首页
科学研究
研究领域
论文成果
专利
著作成果
科研项目
教学研究
教学资源
授课信息
教学成果
获奖信息
招生信息
学生信息
我的相册
教师博客
扫描手机二维码
欢迎您的访问
您是第
位访客
English
|
手机版
俞昆
( 讲师 )
赞
的个人主页 http://faculty.cumt.edu.cn/YK77/zh_CN/index.htm
讲师 硕士生导师
教师拼音名称:
yukun
所在单位:
信息与控制工程学院
职务:
讲师
学历:
博士研究生毕业
性别:
男
联系方式:
kunyu9198@126.com
学位:
博士
在职信息:
在岗
毕业院校:
东北大学
科学研究
当前位置:
中文主页
>>
科学研究
研究领域
1)
机电设备智能诊断
2)
振动信号时频分析
论文成果
More>>
俞昆,褚菲,王雪松,程玉虎.Frequency-Domain Energy-Concentrated Synchrosqueezing Transform for Frequency-Varying Signal With Linear Group Delay,2022,卷: 71
Zhang, Yongchao,俞昆,Ren, Zhaohui,Zhou, Shihua.Joint Domain Alignment and Class Alignment Method for Cross-Domain Fault Diagnosis of Rotating Machinery,2021,v 70,
俞昆,王雪松,程玉虎.Post-Processing Method for Time-Reassigned Multisynchrosqueezing Transform and Its Application in Processing the Strong Frequency-Varying Signal,2021,卷: 70
K. Yu, F. Chu, X. Wang and Y. Cheng, “Frequency domain energy-concentrated synchrosqueezing transform for frequency-varying signal with linear group delay,” IEEE Trans. Instrum. Meas., Accepted.
K. Yu, X. Wang and Y. Cheng, “A post-processing method for time-reassigned multisynchrosqueezing transform and its application in processing the strong frequency-varying signal,” IEEE Trans. Instrum. Meas., DOI: 10.1109/TIM.2021.3112223.IEEE Transactions on Instrumentation and Measurement
K. Yu, Q. Fu, H. Ma, T. R. Lin, and X. Li, “Simulation data driven weakly supervised adversarial domain adaptation approach for intelligent cross-machine fault diagnosis,” Struct. Health. Monit., DOI: 10.1177/1475921720980718.,2021
专利
俞昆 , 战启冉,王雪松,程玉虎,一种基于双级对齐部分迁移网络的旋转设备故障诊断方法
马辉,李鸿飞,俞昆,曾劲,罗志涛.基于广义线性调频双同步提取变换的非平稳信号处理方法
马辉, 俞昆, 付强, 曾劲. 基于矩阵恢复的滚动轴承微弱故障增强方法. 专利号: ZL 201910647394.2, 授权时间: 2020/05/12 .
著作成果
T. R. Lin, Y. Kun and J. Tan, “Condition Monitoring and Fault Diagnosis of Rolling Element Bearings”, in “Bearing Technology”, ed. by P. H. Darji,InTech Publishing, Croatia, ISBN 9789535131847 (http://dx.doi.org/10.5772/67143), 39-75.
科研项目
2022-12658,变工况下基于Transformer网络的旋转设备异常诊断研究,国家自然科学基金委员会,2022/09/08
2022-12459,数字孪生驱动的重载齿轮装备齿根裂纹故障智能预测方法研究,江苏省科技厅,2022/07/01
2022-11296,数字孪生驱动的低速重载齿轮装备齿面磨损故障智能预测方法研究,2022/01/20
版权所有:中国矿业大学