检索结果-内蒙古大学图书馆

传感器世界 2025年第3期31卷 11-20页

作者：袁亦冰高国伟田惠鑫薛良雨朱文政胡敬芳魏文松北京信息科技大学北京市传感器重点实验室北京100101 中国农业科学院农产品加工研究所农业部农产品加工综合性重点实验室国家数字农业装备(智能加工)创新分中心北京100193 淄博数字农业农村研究院山东淄博255035 北京信息科技大学现代测控技术教育部重点实验室北京100192 扬州大学旅游烹饪学院中餐非遗技艺传承文化和旅游部重点实验室江苏扬州225100

该研究通过近红外光谱对典型中式菜肴番茄炒蛋建立了蛋白质含量预测模型,探究了不同原料配比(50∶450,100∶400,150∶350,200∶300,250∶250,300∶200,350∶150,400∶100,450∶50)对模型预测效果的影响。通过实验建立了900~1700 nm波长... 详细信息

该研究通过近红外光谱对典型中式菜肴番茄炒蛋建立了蛋白质含量预测模型,探究了不同原料配比(50∶450,100∶400,150∶350,200∶300,250∶250,300∶200,350∶150,400∶100,450∶50)对模型预测效果的影响。通过实验建立了900~1700 nm波长范围内的最佳蛋白质预测模型,该模型采用广义最小二乘加权算法对原始光谱进行预处理,使用支持向量机进行建模,并对不同配比菜肴蛋白质含量进行预测。结果显示,A~C组中残差预测偏差均大于3,其中C组预测结果最佳。同时,Dy:z组模型预测结果R2小于0.9,均低于A~C组,因此推测配料的比例对预测模型的影响并不显著。该研究为中央厨房配料比例确定提供技术支持,有助于推动工业化菜肴标准化加工。

关键词：近红外光谱番茄炒蛋蛋白质含量快速检测原料配比

来源：评论

学校读者我要写书评

暂无评论

nBn型高温中波InAs/InAsSb超晶格红外焦平面探测器

引用

光学学报 2025年第07期 83-91页

作者：刘炳锋祝连庆鹿利单陈伟强董明利合肥工业大学仪器科学与光电工程学院北京信息科技大学光电测试技术及仪器教育部重点实验室

针对中波红外探测器在高工作温度（HOT）条件下的需求,研究了基于InAs/InAsSbⅡ类超晶格中波红外焦平面探测器的设计与制备技术。通过nBn势垒型结构的优化,结合分子束外延技术实现了高质量的应变平衡外延生长,制备了640×512阵列规... 详细信息

针对中波红外探测器在高工作温度（HOT）条件下的需求,研究了基于InAs/InAsSbⅡ类超晶格中波红外焦平面探测器的设计与制备技术。通过nBn势垒型结构的优化,结合分子束外延技术实现了高质量的应变平衡外延生长,制备了640×512阵列规模的中波红外探测器。材料表征表明,超晶格外延层具有优异的晶体质量和精确的晶格匹配。器件测试结果显示,在130 K工作温度下,探测器的平均峰值探测率达到4.81×1011cm·Hz1/2·W-1,噪声等效温差（NETD）为15.8 mK,盲元率仅为0.16%,响应率非均匀性为4.67%。该探测器展现出优异的光电性能及成像质量,其在高工作温度下的优异性能表明其在红外成像和目标探测领域具有广阔的应用前景。

关键词：中波红外探测器 InAs/InAsSb II类超晶格 nBn结构焦平面阵列高工作温度

来源：评论

学校读者我要写书评

暂无评论

基于深度强化学习的柔性作业车间调度算法

引用

北京信息科技大学学报(自然科学版) 2025年第02期40卷 74-84页

作者：何其静李学华陈硕北京信息科技大学现代测控技术教育部重点实验室

传统车间调度算法通常依赖静态环境和固定问题规模的简化假设，在大规模复杂作业车间的适应性较低。针对动态柔性作业车间调度问题（dynamic flexible job shop scheduling problem, DFJSP），提出了一种多目标动态柔性作业车间调度算法... 详细信息

传统车间调度算法通常依赖静态环境和固定问题规模的简化假设，在大规模复杂作业车间的适应性较低。针对动态柔性作业车间调度问题（dynamic flexible job shop scheduling problem, DFJSP），提出了一种多目标动态柔性作业车间调度算法（multi-objective dynamic flexible job shop scheduling algorithm, MODFJSA）。以最小化累计延迟和最小化总碳排放量为优化目标，建立了多目标动态柔性作业车间调度模型。基于双重深度Q网络，建立了基于随机作业到达的分布式多智能体动态作业车间调度算法，将DFJSP转化为涉及机器选择、工序排序和速度控制的顺序决策问题，实现实时优化的调度决策。动态实例仿真分析结果验证了MODFJSA的有效性，与现有调度算法相比，所提算法性能表现更好。

关键词：工业物联网动态柔性作业车间调度多目标优化实时决策强化学习双重深度Q网络

来源：评论

学校读者我要写书评

暂无评论

3D打印碳纤维复合材料件缺陷识别方法研究

引用

电子测量技术 2025年第5期 137-146页

作者：张嘉宁韩凤霞王红军刘淑聪汪俊北京信息科技大学机电工程学院高端装备智能感知与控制北京市国际科技合作基地北京信息科技大学现代测控技术教育部重点实验室南京航空航天大学机电工程学院

3D打印碳纤维增强复合材料构件常见缺陷包括裂纹、气泡、脱粘和分层等。然而，传统的红外热图处理技术存在边缘模糊、“伪影”等问题，并未充分利用像素值在时间维度上的信息。因此，提出了一种基于时序信息的自适应中值滤波算法。结合... 详细信息

3D打印碳纤维增强复合材料构件常见缺陷包括裂纹、气泡、脱粘和分层等。然而，传统的红外热图处理技术存在边缘模糊、“伪影”等问题，并未充分利用像素值在时间维度上的信息。因此，提出了一种基于时序信息的自适应中值滤波算法。结合当前像素在时间维度上的变化信息，利用z-score离群值去除法，判断当前像素在一定时间维度内是否异常，从而减少噪声污染。实验证明：该算法与小波分解去噪、张量主成分分析等方法相比，信噪比指数平均高出6.155 dB,边缘保持良好。此外，使用半高宽测量法、最大类间差法和高斯拉普拉斯算子量化了缺陷，实验表明碳纤维含量和激励时间影响缺陷量化的精度。

关键词： 3D打印复合材料红外图像基于时序信息的自适应中值滤波

来源：评论

学校读者我要写书评

暂无评论

基于实例分割与点云配准的目标位姿测量方法

引用

工具技术 2025年第3期59卷 132-136页

作者：王奡燕必希孙鹏王君北京信息科技大学仪器科学与光电工程学院光电测试技术及仪器教育部重点实验室北京市100000

在合作目标位姿检测中,应用扫描点云直接配准经常产生错误和效率低的问题,为此提出一种结合YOLOv8算法进行实例分割并实现点云高精度配准测量目标位姿的方法。对目标三维点云扫描数据进行下采样,减少数据量,提高运行效率;使用三维点云... 详细信息

在合作目标位姿检测中,应用扫描点云直接配准经常产生错误和效率低的问题,为此提出一种结合YOLOv8算法进行实例分割并实现点云高精度配准测量目标位姿的方法。对目标三维点云扫描数据进行下采样,减少数据量,提高运行效率;使用三维点云生成二维图像进行实例分割,剔除点云中的背景,并使用距离滤波算法剔除干扰点,获得目标点云;使用ICP算法配准模型与目标,获得目标坐标系信息描述目标位姿。实验表明,采用下采样后,预处理与配准分别平均提升效率47%与80%;去除干扰点后进一步提升了配准精度,最大点对距离减少0.504 mm,平均点对距离减少0.019 mm。通过精度实验验证,目标位置误差均值<0.3 mm,各轴角度误差均值<0.6°,可以满足舱外服务机器人的需求。

关键词：体素下采样实例分割 YOLOv8 ICP 点云配准

来源：评论

学校读者我要写书评

暂无评论

基于特征金字塔卷积循环神经网络的故障诊断方法

引用

上海交通大学学报 2022年第2期56卷 182-190页

作者：刘秀丽徐小力北京信息科技大学现代测控技术教育部重点实验室北京100192

变工况、变载荷设备部件不同故障的特征在信号中所占比例和位置不固定,且包括大量不同场景下的原始振动信号的多尺度复杂性.对此,提出一种基于特征金字塔网络(FPN)的卷积循环神经网络(CRNN)滚动轴承故障诊断方法.利用卷积神经网络(CNN)... 详细信息

变工况、变载荷设备部件不同故障的特征在信号中所占比例和位置不固定,且包括大量不同场景下的原始振动信号的多尺度复杂性.对此,提出一种基于特征金字塔网络(FPN)的卷积循环神经网络(CRNN)滚动轴承故障诊断方法.利用卷积神经网络(CNN)框架,并联CNN的卷积层和循环神经网络(RNN)中的长短时记忆(LSTM)层,形成新的CRNN,以充分利用CNN对空间域信息和RNN对时域信息的学习能力;在每一层中权值共享,减少网络参数;利用FPN构建全新特征图,输入一维信号和堆叠后形成的二维信号,对传感器采集的信号进行特征提取,实现故障诊断.利用行星齿轮箱进行故障试验,并进行5折交叉验证,该方法的诊断准确率平均值为99.20%,比基本神经网络模型至少高3.62%,表明该方法诊断精度高、鲁棒性强;利用凯斯西储大学轴承数据集进行验证,证明该方法具有良好的泛用性;利用t-SNE方法对模型的特征学习效果进行可视化分析,结果表明不同故障类别特征具有良好的聚类效果.

关键词：卷积循环神经网络特征金字塔故障诊断特征可视化

来源：评论

学校读者我要写书评

暂无评论

多因素条件下单级齿轮系统的非线性特性

引用

中国机械工程 2018年第8期29卷 937-942页

作者：彭毓敏马超栾忠权徐小力北京信息科技大学现代测控技术教育部重点实验室北京100192

考虑啮合刚度、齿侧间隙和轴承支撑间隙等因素,运用集中质量法建立了三自由度直齿圆柱齿轮副弯扭耦合非线性振动模型,并据此研究了各参数对齿轮系统非线性振动特性的影响。结果表明:齿侧间隙一定时,随着频率的升高,系统由周期运动通过... 详细信息

考虑啮合刚度、齿侧间隙和轴承支撑间隙等因素,运用集中质量法建立了三自由度直齿圆柱齿轮副弯扭耦合非线性振动模型,并据此研究了各参数对齿轮系统非线性振动特性的影响。结果表明:齿侧间隙一定时,随着频率的升高,系统由周期运动通过激变直接进入混沌,然后又由混沌通过激变变为周期运动;在周期运动中,系统经过倍周期分岔,由双周期运动变为四周期运动,然后又通过逆倍周期分岔,由四周期运动变为双周期运动,之后又由双周期运动变为单周期运动;不同的输入转频条件下,间隙变化使系统表现出不同分岔特性,在某些特定频率下,间隙变化只增加系统响应能量变化,并不改变其动力学特性。

关键词：间隙非线性分岔混沌

来源：评论

学校读者我要写书评

暂无评论

基于多尺度深度卷积神经网络的故障诊断方法

引用

振动与冲击 2021年第18期40卷 204-211页

作者：卞景艺刘秀丽徐小力吴国新北京信息科技大学现代测控技术教育部重点实验室北京100192

针对机电装备故障诊断需要大量专家经验、故障特征识别困难的问题,在一维深度卷积神经网络基础上进行改进,构建多尺度一维深度卷积神经网络(M1DCNN),提出基于多尺度一维深度卷积神经网络的故障诊断方法:首先在网络输入层构建多个含有不... 详细信息

针对机电装备故障诊断需要大量专家经验、故障特征识别困难的问题,在一维深度卷积神经网络基础上进行改进,构建多尺度一维深度卷积神经网络(M1DCNN),提出基于多尺度一维深度卷积神经网络的故障诊断方法:首先在网络输入层构建多个含有不同尺寸卷积核通道的特征提取层,对一维时序信号中故障特征进行多尺度特征提取,丰富智能体诊断信息,将所提取特征通过输入到包含多尺寸卷积核以及多样池化层中进行特征处理,最后合并多通道所处理的特征,使网络完成自我学习,从而实现故障诊断。将该方法应用到西储大学轴承故障数据及行星齿轮箱的故障数据诊断实验,结果表明该方法具有诊断精度高、鲁棒性强的特点,相较于一维卷积神经网络准确率提高1.25%,与反向传播神经网络、循环神经网络相比准确率平均提高3%以上,对网络特征提取效果进行可视化分析,结果表明该方法特征提取效果与诊断精度优于一维卷积神经网络。

关键词：深度卷积神经网络(DCNN) 多尺度特征提取特征可视化故障诊断

来源：评论

学校读者我要写书评

暂无评论

基于小波分析的FastICA联合降噪方法在滚动轴承故障诊断中的应用研究

引用

中国机械工程 2017年第18期28卷 2183-2188,2197页

作者：吴雅朋王吉芳徐小力蒋章雷北京信息科技大学现代测控技术教育部重点实验室北京100192

采用小波分析方法进行振动信号降噪存在选取参数依靠经验的问题,采用独立分量分析(ICA)方法进行振动信号降噪存在欠定问题,为了避免小波降噪以及ICA方法单独使用的缺点,提出了将小波降噪分析和基于负熵的FastICA独立分量分析相结合来处... 详细信息

采用小波分析方法进行振动信号降噪存在选取参数依靠经验的问题,采用独立分量分析(ICA)方法进行振动信号降噪存在欠定问题,为了避免小波降噪以及ICA方法单独使用的缺点,提出了将小波降噪分析和基于负熵的FastICA独立分量分析相结合来处理滚动轴承含噪振动信号的方法。首先对原始信号进行小波降噪处理,然后将处理后的信号与原始信号组成FastICA的输入矩阵,进行FastICA降噪处理,最后利用滚动轴承振动信号对该方法进行有效性验证。实验分析表明:该方法增大了振动信号的峭度值,达到了滚动轴承振动信号降噪的目的。

关键词：小波分析独立分量分析降噪滚动轴承

来源：评论

学校读者我要写书评

暂无评论

基于EMD二值化图像和CNN的滚动轴承故障诊断

引用

振动．测试与诊断 2021年第1期41卷 105-113,203页

作者：谷玉海朱腾腾饶文军黄艳庭北京信息科技大学现代测控技术教育部重点实验室北京100192

针对传统故障诊断方法识别准确率低、泛化能力差,而基于深度学习的故障诊断普遍存在需要海量训练数据的问题,提出了一种基于经验模态分解(empirical mode decomposition,简称EMD)与卷积神经网络(convolutional neural networks,简称CNN... 详细信息

针对传统故障诊断方法识别准确率低、泛化能力差,而基于深度学习的故障诊断普遍存在需要海量训练数据的问题,提出了一种基于经验模态分解(empirical mode decomposition,简称EMD)与卷积神经网络(convolutional neural networks,简称CNN)的滚动轴承智能故障诊断方法。首先,对轴承振动数据进行EMD,同时对相关系数最大的本征模函数(intrinsic mode function,简称IMF)分量进行频谱分析,获取频谱图,并将频谱图数据压缩成特征二值化图像作为CNN分类网络训练的输入数据;其次,将正常状态下和各类故障状态下的滚动轴承特征二值化图像作为CNN的输入得到训练模型,利用训练好的模型对各类故障进行分类识别。实验结果表明:在较少的训练数据下,轴承故障诊断准确率达到97.61%,远超过使用反向传播神经网络(back propagation,简称BP)和概率神经网络(probabilistic neural network,简称PNN)方法,证明了所提出方法与传统故障诊断方法相比能够更加准确地识别各类故障类别;对原始信号加入6 dB白噪声后的识别准确率也达到了96.19%,证明了所提出方法具有良好的泛化能力与抗噪性能。

关键词：经验模态分解卷积神经网络滚动轴承故障诊断

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：