基于Gabor变换和极限学习机的铝箔密封性检测

针对铝箔封口温度场分布特征进行了研究,提出了一种基于Gabor变换和极限学习机(ELM)的封口密封性检测方法。对采集到的不同特征类型热像图进行Gabor变换,提取纹理特征训练极限学习机神经网络。然后利用训练结果对热像图进行分类识别,通过热像图分类特征判断铝箔封口密封情况。与提取颜色特征的BP神经网络对比分析发现,基于Gabor变换和极限学习机的算法具有泛化性强、响应速度快、精度高等优势。     

基于极限学习机与模糊积分融合的机器人地面分类

为了提高移动机器人地面分类的准确率,采用奇异值分解和功率谱密度估计两种方法对振动信号进行特征提取。针对极限学习机的隐层节点冗余问题,给出改进的算法,并采用改进的极限学习机对地面分类。针对模糊积分参数耗时和积分函数不确定的问题,给出改进的方法,并基于2种特征采用改进的模糊积分对2个改进的极限学习机进行融合。在四轮移动机器人左前轮轮臂上安装三向加速度计和z向传声器,使之在沙、碎石、草、土、沥青地面上分别以5种速度行驶,采集车轮与地面相互作用的加速度和声压信号。根据改进的极限学习机和模糊积分融合算法,分别对每种速度下的5种地面进行分类,分类平均准确率为95.22%。实验验证了算法的有效性。     

基于极限学习机的非线性内模控制

针对非线性的内模控制的逆模难以求解的问题,该文提出一种基于改进极限学习机(MELM)的非线性内模控制方法。在基本的极限学习机模型中加入L1和L2范数罚函数,然后将改进极限学习机算法用于建立非线性系统的内模型和逆模型。仿真实验中,选取4种典型信号进行跟踪,并检验了系统的抗干扰能力和系统参数发生变化时的鲁棒性,通过将MELM和最小二乘支持向量机(SVM)以及极限学习机算法进行对比,表明基于MELM的内模控制方法对非线性系统具有更好的控制性能、较强的抗干扰能力和鲁棒性能。     

堆叠图嵌入极限学习机算法

极限学习机(Extreme learning machine,ELM)因其训练参数少、学习速度快、泛化能力强等特点,已被广泛应用于训练单隐藏层前馈神经网络。本文首先结合图嵌入框架提出一种新的极限学习机自编码器(GEELM-AE),在ELM空间中挖掘数据的局部近邻结构信息和全局结构信息。在GEELM-AE中,采用局部Fisher判别分析构建了图嵌入框架下的本征图和惩罚图。进而,通过堆叠多个GEELM-AE提出了深度框架下的堆叠图嵌入极限学习机(SGE-ELM)算法。在多个标准数据集上的实验结果表明,与已有算法比较,本文算法获得了更高的精度并具有较快的训练速度。这验证了提出的图嵌入极限学习机自编码器能够对原始数据进行有效的特征表示,堆叠的多层图嵌入极限学习机能够获得数据的有效的高层次抽象表征。     

基于随机森林的局部放电特征提取和优选研究

在得到了局部放电绝缘缺陷模式识别所需的特征集后,针对特征维度较高,建立分类模型复杂的问题,提出了基于方差分析的随机森林前向特征选择方法。从两个方面进行了改进:一是提出一种基于方差分析的方法,度量特征在不同类别上的差异性,得到了修改之后的排列置换方案,用来指导某一个特征在袋外数据样本上的取值顺序的重新排列;二是采用序列前向搜索方法进行特征选择,得到迭代的特征评估结果,解决了现有算法中决定特征子集大小的随意性及结果的不稳定性问题。将基于方差分析的随机森林前向特征选择方法、主成分分析法和稀疏主成分分析法对单一特征集和组合特征集进行特征降维之后的结果输入到分类器进行测试,结果表明基于方差分析的随机森林前向特征选择方法能够获得较好的特征子集,用于局部放电特征降维是可行的,有效提高了局部放电缺陷类型识别率。     

基于OBE-ELM的球磨机料位软测量

针对采用传统极限学习机在球磨机料位软测量建模过程中,存在鲁棒性差,预测精度不高等缺点,提出一种基于最优定界椭球(Optimal Bounding Ellipsoid,OBE)改进极限学习机(Extreme Learning Machine,ELM)的建模方法.该方法以球磨机振动信号为观测变量,采用偏最小二乘法提取有效特征,将提取到的有效特征输入到ELM中进行模型训练,并利用OBE在模型误差未知但有界的条件下,对网络权值进行约束优化.通过小型球磨机实验表明,在对球磨机料位进行回归预测时,该方法的评价指标与其它方法相比有所提高,测量结果的箱线图也直观展示该方法具有更好的鲁棒性.     

基于Gabor变换和极限学习机的贝类图像种类识别

研究了基于Gabor变换和二维图像主成分分析(2DPCA)相结合的贝类图像识别方法。对贝类图像进行Gabor变换,提取其图像特征,确定了图像特征维数;采用2DPCA方法,对变换后的特征进行降维,并利用极限学习机(ELM)进行贝类图像的分类识别。与BP神经网络和支持向量机(SVM)实验对比发现,极限学习机分类器用于贝类识别不仅速度极快而且泛化性良好,算法具有较高的精度。     

融合ELM和相关滤波的鲁棒性目标跟踪算法

为解决目前主流相关滤波跟踪方法中跟踪结果容易陷入局部最优值以及因引入深度学习带来的特征提取过程过慢的问题,提出一种融合极限学习机和相关滤波器的鲁棒性目标跟踪算法。该算法在C-COT算法的基础上对其特征提取方式和置信图的寻优方法进行改善。首先,利用多层稀疏自编码极限学习机技术,设计新的特征提取模型,以代替原来的卷积神经网络,可快速且高效地提取图像特征;其次,在特征提取模型之后,添加在线序列极限学习机,构建目标粗糙位置估计模型,采用多峰检测方法初步求得目标的预测位置;第三,根据初步的目标预测位置确定置信图的搜索区域,避免跟踪结果陷入局部最优值;最后,在3个目标跟踪标准数据集上验证新算法的有效性。实验结果表明,新算法的跟踪速度是C-COT算法的12.9倍,且对遮挡、运动模糊以及相似目标等有较强的鲁棒性,可有效地提高跟踪精度和速度。     

基于灰狼算法和极限学习机的风速多步预测

为了提高风速的多步预测水平,提出了一种基于数据信号分解和灰狼算法优化极限学习机的混合预测模型。首先,使用具有自适应噪声的完全集成经验模态分解算法将原始风速时间序列分解为若干本征模态函数和一个残差序列,并使用偏自相关函数法对模型输入进行特征选择;其次,在分解子序列上分别建立模型并进行预测,构造多输入多输出策略的极限学习机神经网络,使用灰狼优化算法求解其中的最优化隐含层权值和偏置;最后,对子序列进行重构并得到最终的预测结果。使用时间分辨率为15 min的多组实测资料开展模拟实验,所提模型在3个风电场的均方根误差分别为0.859、0.925、0.927 m/s,均低于其他对比模型,验证了该模型在未来4 h风速预测即16步预测中的有效性。     

基于GAELM神经网络的日前电价预测

针对日前电价预测问题,利用极限学习机建立预测模型.鉴于极限学习机在训练前随机产生输入权重和隐藏节点偏置,可能导致预测结果不稳定以及预测精度太低的问题,提出了一种基于遗传算法(GA)和极限学习机(ELM)的预测方法.首先利用遗传算法对极限学习机随机生成的参数进行寻优,然后根据优化后的参数建立基于GA-ELM的电价预测模型.最后以此模型对PJM电力市场的日前电价进行预测.结果表明,相比ELM和BP神经网络,GA-ELM具有更高的预测精度.     

FMS中加工质量故障预报的新方法

对引起加工质量故障的原因进行了研究,建立了用于加工中心加工质量故障分析的与/或故障树,提出了隐加工质量故障(FMQF)的概念和由·FMQF 找出制造系统故障的决策树方法.本文在模糊理论基础上,提出了隐加工质量故障识别的新方法,用这种方法可以根据控制图的变化进行设备状态估计.基于以上研究,建立了可用于柔性制造系统隐加工质量故障预测和预报的专家系统.     

立方准晶的反平面问题与Ⅲ型裂纹问题

发展了立方准晶材料的断裂理论 .通过应用Fourier分析和对偶积分方程理论 ,得到了立方准晶材料Ⅲ型裂纹问题的精确解析解 ,并由此确定了位移与应力场 ,应力强度因子和应变能释放率 .结果表明 ,应力强度因子与材料常数无关 ,而应变能释放率依赖于所有的材料常数 .这些为研究此新固体材料的变形和断裂提供了重要的信息 .     

Banach代数中的行列式理论

探讨了 Banach 代数中的行列式理论.给出了具有单位元的迹 Banach 代数具有行列式的充要条件.     

非织造布滤料性能及过滤过程的研究进展

对近年来非织造布滤料的研究进展做了简要综述,介绍了内部结构的研究及表征、过滤性能及其影响因素、过滤过程的计算机模拟,指出进一步发展所需要解决的问题。     

高师物理专业人才培养与基础教育衔接问题的研究

分析了当前高师物理专业人才培养与基础教育人才需求存在的问题,结合调查情况,提出了高师物理专业在培养目标、课程设置、教学内容、教学方法及实践教学环节方面的改革措施。     

JOURNAL OF BEIJING INSTITUTE OF TECHNOLOGY TOTAL CONTENTS(Vol.23)

正~~     

鞋面织物染整过程节能减排技术方法

鞋面织物染整是纺织工业中一个特殊分支,公司通过采用先进染色技术和工艺,可以从源头上达到节能和减少废水产生量的效果,废水产生后经过处理达标排放,部分经深度处理后回用。公司经长期实践后已经达到吨织物染整用水125m~3/t_(产品),吨织物排放废水79.2 m~3/t_(产品),水回用率达37.8%,吨产品蒸汽耗量从9t/t_(产品)下降到7 t/t_(产品),均达到国内国际先进水平。     

Genomics,metagenomics,and microbial oceanography—A sea of opportunities

Microbial oceanography is an emerging discipline resulted from the interaction,cross-fertilization and integration of life science and ocean science.Microbial oceanography integrates the principles of marine microbiology,microbial ecology and oceanography to study the role of microorganisms in the biogeochemical dynamics of natural marine ecosystems.The application of genomics tools to study marine microbes is resulting in rapid advancements in microbial oceanography that has important implications in globa...     

Information for Authors

正General Journal of Beijing Institute of Technology(JBIT),an English language journal sponsored by Beijing Institute of Technology,was established in 1992.JBIT mainly publishes research articles that reflect the latest achievements in basic theory and experimental studies in various engineering fields and in applied mathematics,mechanics,physics,chemistry,and so on.JBIT is listed in Ei,CA,SA,AJ,CSA,MR,ZM and many other abstracting indexes.     

Information for Authors

正General Journal of Beijing Institute of Technology(JBIT),an English language journal sponsored by Beijing Institute of Technology,was established in 1992.JBIT mainly publishes research articles that reflect the latest achievements in basic theory and experimental studies in various engineering fields and in applied mathematics,mechanics,physics,chemistry,and so on.