蔡华锋
- 作品数：55 被引量：96H指数：5
- 供职机构：湖北工业大学更多>>
- 发文基金：国家自然科学基金湖北省教育厅重点项目国家级大学生创新创业训练计划更多>>
- 相关领域：自动化与计算机技术电气工程电子电信机械工程更多>>
- C8051F040中CAN控制器的应用被引量：27
- 2005年
- 介绍C8051F040单片机内部CAN控制器的应用。详细叙述此控制器的构成及其访问方式,指出在使用时是如何配置控制器的相关控制寄存器,并且给出CAN控制器在应用中的物理层硬件电路和应用层软件设计。
- 蔡华锋廖冬初潘健张杰陈小薇
- 关键词：CAN控制器C8051F寄存器硬件电路物理层
- 一种基于深度学习的轴承故障诊断方法及系统
- 本发明公开一种基于深度学习的轴承故障诊断方法及系统，方法包括：首先，获取滚动轴承的原始振动信号，基于原始振动信号，采用AVMD算法和TOTEO算法对原始振动信号进行处理，以获得多种故障类型的数据集；将数据集划分为训练集和...
- 蔡华锋陈五一吴婷陈俊孙秋蔡天荣陈尔明陈庚光
- 基于前馈复合控制策略的低频纹波抑制
- 2020年
- 为了同时抑制两级式能馈型直流电子负载中前级DC/DC输入电流和输出电流的低频纹波,解决传统PID控制不足的问题,提出了一种电流前馈复合控制策略。根据DC/DC的无源性,建立变换器的欧拉-拉格朗日数学模型得到无源控制规律。通过注入阻尼改善控制器动态性能,实现输入电流的快速跟踪和低频纹波抑制。在考虑移相全桥副边占空比丢失和母线电感电流导致占空比中包含低频纹波后,基于无源控制基础引入母线电感电流前馈,得到新的无源控制规律,并代入平均状态方程中发现调节规律。通过Simulink仿真平台的理论分析,证明了该策略能够有效抑制前级DC/DC输入电流和输出电流中的低频纹波,且具有较好的静动态特性。
- 周浩廖冬初蔡华锋范文超张鑫
- 关键词：移相全桥无源控制复合控制
- 移相全桥鲁棒性变增益控制策略的研究
- 2019年
- 针对传统PID控制的移相全桥变换器难以获得理想的动静态特性,在分析移相全桥模型的基础上,设计以输入电压和负载作为变参数的线性变参数模型。利用变参数极值组合将其变为多胞形模型,并通过对其顶点进行稳定性分析和控制器设计,得到一种建立在软开关移相全桥变换器的多胞形线性变参数模型基础上的鲁棒性变增益调度控制。通过Matlab仿真与传统的PID控制进行比较,表明鲁棒性变增益控制器具有更好的控制效果。
- 宗振祥廖冬初蔡华锋孟文靖
- 关键词：移相全桥PID变换器
- 基于DC/DC变换器电流纹波的多步模型预测控制
- 2023年
- 在移相全桥变换器中,由于输出功率的脉动,输入电流和输出电感电流均存在大量纹波。提出了一种基于DC/DC变换器负载的模型预测控制策略来抑制输出电感电流的纹波含量。而传统的模型预测控制只能保证其在一个周期内控制为最优量,从而降低系统的控制精度,为了提高系统的控制性能,采用一种多步模型预测控制策略,通过计算代价函数使系统在两个周期中均得出最优控制量。最后搭载了仿真模型验证其控制策略的可行性,并将其运用在实验平台直流电子负载中。
- 殷洁廖冬初蔡华锋孙得金
- 关键词：变换器电流纹波代价函数
- 矩阵电路在舞台吊杆控制系统中应用
- 介绍了在舞台吊杆控制系统中,利用接触器和PLC完成两台变频器控制六台电机的矩阵电路设计和软件梯形图.实践表明,这种方法实现的控制系统具有良好的控制效果.
- 蔡华锋廖冬初席自强丁稳房
- 关键词：PLC应用矩阵电路舞台吊杆控制系统
- 基于深度学习的电力负荷预测方法、装置及电子设备
- 本发明提供了一种基于深度学习的电力负荷预测方法、装置及电子设备，属于电力负荷预测技术领域，其方法包括：获取电力负荷原始数据，基于VMD算法对所述电力负荷原始数据进行分解，得到多个子模态数据，基于所述电力负荷原始数据和所述...
- 李思婷蔡华锋
- PLC通信在舞台吊杆控制系统中的应用
- 2009年
- 本文介绍了在舞台吊杆控制系统中,利用PLC的串行通信模块完成位置反馈信号采集和人机界面数据交换。实践表明,该方法可简化系统结构、降低成本。
- 杨垚蔡华锋
- 关键词：PLC串行通信舞台吊杆控制系统
- 基于物联网的楼宇LED智能照明系统的设计被引量：2
- 2019年
- 针对传统楼宇照明系统能耗浪费严重、无法统一管理、维护困难等缺陷,设计出一套以楼宇LED为集成,协同控制为目标的楼宇LED智能照明系统。该系统终端硬件平台基于TI CC2530处理器、红外传感器、光敏传感器和烟雾传感器,软件平台基于TinyOS操作系统和6LowPAN通信协议,并结合分布式节点信息采集控制和WSN路由算法,实现了对楼宇LED灯光的高效节能的综合化、智能化的管理与控制。
- 方娜李黄发蔡华锋李逸
- 关键词：物联网CC2530TINYOS无线传感器网络
- 基于AVMD-TOTEO与深度学习的轴承故障诊断方法
- 2024年
- 本文针对轴承故障诊断中故障特征提取和故障识别的难点,提出了一种基于AVMD-TOTEO、门控循环单元(Gated Recurrent Unit,GRU)和卷积神经网络(Convolutional Neural Network,CNN)的轴承故障诊断方法。首先,通过自适应变分模态分解(Adaptive Variational Mode Decomposition,AVMD)对原始数据进行分解和重构,以消除信号中的部分干扰,然后利用三阶太格能量算子(Third-Order Teager Energy Operators,TOTEO)对故障信号中的冲击特征进行增强,突出每个故障信号的特性。最后,将新的故障数据集引入具有全局平均池化(Global Average Pooling,GAP)层的GRU-CNN-GAP故障诊断模型中,用于特征提取和故障分类。实验表明,该方法不仅具有良好的故障诊断精度,而且提高了算法的检测速度,具有优于其他模型的诊断性能。
- 蔡华锋孙秋
- 关键词：TEAGER能量算子
