您的位置: 专家智库 > >

刘同舜

作品数:2 被引量:26H指数:1
供职机构:中国科学技术大学信息科学技术学院自动化系更多>>
发文基金:中央高校基本科研业务费专项资金国家自然科学基金安徽省自然科学基金更多>>
相关领域:自动化与计算机技术金属学及工艺电子电信更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 1篇金属学及工艺
  • 1篇电子电信
  • 1篇自动化与计算...

主题

  • 1篇刀具
  • 1篇刀具磨损
  • 1篇星间光通信
  • 1篇通信
  • 1篇铣削
  • 1篇小波
  • 1篇小波方法
  • 1篇光通信
  • 1篇高速铣
  • 1篇高速铣削
  • 1篇波前
  • 1篇波前畸变

机构

  • 2篇中国科学技术...
  • 1篇中国科学院合...

作者

  • 2篇刘同舜
  • 1篇林杨
  • 1篇朱进
  • 1篇谢宛青
  • 1篇朱锟鹏
  • 1篇高思煜

传媒

  • 1篇强激光与粒子...
  • 1篇机械与电子

年份

  • 1篇2017
  • 1篇2014
2 条 记 录,以下是 1-2
排序方式:
星间光通信系统中多样化波前畸变的小波重构
2014年
用小波变换方法对星间光通信中的多样化波前畸变进行重构,并分析了小波重构方法的两项参考指标:重构精度和重构算法复杂度。基于对这两项指标的综合考虑,提出一种最优小波基函数的选取方法。仿真数据表明,利用最优小波基函数选取方法对波前畸变进行重构,较之传统的Zernike多项式拟合方法,具有重构精度高且计算量小的特点。
刘同舜谢宛青朱进
关键词:星间光通信小波方法
基于深度学习的高速铣削刀具磨损状态预测方法被引量:26
2017年
由于铣刀在高转速下进行不连续切削,刀具磨损迅速且难于监测,并且刀具磨损严重影响加工精度与产品质量。针对高速铣削刀具磨损难以在线预测问题,提出了一种基于深度学习的高速铣削刀具磨损预测的新方法。通过小波包变换提取铣削力信号在不同频段上的能量分布作为初始特征向量;采用无监督学习对稀疏自编码网络进行特征学习,并将单层网络堆栈构成深度神经网络;最后利用有监督学习对整个深度网络进行微调训练,建立铣削刀具磨损预测模型。实验结果表明,所提出的方法对刀具磨损状态预测准确率达到93.038%。
林杨高思煜刘同舜朱锟鹏
关键词:高速铣削刀具磨损
共1页<1>
聚类工具0