彭喜元
主要研究方向是自动测试理论、技术及系统,先进故障诊断技术及应用。
个性化签名
- 姓名:彭喜元
- 目前身份:
- 担任导师情况:
- 学位:
-
学术头衔:
博士生导师
- 职称:-
-
学科领域:
测试计量仪器
- 研究兴趣:主要研究方向是自动测试理论、技术及系统,先进故障诊断技术及应用。
彭喜元教授现为哈尔滨工业大学电气工程及自动化学院副院长,兼自动化测试与控制研究所副所长,九三学社中央委员,九三学社黑龙江省常委,九三学社哈工大基层委员会主委,黑龙江省政协委员,是我校重点培养的“跨世纪百名英才”,还是原航天工业总公司跨世纪学术与科技带头人,第七届中国青年科技奖、第三届教育部高校青年教师奖以及政府特贴获得者,2004年又入选“首批新世纪百千万人才工程国家级人选”。他的主要研究方向是自动测试理论、技术及系统,先进故障诊断技术及应用。他负责我国十个国防重点武器型号的测试任务,其中,已装备武器型号的测试任务有2个,正在装备武器型号的测试任务有2个,在研武器型号的测试任务有5个,预研武器型号的测试任务有1个。获国家科技进步二等奖1项,部级一等奖1项,二等奖3项,三等奖2项,发表论文40多篇。教学方面,主讲本科《数字信号处理》技术基础课和研究生《数字信号处理》学位课。他讲课效果好,深受学生欢迎。参编教材4本,其中《MCS-51单片机应用设计》出版15万册,并作为上海交大等20多所高校的本科教材。获省教学成果二等奖1项。已培养硕士20名,博士1名,在读博士生10名。
-
主页访问
3440
-
关注数
0
-
成果阅读
731
-
成果数
12
彭喜元, 乔立岩
,-0001,():
-1年11月30日
分类器系统综合(简称系综)作为一种提高模式分类性能的流行方法得到了广泛的应用。在创建系综过程中需要解决有两个主要问题:(1)如何产生准确且多样的基本分类器;(2)如何组合基本分类器输出结果。随机特征选择方法是一种有效的系综创建算法,但其无法保证基本分类器的准确。本文提出基于二进制微粒群算法的特征选择方法来产生基本分类器,并且提出基本分类器加权/随机组合的多数投票策略,作为多分类系综系统的判别结果,有效地解决了这两个问题。UCI机器学习库中的实验结果表明提出算法的有效性。
支持向量机, 微粒群优化, 系统综合, 特征子集选择
-
50浏览
-
0点赞
-
0收藏
-
0分享
-
352下载
-
0评论
-
引用
彭喜元, 彭宇, 戴毓丰
,-0001,():
-1年11月30日
作为一种新兴的演化计算技术,群智能已成为新的研究热点,它与人工生命,特别是进化策略和遗传算法有着极为特殊的联系,已完成的理论和应用研究证明群智能方法是一种能够有效解决大多数全局优化问题的新方法。更为重要的是,群智能的潜在并行性和分布式特点为处理大量的以数据库形式存在的数据提供了技术保证。本文介绍了群智能理论的产生和发展过程,并着力阐述了两种典型算法;微粒群算法和蚁群算法的基本原理以及研究现状。
群智能, 微粒群算法, 蚁群算法, 优化算法
-
43浏览
-
0点赞
-
0收藏
-
0分享
-
396下载
-
0评论
-
引用
彭喜元, 乔立岩
,-0001,():
-1年11月30日
开放式自动测试系统(ATS)是武器系统测试的重要发展方向,它可以随着科技的进步而不断更新。本文首先介绍了ATS的组成,讨论了目前大量应用于ATS之中的COTS产品的优点及存在的问题,在研究开放式体系结构(OSA)的基础上,介绍了开放式ATS中的组成和结构。基于开放式系统原理ATS实质上是一种采用模块化软、硬件和接口的电子系统结构,它完全采用了开放的商业或工业接口标准,通过采用通用性的硬件结构和可重构软件来实现不同的系统功能。
自动测试系统, 货架产品, 开放式系统体系结构
-
70浏览
-
0点赞
-
0收藏
-
0分享
-
873下载
-
0评论
-
引用
彭喜元, 乔立岩, 刘昕
,-0001,():
-1年11月30日
近年来通用自动测试系统受到了越来越多的重视,一些工业部门和军事部门正在或准备研制通用自动测试系统。本文介绍了三种应用最广泛的通用自动测试系统:CASS、IFTE和GWTS,讨论了它们的功能和组成,分析了通用自动测试系统的发展趋势。最后结合我国现状,提出了发展适合我国国情的通用自动测试系统的几点建议。
自动测试系统, 货架产品, 开放式系统结构
-
134浏览
-
0点赞
-
0收藏
-
0分享
-
1364下载
-
0评论
-
引用
-
78浏览
-
0点赞
-
0收藏
-
0分享
-
244下载
-
0评论
-
引用
彭喜元, 乔立岩, 彭宇
,-0001,():
-1年11月30日
微粒群优化算法是一种新兴的群智能进化算法,该算法具有执行速度快、受问题维数变化影响小等优点。支持向量机是基于统计学习的方法,利用结构风险最小化原理,具有很好的泛化能力。为了充分发挥二者的优势,提出了基于离散微粒群和支持向量机的特征子集选择方法。首先随机产生若干特征子集,然后采用5阶交叉验证的方法,用离散微粒群优化算法对特征进行优化选择,选出最佳适应度的子集对支持向量机进行训练。使用这种方法,对UCI机器学习Benchmark库中sonar和led数据集进行实验,取得了比较满意的结果。
微粒群算法, 支持向量机, 特征子集选择
-
51浏览
-
0点赞
-
0收藏
-
0分享
-
175下载
-
0评论
-
引用
彭喜元, 彭宇, 曹威, 彭涛
,-0001,():
-1年11月30日
本文以美国军方在武器系统研发、生产和维护过程中推行的设计-制造-维护纵向集成测试策略为参考,针对我国导弹武器系统的测试和诊断技术的应用和发展现状,论述了适合我国导弹测试系统开发的集成测试策略。
测试系统,, 集成策略,, 标准化,, ABBET,, AI-ESTATE
-
74浏览
-
0点赞
-
0收藏
-
0分享
-
229下载
-
0评论
-
引用
【期刊论文】The Study on Boundary Scan Test in Mixed Circuit System
彭喜元, Peng xiyuan, Peng yu, Qiao liyan
,-0001,():
-1年11月30日
On the basis of analyzing IEEE1149.1 and IEEE1149.5 standards, the current situation that chips supporting the BST and chips not supporting it co-exist in most mixed circuit systems is studied. A novel method is presented in this paper, in which Embedded Test Bus Controller (ETBC) is adopted to achieve the Boundary Scan Test (BST) of the mixed circuit system.
-
57浏览
-
0点赞
-
0收藏
-
0分享
-
81下载
-
0评论
-
引用
【期刊论文】Fault characteristic classification with the Probabilistic Neural Networks
彭喜元, Peng yu, Peng xiyuan
,-0001,():
-1年11月30日
In this paper, the probabilistic neural network (PNN) is applied to accomplish the task of fault characteristic classification in test and fault diagnosis for missile system. In this way, artificial intelligence (AI) is introduced into the application research of electronic system test and diagnosis. Further more, a novel reduction method based on the stretchable constraint clustering algorithm is adopted in the process of training pattern reduction in the PNN. The proper and effective reduction can make the diagnostic PNN more time efficient and easier to understand.
Probabilistic neural networks,, fault diagnosis,, pattern recognition
-
47浏览
-
0点赞
-
0收藏
-
0分享
-
320下载
-
0评论
-
引用
【期刊论文】An Improvement on Particle Swarm Optimization
彭喜元, Qiao Li-yan, Peng Xi-yuan, Peng Yu
,-0001,():
-1年11月30日
Recently particle swarm optimization (PSO) has been achieved more attention, but the basic PSO is easy plunged into local optima. This paper proposed an improvement to basic PSO, named MPSO, in which mutation operator was added as genetic algorithm. The mutation operator can mutate the population, and then help the particles escape from local optima. Experiments on five benchmark functions showed the PSO with mutation operator not only enlarged particles' explore range, but also boosted the algorithm's convergence.
particle swarm optimization,, genetic algorithm,, mutation
-
43浏览
-
0点赞
-
0收藏
-
0分享
-
77下载
-
0评论
-
引用