您当前的位置：
首页 >
文章列表页 >
基于多尺度模糊熵和改进极限学习机的球磨机负荷状态识别
车辆工程·机械工程 | 更新时间：2025-05-26
上一篇|下一篇

    • 基于多尺度模糊熵和改进极限学习机的球磨机负荷状态识别

    • Load state identification method for ball mills based on modified multiscale fuzzy entropy and improved extreme learning machine

    • “在球磨机负荷识别领域，专家提出了基于改进多尺度模糊熵和极限学习机的识别方法，有效提取负荷状态特征，整体识别率高达98.67%。”
    • 蔡改贫 ，刘鑫 ，罗小燕 ，戴聪聪 ，周小云
    • 吉林大学学报（工学版） 2020年50卷第6期 页码：2055-2067
    • 作者机构：

      江西理工大学 机电工程学院，江西 赣州 341000

    • 作者简介：

      蔡改贫（1964-），男，教授，博士. 研究方向：少（无）切削加工工艺理论；工业机器人应用；大破碎比物料破磨机理. E-mail:cgp4821@163.com

    • 基金信息：
      国家自然科学基金项目(51464017);江西省教育厅科技重点项目(GJJ150618)

    • DOI： 10.13229/j.cnki.jdxbgxb20190716     

      中图分类号：

    移动端阅览

  •  
  •  

  • AI导读

  • HTML全文

  • 图( 13 ) 表( 2 )

  • 参考文献

  • 出版信息

  • 数据统计

174

浏览量

50

下载量

3

CSCD

文章被引用时，请邮件提醒。
提交
工具集
  • BibTeX下载
  • Endnote下载
  • RefMan 下载
  • NoteExpress下载
  • NoteFirst下载

相关文章

考虑主动尾翼气动性能的车辆稳定性优化控制
考虑拥堵空间排队和溢出的交通流用户均衡分配模型
基于真⁃伪三连体神经网络的传感器本体匹配方法
基于机电惯容的车辆乘坐舒适性与侧向稳定性协同提升
双分流多尺度注意力与单层输出的密集行人检测算法

相关作者

暂无数据

相关机构

暂无数据