您的位置： 专家智库 > >

陈星

作品数：6 被引量：9H指数：2
供职机构：三峡大学电气与新能源学院更多>>
发文基金：国家自然科学基金更多>>
相关领域：文化科学自动化与计算机技术矿业工程理学更多>>

合作作者

文献类型

  • 5篇中文期刊文章

领域

  • 2篇自动化与计算...
  • 1篇矿业工程
  • 1篇机械工程
  • 1篇一般工业技术
  • 1篇文化科学
  • 1篇理学

主题

  • 2篇卷积
  • 2篇故障诊断
  • 1篇多尺度
  • 1篇旋转机械
  • 1篇旋转机械故障
  • 1篇旋转机械故障...
  • 1篇应用型人才
  • 1篇应用型人才培...
  • 1篇应用型人才培...
  • 1篇圆检测
  • 1篇智能故障诊断
  • 1篇质心
  • 1篇深度网
  • 1篇深度网络
  • 1篇神经网
  • 1篇神经网络
  • 1篇轴承
  • 1篇自适应模糊
  • 1篇自适应模糊P...
  • 1篇自适应模糊控...

机构

  • 5篇三峡大学
  • 1篇国网湖北省电...

作者

  • 5篇陈星
  • 2篇付文龙
  • 1篇王仁明
  • 1篇鲁玲

传媒

  • 1篇机床与液压
  • 1篇自动化博览
  • 1篇自动化技术与...
  • 1篇工矿自动化
  • 1篇教育教学论坛

年份

  • 1篇2023
  • 1篇2022
  • 1篇2018
  • 2篇2014
共 6 条 记 录，以下是 1-5
全选 清除 导出
排序方式：
一种基于OPC通讯的自适应模糊PID控制优化设计被引量：1
2014年
给出了一种利用先进控制技术有效实时优化控制系统参数的方法。首先利用组态软件MCGS设计控制系统监控界面,采用OPC(OLE for Process Control)通讯在MATLAB中得到控制系统实时参数;根据上位机MCGS中实时控制系统的控制要求,在MATLAB中设计自适应模糊PID控制算法优化该控制系统的控制参数,再利用OPC实时通讯将优化后的控制参数传输返回至MCGS来对控制系统进行实时控制。以二阶液位控制系统为仿真实例,仿真结果体现了自适应模糊控制PID算法对实际控制过程的现实意义,且控制过程实时有效,提高了控制效率。
陈星鲁玲
关键词：MCGSOPC自适应模糊控制PID
基于卷积残差共享权值LSTM的旋转机械故障诊断
2023年
为有效提取振动信号中隐含的故障特征,以准确判别机械故障类型,提出一种基于卷积残差权值共享长短时记忆神经网络(Conv-Res-SWLSTM)的故障诊断模型。利用卷积网络来捕获振动信号的局部空间特征;通过融合门结构构建共享权值长短时记忆神经网络(SWLSTM),减少网络需要优化的参数及训练时间,进而更高效地发掘上层网络输出信号中隐含的时间特征。同时,引入缩放指数线性单元函数以提升网络自归一化性能,并嵌入残差模块以增强网络对故障特征的感知及提取能力。最后,基于机械故障实测数据集开展对比实验,结果表明所提模型在4种转速下的平均诊断精度达到99.30%,相对于其他模型具有更优的诊断精度和稳定性。
夏宇航陈星付文龙付文龙蒋晓辉
关键词：旋转机械故障诊断卷积残差
基于归一化距离方差的圆检测
2014年
本文给出了一种基于归一化的距离方差的圆检测方法。首先计算每个连续曲线的质心到各曲线边缘特征点的距离方差,归一化后进行比较从而使圆被初步分割;再对每个圆心进行半径累积,求出各个圆的半径。该方法避免了非圆干扰物带来的大量的无效累积计算,相对于传统Hough变换计算量减少。仿真结果表明,该方法在检测复杂图像中的圆时,检测效率、准确度较高。
陈星彭芝萍
关键词：质心HOUGH变换
新思维“4-X”人才培养模式下本科生就业创业能力培养研究
2018年
在校企合作背景下,提出了一种"4-X"应用型人才培养模式的新思维,即大学本科为4学年,本科生在X期间进行企业实践,其他时间在校学习基础知识。这种模式使得校企合作环节与本科生在校学习环节互相补充,形成有机整体,从而更加全面、深入、系统地提高了本科生的就业和创业能力。
陈星肖碧波
关键词：校企合作应用型人才培养模式就业创业
基于深度网络的滚动轴承智能故障诊断被引量：3
2022年
针对变工况环境中滚动轴承的源域与目标域数据分布不同及目标域样本不含标签的问题,提出一种基于深度自适应迁移学习网络(DATLN)的滚动轴承故障诊断模型。首先,搭建领域共享特征提取网络,采用多尺度卷积神经网络(MSCNN)抑制噪声的干扰,进而有效提取振动信号中蕴含的局部故障信息;其次,结合双向长短时记忆网络(BiLSTM)进一步学习局部故障信息中的时间特征;最后,引入迁移学习,以域对抗(DA)训练结合自适应联合分布(AJD)度量构建域自适应模块,通过最大化域分类损失和最小化AJD距离,实现源域与目标域特征样本对齐。在开源CWRU数据集与机械故障平台实测数据集上分别进行抗噪实验和迁移实验。抗噪实验表明:①在无噪声环境下,MSCNN-BiLSTM网络的识别准确率均达到99%以上,说明其具有较好的特征提取能力;②MSCNN-BiLSTM,LeNet-5,MSCNN和BiLSTM四种网络的识别准确率随着噪声强度的增强而降低;③在3,5,10 dB噪声环境下,MSCNN-BiLSTM网络的平均识别准确率比LeNet-5,MSCNN和BiLSTM网络的平均识别准确率均高,说明MSCNN-BiLSTM网络具有较好的抗噪声干扰性能;④MSCNN-BiLSTM网络在无噪声环境和3 dB噪声环境下,均最先达到收敛且波动较小。迁移实验表明:①在无标签目标域数据集上,DA+AJD方法的平均识别准确率为97.36%,均高于Baseline,迁移成分分析(TCA),域对抗神经网络(DANN)的识别准确率;②在测试集混淆矩阵上,DA+AJD方法仅有1个样本被错误识别,表明基于域适应的DA+AJD方法具备更好的故障迁移诊断性能;③利用t-SNE算法对处理后的源域与目标域特征样本进行可视化,DA+AJD方法只有少量目标域的滚动体故障和外圈故障特征样本被错误对齐到源域的内圈故障特征样本区域,说明DA+AJD方法可有效减少源域与目标域的边缘分布和条件分布差异,进而达到更好的特征样本对齐效果。
李金才付文龙付文龙王仁明陈星
关键词：滚动轴承智能故障诊断
全选 清除 导出
共1页<1>
聚类工具0