基于蜂群算法和半监督极限学习机的光伏系统故障诊断

户外环境中运行的光伏系统容易受到各种因素特别是灰尘的影响，其非正常运行会导致大量的电力损失，严重的短路故障则会导致安全问题和火灾隐患。因此，监测光伏系统的运行状态，及时排除潜在故障，制定有效的处理方案是当前研究的重点。本文分析了光伏电池串在各种故障状态下的I-V特性，特别是在污秽条件下的I-V特性。针对具有特定故障的光伏系统，特别是大规模光伏系统的标记数据难以记录的问题，提出了一种结合人工蜂群算法和半监督极值学习机（ABC-SSELM）的新算法。该算法能够利用少量的模拟标记数据和历史未标记数据对光伏故障进行诊断，大大降低了人工成本和时间消耗。此外，灰尘堆积监测可以提醒电厂业主及时清洗光伏组件，提高发电效益。最后，使用3.51kWp和3.9kWp的光伏系统验证所提出的诊断方法，数值仿真和实验结果证明了所提光伏诊断技术的准确性和可靠性。     

CDBN‑IKELM的轴承变工况故障诊断方法

针对现有方法在轴承变工况方面存在的诊断精度低、人工提取特征不充分等问题，提出了基于卷积深度置信网络（convolutional deep belief network，简称CDBN）与改进核极限学习机 （improved Kernel?based extreme learning machine，简称IKELM）的滚动轴承故障智能识别方法。首先，由卷积深度置信网络对原始信号内的故障特征进行深层自适应提取；其次，利用等距特征映射对提取的多维特征进行降维，去除冗余特征信息；然后，采用改进的核极限学习机对特征进行分类，使用粒子群（particle swarm optimization， 简称PSO）对模型重要参数进行优化，实现滚动轴承变工况下的故障识别；最后，将所提方法应用于不同工况下多种轴承故障的诊断。实验结果表明，该方法能够智能有效地识别变工况的轴承故障，诊断结果优于已有的智能故障诊断方法。     

基于VMD和BSA-KELM的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明：和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。     

基于PSO-ELM算法的输变电工程造价预测分析

为了提高输变电工程造价预测的准确度,降低以后输变电工程建设的结余率,文中将筛选出的主要影响因素作为ELM模型的输入自变量,并利用粒子群优化算法(PSO)来优化ELM模型中权值和阈值,从而建立PSO-ELM(MIV)的输变电工程造价预测模型。以宁夏某电力公司2012-2013年的97组输变电工程造价样本数据为实例,分别使用PSO-ELM(MIV)、ELM(MIV)、PSO-ELM和ELM预测模型对实例数据进行验证,实验结果表明,相比于其他几种预测模型,PSOELM(MIV)预测精度高,实用型更强,可以为日后的输变电工程造价预测提供一种新的思路。     

面向不平衡数据流的自适应加权在线超限学习机算法

一般的在线学习算法对不平衡数据流的分类识别会遇到较大困难,特别是当数据流发生概念漂移时,对其进行分类会变得更困难.文中提出面向不平衡数据流的自适应加权在线超限学习机算法,自动调整实时到达的训练样本的惩罚参数,达到在线学习不平衡数据流的目的.文中算法可以适用于不同偏斜程度的静态数据流的在线学习和发生概念漂移时数据流的在线学习.理论分析和在多个真实数据流上的实验表明文中算法的正确性和有效性.     

基于极限学习机的橡胶配方性能预测

以三元乙丙橡胶(EPDM)胶料配方和天然橡胶(NR)胶料配方为例,将配方中各组分的用量作为输入,硫化橡胶的基本物理机械性能作为输出,建立了基于极限学习机(ELM,extreme learning machine)神经网络的配方性能预测模型,并给出两种配方的预测结果和相对误差。结果表明,ELM神经网络模型能够准确预测出EPDM配方和NR配方硫化橡胶的基本物理机械性能,且平均相对误差在7%以内,具有较高的预测精度。     

基于结构化遮挡编码和极限学习机的局部遮挡人脸识别

提出使用结构化遮挡编码（SOC）结合极限学习机（ELM）的算法来处理人脸识别中的遮挡问题。首先，使用SOC去除图像上的遮挡物，将遮挡物体与人脸分离开；同时，通过局部性约束字典（LCD）来估计遮挡物的位置，建立遮挡字典和人脸字典。然后，将建立好的人脸字典矩阵进行归一化处理，并利用ELM对归一化的数据进行分类识别。最后，在AR人脸库上进行的仿真实验结果表明，所提方法对不同遮挡物和不同区域遮挡的图像具有较好的识别率和鲁棒性。     

基于PSO-ELM模型的潜油柱塞泵冲次优化方法

为改进油井后期泵效低下、能耗高等缺陷，提出了一种基于PSO-ELM模型的潜油柱塞泵冲次优化方法.采用粒子群（PSO）算法与极限学习机（ELM）相结合的方式来实现动液面软测量建模；根据动液面及潜油柱塞泵工作电流变化，以油井运行经济性最优为目的建立目标函数得到潜油柱塞泵冲次，解决了在油井生产时不能准确调节抽油机冲次问题；最后以目标函数关系建立模糊控制器模型，根据输入参数调整潜油柱塞泵冲次.实验结果表明，建立的软测量模型预测动液面精度高，模糊控制器能够更加合理地调整抽油机冲次，最终达到智能调整冲次大小、提高油井采油率及节能的目的.     

基于ELM的英语教学质量评价研究

对英语教学质量实施科学化的评价关系到英语教学质量的提升,为减少主观因素的影响,本文提出一种ELM的教学质量评价方法,该种方法将可以在很大程度上提高教学质量评价的精度。对影响英语教学质量的12个指标进行打分,以此作为ELM的输入,同时将英语教学质量的综合得分作为ELM的输出。评价结果表明,基于EIM的英语教学质量评价结果比SVM、BP具有了很大程度的提升,为实施英语教学质量的评价提供了参考。