李鹏华
- 作品数：9 被引量：13H指数：2
- 供职机构：重庆邮电大学自动化学院更多>>
- 发文基金：国家自然科学基金重庆市教育委员会科学技术研究项目国家教育部博士点基金更多>>
- 相关领域：自动化与计算机技术文化科学机械工程电气工程更多>>
- 自动化专业国际化人才培养模式改革探索与实践——以重庆邮电大学为例
- 2024年
- 在全球经济一体化和科技进步的背景下,培养具备国际化背景和全球视野的自动化专业人才具有重要意义。本文结合自动化专业才培养模式现状,探讨了当前自动化专业人才培养模式在国际化背景下存在的问题和挑战,提出了针对性的模式培养改革举措和相应的实践情况,给出了相应的实践效果及其分析。论文对我国自动化专业国际化人才培养模式的建设提供有效启迪和参考。
- 侯杰李鹏华蔡林沁高思航项盛
- 关键词：自动化专业课程体系师资队伍
- 模拟电路在小波能量描述下的Hopfield神经网络故障诊断方法被引量：3
- 2014年
- 针对模拟电路的故障诊断,提出一种采用小波包分析和能量计算作为故障特征预处理的Hopfield神经网故障诊断方法。在新方法中,模拟电路在理想和实际故障情形下的输出响应分别通过SPICE仿真及电路终端的数据采集板所采集;故障电路输出响应通过小波包完整分解,各尺度小波系数的能量值由一个新定义的能量函数进行计算;由小波能量值所构成的理想与实测故障特征向量经能量编码后被分别作为联想记忆的记忆原型与记忆起始点,在自联想记忆驱动下,实测模拟电路故障的编码被Hopfield神经网络准确分类。数值实验结果表明新方法对具有微弱幅值响应的硬故障与具有较大幅值响应的软故障采取的故障特征预处理效果较好,新定义的能量函数与编码规则对模拟电路的故障诊断准确性影响显著。
- 李鹏华蒋建春邱宝梅梁战维
- 关键词：故障诊断模拟电路小波包分析HOPFIELD神经网络
- 短期电力负荷在小波包分解下的径向基神经网络预测方法被引量：2
- 2013年
- 针对短期电力负荷预测问题,提出一种在小波包分解下的径向基神经网络预测方法。通过小波包分析,将电力载荷及其温度变量对称地分解为低频的近似系数和高频的细节系数。针对不同的小波系数,设计径向基神经网络作为预测器,并通过试错法确定网络合适的结构。网络的训练过程中,采用滑动窗口数据选择策略减少数据样本集,采用随机梯度法更新权值、中心位置和扩展参数。预测的小波系数用于重构出最终的电力载荷值。与前馈多层神经网络的对比数值,实验结果表明,新提出的方法具有较高的预测准确性。
- 邱翊峰张毅李鹏华刘念
- 关键词：短期电力负荷预测小波包分解径向基神经网络
- 统计分析和密度聚类的锂离子电池组内短路故障诊断被引量：1
- 2023年
- 随着锂离子电池系统在电动汽车中的广泛应用,电池组短路引起的安全问题日益凸显,因此动力电池的状态监测与故障诊断备受关注。针对当前非模型故障诊断方法存在的泛用性低、抗干扰性差和电池组不一致性突出等问题,提出了一种基于统计分析和密度聚类的电池组短路故障诊断方法。首先根据遗忘机制,利用核密度估计的相对熵和相关系数提取电池组的故障信息,用于识别短路引起的电池电压和温度变化;接着采用基于密度的空间噪声聚类算法(DBSCAN)自动识别短路故障电池。该方法的鲁棒性在噪声干扰和电池组较大不一致性的条件下得到了有效验证。随后,在不同程度的微短路情况下(短路电阻分别为1、5和10Ω)进行故障诊断,结果表明在10Ω短路情况下故障诊断的准确率能够达到92.17%。最后通过对比分析,表明该诊断方法能够有效检测和定位短路电池,并且故障越严重,诊断所需时间越短。
- 范天娥唐鑫雷浩然李鹏华
- 关键词：相对熵相关系数DBSCAN
- 改进测度下的模糊C均值三元催化器故障诊断方法被引量：3
- 2018年
- 针对采用物理建模刻画三元催化器故障演化精确性不足问题,提出一种基于尾气大数据的改进测度模糊C均值(FCM,fuzzy c-means),故障诊断方法。该方法包括分数阶傅里叶变换(FRFT,fractional fourier transform)下的故障特征提取与优化、核熵成分分析(KECA,kernel entropy component analysis)下的分形故障特征降维以及改进相似测度下的FCM故障特征聚类。首先,对不同工况的尾气数据进行FRFT处理,获取三元催化器从时域到频域的精细故障信息,同时利用粒子群算法(PSO,paticle swarm optimization)选取最优的FRFT特征,并由分形算子给出相应精细特征的分形维数;其次,借助KECA对候选的高维分形特征进行维数约简;最后,将获得的故障特征提交给改进测度的FCM故障分类器完成故障诊断。数值实验结果表明,较之采用欧式距离或余弦距离的FCM方法,研究方法的故障诊断精确度更高。
- 李鹏华李鹏华冯辉宗刘晶晶
- 关键词：三元催化器故障诊断尾气排放模糊聚类
- 汽车尾气在自组织特征映射下的排放水平评估方法被引量：1
- 2013年
- 针对汽车尾气的非线性数据聚类问题,提出一种在自组织特征映射(Self-Organizing Map,SOM)下的聚类方法来评估汽车的排放水平。根据汽车在城区真实环境中的行驶速度设置SOM神经网络中的神经元个数,通过神经元之间拓扑相关的学习方式,自动形成具有数据原始属性的有序映射,实现不同排放水平的尾气数据聚类。为避免网络训练过程中出现训练死区的现象,竞争学习采用弹性邻域半径代替固定邻域半径,自适应地缩放学习区域。以某轻型车的THC和CO2排放数据为对象的数值试验结果表明,采用弹性邻域半径的SOM神经网络的聚类准确性优于采用固定邻域半径的SOM神经网络,能有效评估汽车尾气排放水平。
- 刘鸿淼罗德超李鹏华孟凡迪
- 关键词：汽车尾气聚类分析
