陈旭东
- 作品数：35 被引量：72H指数：2
- 供职机构：重庆工商大学更多>>
- 发文基金：国家自然科学基金重庆市高等教育教学改革研究项目重庆市教育委员会科学技术研究项目更多>>
- 相关领域：自动化与计算机技术文化科学机械工程环境科学与工程更多>>
- 深度玻尔兹曼机在故障诊断中的应用研究
- 2018年
- 构建了一个基于深度玻尔兹曼机的故障诊断系统。首先,基于一个滚动轴承故障实验平台,对深度玻尔曼兹机的在滚动轴承故障诊断领域应用进行了深度分析;然后将方案应用于20 kg级的航空涡喷发动机的故障诊断中;通过与BP神经网络和支持向量机故障诊断模型进行对比,实验结果表明:采用深度玻尔兹曼机对机械设备故障进行故障识别,具有更高的准确性和可靠性。
- 陈志强陈志强邓生财陈旭东
- 关键词：故障诊断
- 一种振动能量的控制系统与方法
- 本发明提供一种振动能量的控制系统与方法，当振动体系当前产生的振动力大于蓄电池作用下的最大发电阻尼力时，利用振动能量驱动油泵油马达带动发电电动机开始动作，让发电电动机工作于发电状态，为蓄电池充电；当振动体系当前产生的振动力...
- 李川倪茂飞陈旭东喻其炳陈志强冯鑫
- 文献传递
- 一种运行中风机叶片裂纹的激光检测方法
- 本发明公开了一种运行中风机叶片裂纹的激光检测方法，涉及机械设备故障诊断技术，用于解决风机叶片裂纹的故障诊断大多以振动信号的测试与分析为基础，但获取振动信号必须将传感器贴附在测试部件表面，传感器不易安装的问题。它包括以下步...
- 李川白云陈志强喻其炳陈旭东姚行艳成志伟李雪娇王晓丹
- 文献传递
- 一种极限卷积神经网络的ECG信号诊断方法
- 本发明公开了一种极限卷积神经网络的ECG信号诊断方法，包括以下步骤：S1、数据处理阶段：数据源自MIT/BIH的数据库中，构建3层结构的卷积神经网络；S2、特征处理阶段：利用卷积神经网络对数据库中的ECG波形进行特征提取...
- 敖文刚何赛喻其炳汪羽陈旭东
- 文献传递
- 基于振动信号的车辆液压减震器故障识别方法及系统
- 本申请公开了一种基于振动信号的车辆液压减震器故障识别方法及系统，该方法包括以下步骤：在车辆的液压减震器上下两端分别安装振动传感器；采集减震器在正常、泄漏、卡死、断簧、失效这些状态下两个振动传感器的时域信号，从采集的信号中...
- 李川姚行艳刘传文喻其炳陈旭东陈志强白云余婷梃
- 文献传递
- 一种基于PEARSON-LSTM多步长融合网络的AQI指数预测方法
- 本发明公开了一种基于PEARSON‑LSTM多步长融合网络的AQI指数预测方法，包括如下步骤：先通过采集模块获取两个月内的空气质量指数AO，并进行测试集和培训集的分割，根据预测数据库内的数据通过长短期记忆神经网络模块进行...
- 陈旭东周觅陈元橼
- 一种深度信念网络的风力发电机齿轮箱故障诊断方法
- 本发明属于风力发电机齿轮箱故障诊断技术领域，具体涉及一种深度信念网络的风力发电机齿轮箱故障诊断方法，包括步骤：(1)采集振动数据；(2)提取振动信号特征；(3)振动信号重构分析；(4)基于深度信念网络的学习过程；(5)进...
- 陈志强李雪娇喻其炳白云刘杰姚行艳陈旭东王晓丹
- 文献传递
- 深度学习在设备故障预测与健康管理中的应用被引量：69
- 2019年
- 在智能制造背景下,大数据驱动的设备故障预测与健康管理日益受到各界重视。深度学习能够在层次结构的特征提取过程中发现更多的隐藏知识,在领域自适应方面具有良好的数据适应性,近年来逐渐成为设备故障预测与健康管理的研究热点,并在设备故障诊断和预测中得到了广泛的应用。通过系统回顾近年来深度学习在设备故障预测与健康管理中应用,总结、分类和解释关于这一热点主题的主要文献,讨论了各种体系结构和相关理论。在此基础上,阐述了深度学习在设备故障诊断和预测方面所取得的主要成果、面临的挑战、以及未来的发展趋势,为设备故障预测与健康管理领域选择、设计或实现深度学习架构,提供明确的方向。
- 陈志强陈旭东JoséValente de Olivira李川
- 关键词：故障诊断剩余寿命预测
- 地方财经院校管理科学与工程专业硕士研究生创新能力协同培养模式探讨被引量：2
- 2018年
- 文章首先分析了地方财经院校管理科学与工程专业硕士研究生的特点,其次探究了地方财经院校管理科学与工程专业硕士研究生创新能力培养存在的问题及其研究现状,最后阐述了地方财经院校管理科学与工程专业硕士研究生创新能力协同培养模式。
- 陈志强陈旭东
- 关键词：地方财经院校硕士研究生
- 基于学院立方体模式的智能制造工程人才培养
- 2018年
- 本文分析了"中国制造2025"背景下工程人才下人才需求特点.针对国内制造业人才培养现状,结合工业4.0下的国际人才战略,提出了面向中国制造的学院立方体工程人才的培养模式。重点阐述了学院立方体培养模式的内涵,重点以及路径。有机结合雇主、就业机构、大学、教师、学生、求职者六要素,实践、互动、自主三位一体,探索智能制造工程创新人才培养的培养路径、课程体系和评价指标。
- 陈志强陈旭东
