何群
- 作品数：87 被引量：219H指数：10
- 供职机构：燕山大学更多>>
- 发文基金：国家自然科学基金河北省自然科学基金河北省高等学校科学技术研究指导项目更多>>
- 相关领域：自动化与计算机技术机械工程电气工程一般工业技术更多>>
- 一种风电机组联邦故障诊断方法及系统
- 本发明公开一种风电机组联邦故障诊断方法及系统，先基于风电场内相同类型风电机组构建风电机组的训练集和测试集；然后基于联邦学习框架，根据所述训练集对本地故障诊断模型进行训练，获得各风电机组对应的最优共享故障诊断模型；最后将所...
- 江国乾范伟鹏谢平武鑫何群王霄
- 融合脑电与近红外脑地形图特征学习的多模式分类
- 2023年
- 脑地形图可以用来可以监测大脑的活动状态,为了准确提取被试大脑活动产生信号的空间特征以及有效提高分类准确率,结合脑地形图和卷积神经网络提出一种多模态脑地形图神经网络分类算法(MBTMNN),对运动想象和心算进行分类识别。对脑电和近红外信号进行预处理,提取脑电的能量特征和近红外中氧合血红蛋白浓度特征,结合各自电极位置统一所有样本的colormap后生成脑地形图,将二者同时输入到卷积神经网络并在特征层进行融合得到训练模型。利用2017年柏林脑电-近红外公开数据集进行六折交叉验证实验,数据集包含29名被试,各300个样本,在运动想象左/右、心算/静息、运动想象/心算/静息和运动想象左/右/心算/静息等4种分类场景中,分别达到了82.91%、94%、90.34%和78.18%的准确率,高于同数据集的近期研究和单模态方法。所提出方法能够有效融合脑电和近红外信号以提高分类精度。
- 何群徐香院江国乾单伟童云杰谢平
- 关键词：脑机接口多模态卷积神经网络脑地形图
- 基于样本熵的风力发电机早期故障检测被引量：5
- 2017年
- 针对发电机定子匝间短路和转子断条等早期故障特征具有幅值小、非稳态、易受工况影响等特点,引入样本熵算法实现风力发电机定子电流和电磁转矩信号特征提取,并模拟不同负载条件下故障信号,实现定量参数分析。分析结果表明,样本熵算法适用于在变工况及噪声干扰条件下,对短数据参量进行分析并实现故障特征定量描述,可用于风力发电机早期故障检测和实时在线监测。
- 谢平王一凡江国乾黄梦君何群
- 关键词：计量学风力发电机转子断条
- 基于改进MEDA算法的脑电情绪识别被引量：1
- 2021年
- 针对普通机器学习算法与迁移学习在应用方面的局限性,利用改进流形嵌入分布对齐算法(MEDA)算法解决跨被试情绪识别中准确率低的问题。其中MEDA通过流行特征变换来减小域之间的数据漂移,并能够自适应定量估计边缘分布和条件分布的权重大小。针对特征维度大且有可能存在不良特征的问题,提出改进MEDA算法,即引入改进最小冗余最大相关算法用于特征选择,并对多源域下的多组识别结果进行决策级融合,进一步提升迁移学习效果。在SEED数据集和实测数据对该算法验证,改进MEDA算法相比于支持向量机、迁移成分分析和联合分布适配算法,整体识别精度分别提升了8.97%、4.00%、2.89%,改进的MEDA算法相比于改进前,每个被试识别准确率均有提升的同时整体识别提升3.36%,验证了该方法的有效性。
- 何群李冉冉付子豪江国乾谢平
- 关键词：情绪识别
- 关于多媒体网络教学中实时图像处理的设计与实现
- 本文重点介绍了多媒体网络教学的教学功能的实现方法,采用屏幕传输技术解决了多媒体课件的实时图像处理问题.
- 单伟何群
- 关键词：多媒体网络教学图像处理TCPUDP
- 文献传递
- 基于新型广义预测算法的含氧量软测量研究被引量：4
- 2006年
- 文章给出了一种基于新型广义预测算法的烟气含氧量软测量方法,并与传统GPC算法软仪表以及氧化锆仪表的烟气含氧量进行了对比测量,结果表明运用新型广义预测控制算法构建的软仪表能够客观反映锅炉燃烧过程中任何时段的真实情况,提高了烟气含氧量的测量精度,优化了锅炉燃烧控制系数的性能.基于广义预测的含氧量软测量技术为工业锅炉的氧量测量提供了新的手段,也为锅炉燃烧过程中其它关键参数如烟气温度的准确、实时、在线软测量开辟了新的途径,对实现燃烧系统的闭环控制和优化运行具有重要的意义.
- 郑德忠何群
- 关键词：软测量烟气含氧量工业锅炉广义预测控制
- 基于非线性时间序列的预测模型检验与优化的研究被引量：18
- 2008年
- 模型的适用性检验和参数优化是系统建模的最关键环节,对于预测模型的适用性检验,常采用残差方差图、最小信息准则和AIC准则等方法,存在计算量大、准确性低、模型不唯一等缺点.本文给出采用自相关系数和偏自相关系数的拖尾先对ARIMA模型检验,再对其进行F适用性检验,克服了由于观测样本的长度是有限的,偏相关的估计存在误差,拖尾时不能为ARMA定阶的缺陷,并采用具有超线性收敛性等诸多优点的变尺度法对模型参数进行了优化,得到了较为精确的、单一AIRMA模型,该方法可应用于网络流量模型的适用性检验和模型优化,为网络流量的预测、异常检测和服务器负载预测的应用奠定了坚实的基础.
- 单伟何群
- 关键词：非线性时间序列
- 一种融合振动与电流信号协同学习的齿轮箱故障诊断方法
- 本发明涉及一种融合振动与电流信号协同学习的齿轮箱故障诊断方法，其内容是：利用传感器与数据采集设备从风电齿轮箱采集振动与电流信号，分别对其进行局部化处理；将经过局部处理得到的振动与电流局部信号样本输入协同特征学习网络组进行...
- 江国乾贾晨凌谢平武鑫聂世强何群李继猛李小俚
- 文献传递
- 基于深度信念网络的风机主轴承状态监测方法被引量：21
- 2018年
- 提出了一种基于深度信念网络(DBN)的风电机组主轴承状态监测方法。为了降低建模难度并减少训练时间,首先利用相关系数法选取建模变量,进而建立主轴承正常行为的DBN温度模型并用于主轴承温度预测。该模型克服了传统神经网络随机初始化网络权重、易陷入局部最小值等缺点,能有效提高主轴承温度的预测精度。然后采用指数加权移动平均法(EWMA)对主轴承温度残差序列进行分析,并利用核密度估计方法确定故障阈值。最后基于实测的数据采集与监视控制(SCADA)系统数据对主轴承故障进行模拟。结果表明,与传统预测方法相比,该方法能有效地实现主轴承的异常状态监测。
- 王洪斌王红何群王跃灵周振
- 关键词：数据采集与监视控制
- 基于排序模式相异性分析的轴承健康监测被引量：3
- 2017年
- 排序模式分析方法通过相空间重构将一维振动时间序列映射到排序模式概率分布,来揭示序列内部结构的复杂性变化,为微弱信号特征提取提供了一种新视角。将排序模式分析和信息散度相结合,提出一种排序信息散度指标,用于对设备不同运行状态下的振动信号在高维相空间中排序模式概率分布的差异性进行量化分析,并用于轴承内圈不同损伤程度评估和轴承全寿命退化趋势分析。结果表明,与传统的时域统计指标及小波熵、近似熵、排序熵等非线性复杂度指标相比较,所提出的排序信息散度指标具有较好的故障程度量化分析性能,对轴承早期故障退化更加敏感,且稳定性好、计算效率高,利于工程实现。
- 江国乾谢平王霄何群李继猛
- 关键词：信息散度滚动轴承
