您的位置： 专家智库 > >

汪洪涛

作品数：12 被引量：4H指数：1
供职机构：武汉理工大学更多>>
相关领域：自动化与计算机技术经济管理更多>>

合作作者

文献类型

  • 9篇专利
  • 3篇期刊文章

领域

  • 4篇自动化与计算...
  • 1篇经济管理

主题

  • 4篇振动
  • 3篇主减速器
  • 3篇减速
  • 3篇减速器
  • 3篇故障诊断
  • 2篇多核
  • 2篇旋转机械
  • 2篇映射能力
  • 2篇噪声
  • 2篇振动数据
  • 2篇振动信号
  • 2篇支持向量
  • 2篇支持向量机
  • 2篇神经网
  • 2篇神经网络
  • 2篇神经网络结构
  • 2篇树结构
  • 2篇数据运用
  • 2篇特征参数
  • 2篇特征提取

机构

  • 12篇武汉理工大学

作者

  • 12篇汪洪涛
  • 9篇徐劲力
  • 9篇潘昊
  • 9篇张晓帆
  • 1篇尹学军
  • 1篇汪汉
  • 1篇钟珞
  • 1篇高威娜
  • 1篇毕克明

传媒

  • 1篇武汉理工大学...
  • 1篇教育信息化
  • 1篇武汉工业大学...

年份

  • 1篇2020
  • 3篇2019
  • 5篇2018
  • 1篇2006
  • 1篇2005
  • 1篇1998
共 12 条 记 录，以下是 1-10
全选 清除 导出
排序方式：
一种非线性非平稳微弱复杂振动故障信号的特征提取方法
本发明公开了一种非线性非平稳微弱复杂振动故障信号的特征提取方法，包括如下步骤：步骤一，对样本进行预处理；步骤二，选择基核函数；步骤三，对基核函数进行组合；步骤四，构造多核函数并将其输入空间映射至一个低维空间，提取特征向量...
潘昊常凯汪洪涛潘爽徐劲力黄丰云张晓帆
文献传递
时序模型在股市中的应用被引量：1
1998年
借助计算机程序来克服这些困难，实现预测的快捷、简便和准确。这在计算机日益普及的今天，无疑会对股票投资有现实的指导作用。
尹学军高威娜汪洪涛
关键词：波动性股市时间序列模型
一种基于宽残差网络学习模型的机械轴承故障诊断技术
本发明公开了一种基于宽残差网络学习模型的机械轴承故障诊断技术，包括以下步骤：步骤一，采集振动数据；步骤二，运用卷积神经网络对样本数据进行训练、测试，对卷积神经网络结构中的各层数据运用数据可视化技术，完成振动数据和卷积神经...
潘昊谷年龙汪洪涛徐劲力黄丰云张晓帆
一种基于宽残差网络学习模型的机械轴承故障诊断技术
本发明公开了一种基于宽残差网络学习模型的机械轴承故障诊断技术，包括以下步骤：步骤一，采集振动数据；步骤二，运用卷积神经网络对样本数据进行训练、测试，对卷积神经网络结构中的各层数据运用数据可视化技术，完成振动数据和卷积神经...
潘昊谷年龙汪洪涛徐劲力黄丰云张晓帆
文献传递
基于配对稀疏贝叶斯极限学习机的主减速器故障诊断方法
本发明公开了一种基于配对稀疏贝叶斯极限学习机的主减速器故障诊断方法，包括以下步骤：步骤一，根据训练集D<Sub>training</Sub>训练诊断模型；步骤二，使用确定阈值集D<Sub>thresholding</Su...
潘昊秦振威汪洪涛潘爽徐劲力黄丰云张晓帆
文献传递
多重回归LSSVM模型在机械并发故障诊断中的应用
本发明公开了一种多重回归LSSVM模型在机械并发故障诊断中的应用，包括如下步骤：步骤一，采集数据；步骤二，提取和处理特征参数；步骤三，建立多重回归LSSVM故障诊断模型；步骤四，确定故障类型编码及参数；步骤五，构建多重回...
潘昊李征明汪洪涛潘爽徐劲力黄丰云张晓帆
文献传递
主减速器强噪声振动信号的自适应稀疏树结构降噪方法
本发明公开了一种主减速器强噪声振动信号的自适应稀疏树结构降噪方法，该方法主要包括两个阶段：第一个阶段是检测信号中与显著特征相关的位置点，以此作为自适应调整正则化权值的依据，达到保留与信号特征相关的小波系数的目的；第二个阶...
潘昊张莹莹汪洪涛潘爽徐劲力黄丰云张晓帆
文献传递
主减速器强噪声振动信号的自适应稀疏树结构降噪方法
本发明公开了一种主减速器强噪声振动信号的自适应稀疏树结构降噪方法，该方法主要包括两个阶段：第一个阶段是检测信号中与显著特征相关的位置点，以此作为自适应调整正则化权值的依据，达到保留与信号特征相关的小波系数的目的；第二个阶...
潘昊张莹莹汪洪涛潘爽徐劲力黄丰云张晓帆
校园一卡通系统与异构型数据库的集成技术
2006年
文中论述校园一卡通信息在校园网中的完整性和一致性。讨论校园一卡通系统与异构数据库的集成技术。重点介绍ODBC及JDBC的接口技术。
汪汉汪洪涛
关键词：校园一卡通异构数据库集成技术
多重回归LSSVM模型在机械并发故障诊断中的应用方法
本发明公开了一种多重回归LSSVM模型在机械并发故障诊断中的应用，包括如下步骤：步骤一，采集数据；步骤二，提取和处理特征参数；步骤三，建立多重回归LSSVM故障诊断模型；步骤四，确定故障类型编码及参数；步骤五，构建多重回...
潘昊李征明汪洪涛潘爽徐劲力黄丰云张晓帆
文献传递
全选 清除 导出
共2页<12>
聚类工具0