智能化科氏力动力学实验探究平台的开发DEVELOPMENT OF AN INTELLIGENT EXPERIMENTAL RESEARCH PLATFORM FOR CORIOLIS FORCE DYNAMICS
张文豪,毛郅皓,熊中龙,吴妍
摘要(Abstract)：
为克服传统科氏力实验测量粗糙、功能单一等痛点,本文研制了一套智能化科里奥利力动力学演示与探究平台。该平台采用“端-云”协同的分布式架构,前端由STM32主控单元与K230视觉采集单元构成,负责多源数据采集;后端上位机则通过融合蓝牙与Wi-Fi两路并行数据通道,利用YOLOv8模型,实现了对动力学过程的实时追踪,以及理论-实验的同步对比。性能评定结果表明,该平台空间分辨率为0.667mm/pixel,端到端延迟<1.320s,相同条件下重复实验50次,实验轨迹与理论轨迹拟合优度R~2>0.99,具备高精度、高实时性与高可靠性。通过小球轨迹偏转和流体冲刷两个典型实验,验证了平台兼具经典物理规律的直观测量和复杂非线性现象的深度探究能力。通过Mamba模型与物理信息神经网络(PINN)相结合,并引入半监督学习与自注意力机制,平台能预测流体冲刷实验结果,并能从数据中反演出主导冲刷过程的核心物理机制。本研究为传统物理实验仪器的现代化、智能化升级提供了一套完整、可行的解决方案。
关键词(KeyWords)： 智能实验平台;科里奥利力;YOLO目标检测;注意力机制;PINN;Mamba
基金项目(Foundation): 中国地质大学（武汉）本科教学重点项目（2024077）;中国地质大学（武汉）大学生自主创新资助计划（2025JB176）
作者(Author): 张文豪,毛郅皓,熊中龙,吴妍
DOI: 10.27024/j.wlygc.2025.11.26.07
参考文献(References)：
- [1] 李玮，黄雷，于莉莉.基于荧光技术的科里奥利力定量验证实验[J].大学物理实验，2019,32(4):13-15.LI W,HUANG L,YU L L.Quantitative verification experiment of Coriolis force based on fluorescence technique[J].Physical Experiment of College,2019,32(4):13-15.(in Chinese) [2] REDMON J,DIVVALA S K,GIRSHICK R B,et al.You only look once:unified,real-time object detection[C]// Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition.Las Vegas,NV,USA:IEEE,2016:779-788.DOI:10.1109/CVPR.2016.91. [3] FISCHLER M A,BOLLES R C.Random sample consensus:a paradigm for model fitting with applications to image analysis and automated cartography[J].Communications of the ACM,1981,24(6):381-395.DOI:10.1145/358669.358692. [4] ZHANG Z.A flexible new technique for camera calibration[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2000,22(11):1330-1334.DOI:10.1109/34.888718. [5] RAISSI M,PERDIKARIS P,KARNIADAKIS G E.Physics-informed neural networks:a deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations[J].Journal of Computational Physics,2019,378:686-707.DOI:10.1016/j.jcp.2018.10.045.
- 注:本实验设计及智能平台开发获2024年全国科学实验展演汇演二等奖;2025年全国大学生物理实验竞赛(自选类仪器研制)一等奖。