-
题名异形槽转子异步起动永磁同步电机设计与起动性能分析
被引量：4
- 1
-
-
作者
王晨
黄金霖
曾剑
-
机构
安徽机电职业技术学院电气工程系
江西理工大学电气工程及自动化学院
-
出处
《佳木斯大学学报（自然科学版）》
CAS
2015年第3期428-431,共4页
-
文摘
针对传统异步起动永磁同步电机起动性能不适合在一些大转矩场合应用,设计出一种异型槽转子的异步起动永磁同步电机,利用有限元分析软件Mawell14.0建立电机的有限元分析模型,分析异形槽电机的电磁特性与起动性能,并与传统电机进行比较.结果表明,异型槽转子结构的电机拖入同步转速快,电磁转矩大、起动性能更优越,更适合在抽油机与纺织机中应用.
-
关键词
异形槽
有限元
起动性能
电磁转矩
-
Keywords
special-shaped slot
the finite element
starting performance
electromagnetic torque
-
分类号
TM351
[电气工程—电机]
-
-
题名定子分割式混合励磁电机励磁控制系统仿真与实验
- 2
-
-
作者
王晨
黄金霖
刘章琪
-
机构
安徽机电职业技术学院
江西理工大学电气工程及自动化学院
-
出处
《火力与指挥控制》
CSCD
北大核心
2018年第2期147-152,共6页
-
基金
国家自然科学基金青年基金(51267006)
安徽省自然科学基金资助项目(KJ2016A128)
-
文摘
定子分割式混合励磁电机综合了混合励磁电机、磁通切换电机和盘式电机的优点,是一种具有自调节磁场能力的新型电机。以该新型电机为研究对象,运用有限元分析法分析电机的电感参数,建立模糊自适应PI励磁控制系统的仿真模型,分析负载不变,转速变化时的闭环系统变化情况。结果表明,采用模糊自适应PI算法可有效减小电压超调量,系统的鲁棒性好。搭建控制系统的仿真平台,实验结果与仿真结果相吻合,验证了理论分析与仿真结果的正确性。
-
关键词
混合励磁
有限元
模糊自适应PI
控制系统
-
Keywords
hybrid excitation, FEA, fuzzy adaptive PI, control system
-
分类号
O441
[理学—电磁学]
-
-
题名基于粒子滤波的运动物体检测跟踪
- 3
-
-
作者
许伦辉
朱城和
-
机构
江西理工大学电气工程及自动化学院
-
出处
《现代电子技术》
2012年第18期95-98,共4页
-
文摘
提出了一种状态空间模型粒子滤波算法,并应用于运动目标的跟踪。该方法基于贝叶斯估计,利用粒子集来表示概率,通过递推的贝叶斯滤波来近似逼近最优化结果,在预设搜索区域用粒子群找到和目标模板最相似的中心位置,并以该位置作为观测值,进行跟踪。仿真实验结果和两种实际条件下效果比较表明该算法在跟踪低常速运动中精准性高,是一种有效的目标跟踪方法。
-
关键词
粒子滤波
目标跟踪
目标模板
观测值
-
Keywords
particle filtering
tracking
target template
observation value
-
分类号
TN911-34
[电子电信—通信与信息系统]
-
-
题名基于多尺度深度卷积神经网络的骨髓白细胞识别研究
被引量：3
- 4
-
-
作者
陈德海
潘韦驰
丁博文
黄艳国
-
机构
江西理工大学电气工程及自动化学院
-
出处
《现代电子技术》
北大核心
2020年第2期160-163,共4页
-
基金
国家自然科学基金（61463020）
江西省自然科学基金项目(20151BAB206034)
-
文摘
针对骨髓白细胞人工提取特征复杂,识别困难等问题,提出一种多尺度滤波深度卷积神经网络(MS-DCNN)模型。首先,该模型将传统的卷积神经网络模型的滤波器尺寸缩小,以减少模型的总体参数以提升网络模型训练的效率;其次,通过增加滤波器的个数和网络深度来提取骨髓血细胞更丰富的特征;最后通过在Sysmex(希森美康)公开数据集上对6类骨髓白细胞进行实验,并与其他主流分类方法进行对比。结果表明,该文提出的MS-DCNN模型准确率达到了98.9%,高于其他主流方法,其有效性得到了验证。
-
关键词
骨髓白细胞
卷积神经网络
多尺度特征
深度学习
机器视觉
图像分类
-
Keywords
bone marrow white blood cell
convolution neural network
multi⁃scale features
deep learning
machine vision
image classification
-
分类号
TN711-34
[电子电信—电路与系统]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于混合核函数的极限学习机遥感图像分类
被引量：4
- 5
-
-
作者
梁礼明
朱莎
吴健
-
机构
江西理工大学电气工程及自动化学院
-
出处
《科技通报》
2018年第2期90-94,共5页
-
基金
国家自然科学基金资助项目(51365017)
江西省自然科学基金(20132BAB203020)
江西省教育厅科学技术研究(GJJ13430)
-
文摘
针对遥感影像数据集庞大,地物复杂难辨等特性导致分类难度加大的问题,文中构建了一种基于混合核函数极限学习机的遥感图像分类方法。运用该方法对遥感图像数据集进行分类处理,并将其与单核极限学习机、无核极限学习机、支持向量机等方法进行了对比。实验结果表明,基于混合核函数的极限学习机在对遥感图像进行分类时,其总体精度更优,且一致性效果更好。
-
关键词
极限学习机
遥感图像
混合核函数
分类
-
Keywords
extreme learning machine
remote sensing image
hybrid kernels function
classification
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
-
