最火的网投平台

最火的网投平台
当前位置: 首页 > 师资队伍 > 智能制造系 > 机械工程 > 副高级 > 正文

最火的网投平台: 副高级

钟建华

文章来源:最火的网投平台   发布时间:2020-09-26  阅读次数:

钟建华

性别 男

系别 智能制造系

学位 博士

职称 副教授

详细信息


联系方式

通讯地址:福建省福州市福州地区大学新区学园路2号 机械工程及自动学院

邮 编:350116

Email:jhzhong@fzu.edu.cn

 

 

主要学历及工作经历

2019/07-至今 最火的网投平台,机械工程及自动化学院,副教授

2017/02-2019/07最火的网投平台,机械工程及自动化学院,讲师

2017/09-2018/02,台湾海洋大学,机械与机电工程系,访问学者

2016/07,澳门大学,机电工程系,博士

2011/07,澳门大学,机电工程系,硕士

2008/07,最火的网投平台,机械设计制造及其自动化,本科

 

 

主要学术及社会兼职

IEEE Member;

福建省工程图学学会副秘书长;

国际期刊审稿人:

IEEE Transactions on Industrial Electronics;Mechanical Systems and Signal Processing;Journal of Sound and Vibration;Neurocomputing;IEEE Access;Sensors.

 

 

研究领域

1、旋转设备信号处理;

2、设状态监测与故障诊断;

3、模式识别;

4、机器学习算法.

 

 

承担科研课题情况

1.福建省自然科学基金项目(面上),2019J01211,基于多重概率机器算法的风电齿轮箱耦合故障诊断研究,2019/04-2022/3,在研,主持;

2.最火的网投平台人才引进项目,GXRC-17029, 基于专家会诊的旋转设备故障诊断,2017/06-2019/06,在研,主持;

3.福建省教育厅中青年教师教育科研项目,JAT170090,基于多重概率分类器的风力发电机齿轮箱故障诊断,2017/7-2019/3,已结题,主持;

4.科技部与澳门联合资助项目, MoST-FDCT (015/2015/AMJ),Intelligent Monitoring, Reliability Evaluation and Power Generation Anticipation of Wind Turbine(风力涡轮机的智能监测、可靠性评估和发电预期研究),03/2016-02/2019,已结题,主要参与成员;

5.澳门大学研究基金项目,MYRG2015-00077-FST,Sparse Bayesian Extreme Learning Committee Machine for Engine Simultaneous Fault Diagnosis(基于稀疏贝叶斯极限学习机算法的引擎耦合故障诊断研究),04/2015-03/2018,已结题,主要参与成员;

6.澳门大学研究基金项目,MYRG153(Y1-L2)-FST11-YZX,“Feature Extraction and Support Vector Machines Method for Fault Diagnosis of Power Generation Equipment(基于特征提取与支持向量机算法的发电设备故障诊断研究),06/2011-05/2013,已结题,主要参与成员;

7.澳门大学研究基金项目,078/09-10S/YZX/FST,Condition Monitoring based Systematic Modeling of Equipment(基于系统模型的设备状态监测),2010/01-2011/12,已结题,主要参与成员。

出版著作和论文

1.Liang J., Zhang Y., Zhong J. H*. and Yang H. T., A novel multi-segment feature fusion based fault diagnosis approach for rotating machinery, Mechanical Systems and Signal Processing , 2019,122:19-41;

2.Zhong J. H.,Zhang J.,Liang J. andWangH. Q., Multi-fault rapid diagnosis for wind turbine gearbox using sparse Bayesian extreme learning machine, IEEE Access, 2019,7:773-781;

3.Zhong J. H.*, Wong P. K. and Yang Z. X., Fault diagnosis of rotating machinery based on multiple probabilistic classifiers, Mechanical Systems and Signal Processing, 2018,108:99-114

4.Ma X. B., Wong P. K., Zhao J., Zhong J. H.*, Huang Y. and Xu X., Design andTesting of a Nonlinear Model Predictive Controller for Ride Height Control of Automotive Semi-active Air Suspension Systems, IEEE Access, 2018,6:63777-63793;

5.Zhong J. H., Wong P. K. and Yang Z. X.*, Simultaneous-fault diagnosis of gearboxes using probabilistic committee machine, Sensors , 2016,16(2):185;

6.Zhong J. H., Yang Z. X.* and Wong P. K., An effective fault feature extraction method for gas turbine generator system diagnosis, Shock and Vibration, 2016, 2016:1-9;

7.Liang J., Zhong J. H.* and Yang Z. X., Correlated EEMD and effective feature extraction for both periodic and irregular faults diagnosis in rotating machinery, Energies, 2017, 10(10):1652;

8.Yang Z. X. and Zhong J. H.*, A Hybrid EEMD-based SampEn and SVD for Acoustic Signal Processing and Fault Diagnosis, Entropy, 2016, 18(4):112;

9.Wong P. K., Zhong J. H, Yang Z. X.* and Vong C. M., A new framework for intelligent simultaneous-fault diagnosis of rotating machinery using pairwise-coupled sparse Bayesian extreme learning committee machine, Proceedings of the Institution of Mechanical Engineers Part C Journal of Mechanical Engineering Science, 2017, 213(6):1146-1161;

10. Wong P. K.*, Zhong J. H., Yang Z. X. and Vong C. M., Sparse Bayesian Extreme Learning Committee Machine for Engine Simultaneous Fault Diagnosis, Neurocomputing, 2016, 174:331-343;

11. Yang Z. X.*, Wang X. and Zhong J. H., Representational Learning for Fault Diagnosis of Wind Turbine Equipment: A Multi-Layered Extreme Learning Machines Approach, Energies, 2016, 9(6):379;

12. Wong P. K.*, Yang Z. X., Vong C. M. and Zhong J. H., Real-Time Fault Diagnosis for Gas Turbine Generator Systems using Extreme Learning Machine, Neurocomputing, 2014. 128: 249-257;

13. Yang Z. X.*, Wong P. K., Vong C. M., Zhong J. H. and Liang J., Simultaneous-Fault Diagnosis of Gas Turbine Generator Systems Using a Pairwise-Coupled Probabilistic Classifier, Mathematical Problems in Engineering, 2013,2013(3):723-740.

 

 

指导硕士生研究方向

1、旋转设备信号处理;

2、设状态监测与故障诊断;

3、模式识别;

4、机器学习算法.

最火的网投平台(中国)集团有限公司