PDF《始于足下》

1403 为了处理球磨机的数据, 我们学习了很多算法. 我们采用了 Welch 方法对每段时域信号进行功率谱 计算,经过分析发现,球磨机振动信号的有效频带 范围为

600 Hz -6000Hz,再对有效频段进行分割求 均值,随后我们把数据分成了训练集和测试集两部 分. 本着从简单到复杂的原则,我们首先学习了 PCA 算法提取球磨机振动信号的特征值,我们发现 PCA 提取球磨机振动信号特征值效果不好,于是又 学习了 PLS 算法, 此算法优于 PCA 算法, 但是我们 并不满足于现有的成果, 于是我们又学习了 ELM 算法,ELM 是一种简单易用、有效的单隐层前馈神经 网络 SLFNs 学习算法.

2004 年由南洋理工大学黄广 斌副教授提出.传统的神经网络学习算法需要人为 设置大量的网络训练参数,并且很容易产生局部最 优解. 极限学习机只需要设置网络的隐层节点个数, 在算法执行过程中不需要调整网络的输入权值以及 隐元的偏置,并且产生唯一的最优解,因此具有学 习速度快且泛化性能好的优点. 为了实现 ELM 算法,我们首先简单的学习了 MATLAB 的使用,然后在 MATLAB 上编程.正如 前面所述,ELM 算法具有快速且泛化性能好的优 点, 所以我们使用 ELM 算法后发现对球磨机测试集 的分类精度提高了不少. 照片

5 测试集的预测曲线 通过学习这些机器学习算法,我们明白了数学 和英语的重要性,这些算法都是建立在一定的数学 基础上,没有一定的基础不可能学会这些算法,因 此我们还需要加强数学的学习.与此同时,国外对 机器学习算法的研究比较深入,想要深入学习机器 学习算法,我们需要阅读一些外文文献,这又对我 们的英语水平提出了挑战,虽然现在英语翻译软件 有了很大的发展,我们可以通过英语翻译软件将英 语翻译成汉语,但是经过翻译软件翻译后往往晦涩 难懂,有些专业词汇翻译出来还是错误的.所以我 们在学习机器学习算法的同时还要学好数学和英 语. 重复氧化性实验 郑延宁(指导教师:韩培德) 材物

1301 之前做了一组高温氧化试验,对磨好的 HR3C、 铝含量分别为 1.5%、2.5%、3.5%的四个试样,进行 温度为

800 摄氏度的高温氧化实验, 氧化时间为

120 小时.在氧化

40 小时、80 小时、120 小时时分别取 出空冷,在电子天平上进行称重,与氧化前的称重 相比较测量氧化称重曲线. 照片

6 箱式炉 本阶段的实验任务是再重复氧化实验

3 次,重 复称重并测量氧化增重曲线.故而实验任务与之前 未有较大出入,仍然是先磨制氧化样品,韩老师说 过磨样是金属研究中是最基本的步骤,不管研究有 多高端,磨样总是第一步.然后按类别分开称重并 记录;

再放入箱式炉中如前所述进行氧化并称重;

再列表处理.期间学长还带领我们观察了几个试样 的氧化层图像,并传授了一些观察经验. 比之先前,实验并没有新的步骤,也许科研就 是这样,需要不断重复之前的步骤,不断比较,看 似枯味乏力,很快就没有了刚开始接触科研时的那 种敬畏好奇之心.但纵观那些在科研上有重大成就 ........