福州大学先进制造学院导师教师师资介绍简介-钟建华

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-05-11

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-至今福州大学，机械工程及自动化学院，副教授
2017/02-2019/07福州大学，机械工程及自动化学院，讲师
2017/09-2018/02，台湾国立海洋大学，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，福州大学，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：
IEEETransactions onIndustrialElectronics；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.福州大学人才引进项目，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.LiangJ., 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., ZhangJ., LiangJ. and Wang H. 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 RideHeight 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. andLiang 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.

返回列表