户实训学习状况中获取各操作步骤出现预警信息情况或判定为熟练度低于熟练度基准情况的次数信息,并根据所述次数信息生成各操作步骤的注意力得分;
S306,通过所述注意力得分生成目标用户实训学习状况中各操作步骤的基于注意力机制的向量化表示;
S308,构建实训教学计划推荐模型,并进行初始化训练,将目标用户实训学习状况中各操作步骤的基于注意力机制的向量化表示输入所述教学计划推荐模型,生成适应性实训教学计划。
需要说明的是,获取实训教学设备的操作步骤及目标用户的实训学习状况,对获取的数据进行数据清理,筛选及去除停用词等预处理,训练集中包括参与实训用户的实训学习状况中操作步骤的基于注意力机制的向量化表示及对应的教学计划集合,基于注意力机制的神经网络构建实训教学计划推荐模型,通过训练集进行初始化训练,在生成各操作步骤的注意力得分后结合操作步骤的向量化表示生成基于注意力机制的向量化表示,采用两个全连接层的多层感知机构建分类模型进行教学计划推荐,选取relu函数作为激活函数,并通sigmoid函数将输出值转换为概率,通过基于注意力机制的神经网络构建实训教学计划推荐模型实现对熟练度越低的操作步骤制定越多的实训计划。
需要说明的是,本发明还包括构建教学计划数据库,将历史实训用户的实训教学计划及各种类实训课程相关的数字孪生体及交互数据,将历史实训用户的基础数据结合实训学习状况及对应实训教学计划存入预设教学计划数据库;根据目标用户的当前实训操作中的实训学习状况提取实训学习特征,根据实训学习特征获取相似度符合预设相似度阈值范围的历史实训用户数据;获取历史实训用户数据的实训教学计划,并按照所述相似度大小进行倒序排序,获取相似度最高的实训教学计划作为目标用户的当前预设时间段内的实训教学计划;将所述当前预设时间段内的实训教学计划通过预设方式发送至目标用户,获取目标用户通过自身学习情况对实训教学计划的反馈信息,根据反馈信息评估目标用户对实训教学计划的适应度;当所述适应度小于预设适应度阈值,则根据相似度排序获取相似度次高的实训教学计划替换当前预设时间段内的实训教学计划。
根据本发明实施例,通过目标用户的操作与数字孪生体模型的运动的映射关系,进行目标用户错误操作时的状态回退,具体为:
根据预设教学视频获取实训教学设备实体的操作列表,并根据所述操作列表匹配对应实训教学设备实体的运动信息,将所述运动信息生成运动特征表;
将运动特征表中各操作步骤及对应的实训教学设备实体的各组件的位置信息生成映射关系,通过哈希链表对所述映射关系进行表示,并导入实训教学设备的数字孪生体模型;
当目标用户出现预警信息需要回退操作时,则根据当前操作在哈希链表头中进行检索,找到该操作对应的哈希链表头后获取与哈希链表头连接的哈希链表节点;
根据哈希链表节点中各组件的位置信息供目标用户进行选择回退;
同时,在目标用户日常实训学习中,目标用户根据不熟练操作步骤在所述哈希链表中进行检索截取,并将截取后哈希链表片段进行头部节点与尾部节点的拼接,实现操作场景的重复训练;
采用哈希链表的形式存储实训教学设备的操作步骤及对应运动信息,在所述哈希链表中通过双向链表进行实现,从双向链表中的任意一个结点开始,都可以很方便地访问它的前驱结点和后继结点,将实训教学设备实体的各操作步骤作为哈希链表头,将训教学设备实体的各组件的位置信息作为哈希链表头后跟的哈希链表节点。
图4示出了本发明一种基于数字孪生技术的智慧教学系统的框图。
本发明第二方面还提供了一种基于数字孪生技术的智慧教学系统,该系统包括:存储器、处理器,所述存储器中包括一种基于数字孪生技术的智慧教学方法程序,所述一种基于数字孪生技术的智慧教学方法程序被所述处理器执行时实现如下步骤:
采集实训教学设备实体数据信息,根据所述实体数据信息生成实训教学设备的点云数据,通过所述点云数据进行三维重建生成实训教学设备的三维重建模型;
根据所述实训教学设备的三维重建模型建立数字孪生体模型,根据数字孪生体模型构建虚拟交互场景;
目标用户通过交互终端进行实训学习,获取目标用户在实训过程中的操作学习信息,根据所述操作学习信息评价目标用户的实训学习状况;
根据目标用户的实训学习状况制定适应性实训教学计划,同时,通过周期性考核制度对适应性实训教学计划进行更新修正。
需要说明的是,根据所述实训教学设备的三维重建模型建立数字孪生体模型,具体为:通过双目视觉系统获取实训教学设备的多角度图像信息,根据双目视觉系统的位置信息、视差所述多角度图像信息获取实训教学设备的三维空间信息,根据三维空间信息各个像素点的深度及位置信息获取点云数据,对点云数据进行预处理,对点云数据进行滤波去噪并去除背景信息,获取实训教学设备的实体尺寸信息及装配信息;通过点云数据进行三维重建,根据所述实体尺寸信息及装配信息将点云数据进行配准及连接,生成实训教学设备的三维重建模型;将实训教育设备的实体材料属性、机电对象属性及运动约束条件赋予所述三维重建模型,构建实训教学设备的数字孪生体模型;由于数字孪生体模型的直接影响到实训教学质量,因此需要对数字孪生体模型与实训教学设备的交互准确性及高速性进行判断,并进行反复修改及测试。判断实训教学设备的数字孪生体模型与实训教学设备实体的运动匹配度是否处于预设运动匹配度阈值范围内;若不处于,则证明实训教学设备实体的运动与数字孪生体模型存在不匹配现象,则对数字孪生体模型进行优化,优选的,根据上述方法判断数字孪生体模型与实训教学设备实体的运行延迟进行优化修正,以降低数据传输的延迟。
根据本发明实施例,所述的目标用户通过交互终端进行实训学习,具体为:
通过通讯接口建立数字孪生体模型与实训教学设备实体的连接及映射关系,实现数字孪生体模型的数据传输;
通过实训教学设备的数字孪生体模型构建虚拟交互场景,并在所述虚拟交互场景中预设相关实训的教学视频进行目标用户的操作引导;
当目标用户的操作步骤与教学视频中的操作步骤存在偏差时,则将该操作步骤进行标记,并生成预警信息;
同时根据数字孪生体模型的操作进行生成相应的运动变量,通过实训教学设备中各组件的运动联系及运动约束生成运动极值,当所述运动变量大于所述运动极值时,则生成预警信息。
需要说明的是,通过预设教学辅助视频对目标用户进行操作引导,目标用户基于数字孪生体模型的虚拟交互场景终端设备的控制界面,完成对数字孪生体模型以及实训教学设备实体的操作,获取目标用户在实训过程中的操作学习信息,根据所述操作学习信息评价目标用户的实训学习状况,具体为:获取目标用户的基础数据,在日常教学实训过程中获取目标用户的操作学习信息,根据所述操作学习信息获取目标用户完成整套实训操作的时间信息;根据各个操作步骤的复杂度预设各个操作步骤的标准耗时,通过目标用户完成各个操作步骤的实际耗时表征目标用户对该步骤的熟练度;根据所述时间信息获取目标用户在教学实训过程中的平均熟练度,并将所述平均熟练度作为熟练度基准,获取目标用户在实训操作中熟练度低于熟练度基准的操作步骤,将其作为不熟练操作步骤,另外将生成预警信息的操作步骤也归为不熟练操作步骤;通过目标用户完成整套实训操作的时间信息、熟练度低于熟练度基准的操作步骤数量及所述操作步骤占所述时间信息的比例结合目标用户的基础身份数据评估目标用户实训学习状况;预设实训学习状况评价体系获取目标用户的实训学习状况得分,根据目标用户实训学习状况得分生成目标用户的平时成绩;同时,根据目标用户当前实训操作中的平均熟练度及熟练度低于熟练度基准的操作步骤进行目标用户考核成绩的预测,并将预测考核成绩按照预设方式向目标用户发送,所述目标用户考核成绩的预测可通过神经网络等深度学习方法进行实现。
根据本发明实施例,根据目标用户的实训学习状况制定适应性实训教学计划,具体为:
获取实训教学设备的操作步骤及目标用户的实训学习状况,将获取的数据进行预处理后将操作步骤的对应字符进行向量化表示;
根据所述目标用户实训学习状况中获取各操作步骤出现预警信息情况或判定为熟练度低于熟练度基准情况的次数信息,并根据所述次数信息生成各操作步骤的注意力得分;
通过所述注意力得分生成目标用户实训学习状况中各操作步骤的基于注意力机制的向量化表示;
构建实训教学计划推荐模型,并进行初始化训练,将目标用户实训学习状况中各操作步骤的基于注意力机制的向量化表示输入所述教学计划推荐模型,生成适应性实训教学计划。
需要说明的是,本发明还包括构建教学计划数据库,将历史实训用户的实训教学计划及各种类实训课程相关的数字孪生体及交互数据,将历史实训用户的基础数据结合实训学习状况及对应实训教学计划存入预设教学计划数据库;根据目标用户的当前实训操作中的实训学习状况提取实训学习特征,根据实训学习特征获取相似度符合预设相似度阈值范围的历史实训用户数据;获取历史实训用户数据的实训教学计划,并按照所述相似度大小进行倒序排序,获取相似度最高的实训教学计划作为目标用户的当前预设时间段内的实训教学计划;将所述当前预设时间段内的实训教学计划通过预设方式发送至目标用户,获取目标用户通过自身学习情况对实训教学计划的反馈信息,根据反馈信息评估目标用户对实训教学计划的适应度;当所述适应度小于预设适应度阈值,则根据相似度排序获取相似度次高的实训教学计划替换当前预设时间段内的实训教学计划。
本发明第三方面还提供一种计算机可读存储介质,所述计算机可读存储介质中包括一种基于数字孪生技术的智慧教学方法程序,所述一种基于数字孪生技术的智慧教学方法程序被处理器执行时,实现如上述任一项所述的一种基于数字孪生技术的智慧教学方法的步骤。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于数字孪生技术的智慧教学方法,其特征在于,包括以下步骤:
采集实训教学设备实体数据信息,根据所述实体数据信息生成实训教学设备的点云数据,通过所述点云数据进行三维重建生成实训教学设备的三维重建模型;
根据所述实训教学设备的三维重建模型建立数字孪生体模型,根据数字孪生体模型构建虚拟交互场景;
目标用户通过交互终端进行实训学习,获取目标用户在实训过程中的操作学习信息,根据所述操作学习信息评价目标用户的实训学习状况;
根据目标用户的实训学习状况制定适应性实训教学计划,同时,通过周期性考核制度对适应性实训教学计划进行更新修正。
2.根据权利要求1所述的一种基于数字孪生技术的智慧教学方法,其特征在于,根据所述实训教学设备的三维重建模型建立数字孪生体模型,具体为:
通过机器视觉设备获取实训教学设备的多角度图像信息,根据所述多角度图像信息获取点云数据,对点云数据进行预处理,获取实训教学设备的实体尺寸信息及装配信息;
通过点云数据进行三维重建,根据所述实体尺寸信息及装配信息将点云数据进行配准及连接,生成实训教学设备的三维重建模型;
将实训教育设备的实体材料属性、机电对象属性及运动约束条件赋予所述三维重建模型,构建实训教学设备的数字孪生体模型;
判断实训教学设备的数字孪生体模型与实训教学设备实体的运动匹配度是否处于预设运动匹配度阈值范围内;
若不处于,则证明实训教学设备实体的运动与数字孪生体模型存在不匹配现象,则对数字孪生体模型进行优化。
3.根据权利要求1所述的一种基于数字孪生技术的智慧教学方法,其特征在于,所述的目标用户通过交互终端进行实训学习,具体为:
通过通讯接口建立数字孪生体模型与实训教学设备实体的连接及映射关系,实现数字孪生体模型的数据传输;
通过实训教学设备的数字孪生体模型构建虚拟交互场景,并在所述虚拟交互场景中预设相关实训的教学视频进行目标用户的操作引导;
当目标用户的操作步骤与教学视频中的操作步骤存在偏差时,则将该操作步骤进行标记,并生成预警信息;
同时根据数字孪生体模型的操作进行生成相应的运动变量,通过实训教学设备中各组件的运动联系及运动约束生成运动极值,当所述运动变量大于所述运动极值时,则生成预警信息。
4.根据权利要求1所述的一种基于数字孪生技术的智慧教学方法,其特征在于,获取目标用户在实训过程中的操作学习信息,根据所述操作学习信息评价目标用户的实训学习状况,具体为:
获取目标用户的基础数据,在日常教学实训过程中获取目标用户的操作学习信息,根据所述操作学习信息获取目标用户完成整套实训操作的时间信息;
根据所述时间信息获取目标用户在教学实训过程中的平均熟练度,并将所述平均熟练度作为熟练度基准,获取目标用户在实训操作中熟练度低于熟练度基准的操作步骤;
通过目标用户完成整套实训操作的时间信息、熟练度低于熟练度基准的操作步骤数量及所述操作步骤占所述时间信息的比例结合目标用户的基础身份数据评估目标用户实训学习状况;
预设实训学习状况评价体系获取目标用户的实训学习状况得分,根据目标用户实训学习状况得分生成目标用户的平时成绩;
同时,根据目标用户当前实训操作中的平均熟练度及熟练度低于熟练度基准的操作步骤进行目标用户考核成绩的预测,并将预测考核成绩按照预设方式向目标用户发送。
5.根据权利要求1所述的一种基于数字孪生技术的智慧教学方法,其特征在于,根据目标用户的实训学习状况制定适应性实训教学计划,具体为:
获取实训教学设备的操作步骤及目标用户的实训学习状况,将获取的数据进行预处理后将操作步骤的对应字符进行向量化表示;
根据所述目标用户实训学习状况中获取各操作步骤出现预警信息情况或判定为熟练度低于熟练度基准情况的次数信息,并根据所述次数信息生成各操作步骤的注意力得分;
通过所述注意力得分生成目标用户实训学习状况中各操作步骤的基于注意力机制的向量化表示;
构建实训教学计划推荐模型,并进行初始化训练,将目标用户实训学习状况中各操作步骤的基于注意力机制的向量化表示输入所述教学计划推荐模型,生成适应性实训教学计划。
6.根据权利要求1所述的一种基于数字孪生技术的智慧教学方法,其特征在于,还包括:
将历史实训用户的基础数据结合实训学习状况及对应实训教学计划存入预设教学计划数据库;
根据目标用户的当前实训操作中的实训学习状况提取实训学习特征,根据实训学习特征获取相似度符合预设相似度阈值范围的历史实训用户数据;
获取历史实训用户数据的实训教学计划,并按照所述相似度大小进行倒序排序,获取相似度最高的实训教学计划作为目标用户的当前预设时间段内的实训教学计划;
将所述当前预设时间段内的实训教学计划通过预设方式发送至目标用户,获取目标用户通过自身学习情况对实训教学计划的反馈信息,根据反馈信息评估目标用户对实训教学计划的适应度;
当所述适应度小于预设适应度阈值,则根据相似度排序获取相似度次高的实训教学计划替换当前预设时间段内的实训教学计划。
7.一种基于数字孪生技术的智慧教学系统,其特征在于,该系统包括:存储器、处理器,所述存储器中包括一种基于数字孪生技术的智慧教学方法程序,所述一种基于数字孪生技术的智慧教学方法程序被所述处理器执行时实现如下步骤:
采集实训教学设备实体数据信息,根据所述实体数据信息生成实训教学设备的点云数据,通过所述点云数据进行三维重建生成实训教学设备的三维重建模型;
根据所述实训教学设备的三维重建模型建立数字孪生体模型,根据数字孪生体模型构建虚拟交互场景;
目标用户通过交互终端进行实训学习,获取目标用户在实训过程中的操作学习信息,根据所述操作学习信息评价目标用户的实训学习状况;
根据目标用户的实训学习状况制定适应性实训教学计划,同时,通过周期性考核制度对适应性实训教学计划进行更新修正。
8.根据权利要求7所述的一种基于数字孪生技术的智慧教学系统,其特征在于,所述的目标用户通过交互终端进行实训学习,具体为:
通过通讯接口建立数字孪生体模型与实训教学设备实体的连接及映射关系,实现数字孪生体模型的数据传输;
通过实训教学设备的数字孪生体模型构建虚拟交互场景,并在所述虚拟交互场景中预设相关实训的教学视频进行目标用户的操作引导;
当目标用户的操作步骤与教学视频中的操作步骤存在偏差时,则将该操作步骤进行标记,并生成预警信息;
同时根据数字孪生体模型的操作进行生成相应的运动变量,通过实训教学设备中各组件的运动联系及运动约束生成运动极值,当所述运动变量大于所述运动极值时,则生成预警信息。
9.根据权利要求7所述的一种基于数字孪生技术的智慧教学系统,其特征在于,获取目标用户在实训过程中的操作学习信息,根据所述操作学习信息评价目标用户的实训学习状况,具体为:
获取目标用户的基础数据,在日常教学实训过程中获取目标用户的操作学习信息,根据所述操作学习信息获取目标用户完成整套实训操作的时间信息;
根据所述时间信息获取目标用户在教学实训过程中的平均熟练度,并将所述平均熟练度作为熟练度基准,获取目标用户在实训操作中熟练度低于熟练度基准的操作步骤;
通过目标用户完成整套实训操作的时间信息、熟练度低于熟练度基准的操作步骤数量及所述操作步骤占所述时间信息的比例结合目标用户的基础身份数据评估目标用户实训学习状况;
预设实训学习状况评价体系获取目标用户的实训学习状况得分,根据目标用户实训学习状况得分生成目标用户的平时成绩;
同时,根据目标用户当前实训操作中的平均熟练度及熟练度低于熟练度基准的操作步骤进行目标用户考核成绩的预测,并将预测考核成绩按照预设方式向目标用户发送。
10.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质中包括一种基于数字孪生技术的智慧教学方法程序,所述一种基于数字孪生技术的智慧教学方法程序被处理器执行时,实现如权利要求1至6中任一项所述的一种基于数字孪生技术的智慧教学方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210992540.7A CN115064020B (zh) | 2022-08-18 | 2022-08-18 | 基于数字孪生技术的智慧教学方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210992540.7A CN115064020B (zh) | 2022-08-18 | 2022-08-18 | 基于数字孪生技术的智慧教学方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115064020A true CN115064020A (zh) | 2022-09-16 |
CN115064020B CN115064020B (zh) | 2023-01-17 |
Family
ID=83208201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210992540.7A Active CN115064020B (zh) | 2022-08-18 | 2022-08-18 | 基于数字孪生技术的智慧教学方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115064020B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115857447A (zh) * | 2022-11-28 | 2023-03-28 | 安徽宝信信息科技有限公司 | 基于数字孪生的复杂工业系统运行监测方法及系统 |
CN117252047A (zh) * | 2023-11-20 | 2023-12-19 | 深圳市联特微电脑信息技术开发有限公司 | 基于数字孪生的教学信息处理方法及系统 |
CN117334099A (zh) * | 2023-10-31 | 2024-01-02 | 广州工程技术职业学院 | 电气控制电路智能教学方法及装置、设备、存储介质 |
CN117351796A (zh) * | 2023-10-09 | 2024-01-05 | 长江大学 | 基于数字孪生技术的野外地质露头场景教学系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170078101A1 (en) * | 2015-02-20 | 2017-03-16 | Telefonaktiebolaget Lm Ericsson (Publ) | Methods of deriving a time stamp, and signing a data stream, and electronic device, server and computer programs |
CN109325696A (zh) * | 2018-09-29 | 2019-02-12 | 牛剑教育科技(深圳)有限公司 | 一种课程管理系统及其方法 |
CN110364049A (zh) * | 2019-07-17 | 2019-10-22 | 石虹 | 一种具有偏离度自动反馈数据闭环纠偏控制的专业技能实训辅助教学系统及辅助教学方法 |
CN110580834A (zh) * | 2019-09-05 | 2019-12-17 | 厦门腾奇智能科技股份有限公司 | 特种机械虚拟导师触感式实时主动训练装置及其训练方法 |
CN112035491A (zh) * | 2020-09-30 | 2020-12-04 | 中山大学 | 基于区块链的数据存储方法、电子积分处理方法及系统 |
CN112967559A (zh) * | 2021-03-29 | 2021-06-15 | 北京航空航天大学 | 一种基于虚拟装配环境的装配技能直接生成方法 |
CN113034668A (zh) * | 2021-03-01 | 2021-06-25 | 中科数据(青岛)科技信息有限公司 | 一种ar辅助的机械模拟操作方法和系统 |
CN113487161A (zh) * | 2021-06-30 | 2021-10-08 | 武汉空心科技有限公司 | 一种基于工作平台的工程师技能熟练度评估系统及评估方法 |
CN113965398A (zh) * | 2021-10-29 | 2022-01-21 | 电子科技大学 | 一种车联网场景下基于孪生区块链的车辆身份认证方法 |
CN114023132A (zh) * | 2021-11-03 | 2022-02-08 | 中国人民解放军火箭军工程大学 | 一种基于数字孪生的维修训练系统及方法 |
-
2022
- 2022-08-18 CN CN202210992540.7A patent/CN115064020B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170078101A1 (en) * | 2015-02-20 | 2017-03-16 | Telefonaktiebolaget Lm Ericsson (Publ) | Methods of deriving a time stamp, and signing a data stream, and electronic device, server and computer programs |
CN109325696A (zh) * | 2018-09-29 | 2019-02-12 | 牛剑教育科技(深圳)有限公司 | 一种课程管理系统及其方法 |
CN110364049A (zh) * | 2019-07-17 | 2019-10-22 | 石虹 | 一种具有偏离度自动反馈数据闭环纠偏控制的专业技能实训辅助教学系统及辅助教学方法 |
CN110580834A (zh) * | 2019-09-05 | 2019-12-17 | 厦门腾奇智能科技股份有限公司 | 特种机械虚拟导师触感式实时主动训练装置及其训练方法 |
CN112035491A (zh) * | 2020-09-30 | 2020-12-04 | 中山大学 | 基于区块链的数据存储方法、电子积分处理方法及系统 |
CN113034668A (zh) * | 2021-03-01 | 2021-06-25 | 中科数据(青岛)科技信息有限公司 | 一种ar辅助的机械模拟操作方法和系统 |
CN112967559A (zh) * | 2021-03-29 | 2021-06-15 | 北京航空航天大学 | 一种基于虚拟装配环境的装配技能直接生成方法 |
CN113487161A (zh) * | 2021-06-30 | 2021-10-08 | 武汉空心科技有限公司 | 一种基于工作平台的工程师技能熟练度评估系统及评估方法 |
CN113965398A (zh) * | 2021-10-29 | 2022-01-21 | 电子科技大学 | 一种车联网场景下基于孪生区块链的车辆身份认证方法 |
CN114023132A (zh) * | 2021-11-03 | 2022-02-08 | 中国人民解放军火箭军工程大学 | 一种基于数字孪生的维修训练系统及方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115857447A (zh) * | 2022-11-28 | 2023-03-28 | 安徽宝信信息科技有限公司 | 基于数字孪生的复杂工业系统运行监测方法及系统 |
CN117351796A (zh) * | 2023-10-09 | 2024-01-05 | 长江大学 | 基于数字孪生技术的野外地质露头场景教学系统 |
CN117334099A (zh) * | 2023-10-31 | 2024-01-02 | 广州工程技术职业学院 | 电气控制电路智能教学方法及装置、设备、存储介质 |
CN117334099B (zh) * | 2023-10-31 | 2024-05-10 | 广州工程技术职业学院 | 电气控制电路智能教学方法及装置、设备、存储介质 |
CN117252047A (zh) * | 2023-11-20 | 2023-12-19 | 深圳市联特微电脑信息技术开发有限公司 | 基于数字孪生的教学信息处理方法及系统 |
CN117252047B (zh) * | 2023-11-20 | 2024-03-19 | 深圳市联特微电脑信息技术开发有限公司 | 基于数字孪生的教学信息处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115064020B (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115064020B (zh) | 基于数字孪生技术的智慧教学方法、系统及存储介质 | |
US11410570B1 (en) | Comprehensive three-dimensional teaching field system and method for operating same | |
CN111291170B (zh) | 一种基于智能客服的会话推荐方法及相关装置 | |
CN111611488B (zh) | 基于人工智能的信息推荐方法、装置、电子设备 | |
CN108961888B (zh) | 一种个性化重构知识体系学习系统及方法 | |
US20230080230A1 (en) | Method for generating federated learning model | |
CN115797606B (zh) | 基于深度学习的3d虚拟数字人交互动作生成方法及系统 | |
US20220237917A1 (en) | Video comparison method and apparatus, computer device, and storage medium | |
CN113761153A (zh) | 基于图片的问答处理方法、装置、可读介质及电子设备 | |
CN108959388A (zh) | 信息生成方法及装置 | |
CN110516749A (zh) | 模型训练方法、视频处理方法、装置、介质和计算设备 | |
CN114820871A (zh) | 字体生成方法、模型的训练方法、装置、设备和介质 | |
CN112070865A (zh) | 课堂互动方法、装置、存储介质及电子设备 | |
CN113641797A (zh) | 数据处理方法、装置、设备、存储介质及计算机程序产品 | |
CN115131849A (zh) | 图像生成方法以及相关设备 | |
CN116956116A (zh) | 文本的处理方法和装置、存储介质及电子设备 | |
CN113822114A (zh) | 一种图像处理方法、相关设备及计算机可读存储介质 | |
CN113391992A (zh) | 测试数据的生成方法和装置、存储介质及电子设备 | |
CN113822790B (zh) | 一种图像处理方法、装置、设备及计算机可读存储介质 | |
CN114333069A (zh) | 对象的姿态处理方法、装置、设备及存储介质 | |
CN114579869A (zh) | 模型训练方法以及相关产品 | |
CN116414951A (zh) | 智能对话方法、模型训练方法、装置、存储介质及设备 | |
CN112270296A (zh) | 一种基于云平台的智慧城市可视化管理系统及方法 | |
CN112818084A (zh) | 信息交互方法、相关装置、设备及计算机可读介质 | |
CN116561350B (zh) | 一种资源生成方法及相关装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |