崔江
Associate Professor Supervisor of Master's Candidates
Alma Mater:南京航空航天大学
Education Level:南京航空航天大学
Degree:Doctoral Degree in Engineering
School/Department:College of Automation Engineering
Discipline:Measurement Technology and Instrumentation. Measuring and Testing Technologies and Instruments. Precision Instrument and Machinery
E-Mail:
Hits:
Affiliation of Author(s):自动化学院
Journal:METROLOGY AND MEASUREMENT SYSTEMS
Key Words:power electronics fault diagnosis wavelet transforms support vector machines directed acyclic graph nearest neighbours
Abstract:Fault detection and location are important and front-end tasks in assuring the reliability of power electronic circuits. In essence, both tasks can be considered as the classification problem. This paper presents a fast fault classification method for power electronic circuits by using the support vector machine (SVM) as a classifier and the wavelet transform as a feature extraction technique. Using one-against-rest SVM and one-against-one SVM are two general approaches to fault classification in power electronic circuits. However, these methods have a high computational complexity, therefore in this design we employ a directed acyclic graph (DAG) SVM to implement the fault classification. The DAG SVM is close to the one-against-one SVM regarding its classification performance, but it is much faster. Moreover, in the presented approach, the DAG SVM is improved by introducing the method of K-nearest neighbours to reduce some computations, so that the classification time can be further reduced. A rectifier and an inverter are demonstrated to prove effectiveness of the presented design.
ISSN No.:0860-8229
Translation or Not:no
Date of Publication:2017-12-01
Co-author:Shi, Ge,gcy
Correspondence Author:cj
2000年毕业于青岛大学工业自动化专业，2003年硕士研究生毕业于南京航空航天大学自动化学院电力电子与电力传动专业，2011年毕业于南京航空航天大学自动化学院测试计量技术及仪器专业，获工学博士学位。
主讲本科生《计算机硬件技术基础》、《DSP实用技术》和研究生公共实验课程《DSP技术应用》、《Matlab仿真技术与应用》等课程。先后获2004年江苏省教学成果一等奖，2005年国家级教学成果二等奖（排名6）等。
担任教育部学位中心论文评审专家；IEEE Trans. I&M，IEEE Trans. IE，IJE，Measurement，JMST等国际SCIE期刊审稿人，担任航空学报（中、英文版）、 电工技术学报、中国电机工程学报、电子学报等国内EI期刊、SCIE的审稿人；曾担任无锡市、南京市、扬州市等企业科技项目的评审专家。
2012年~2013年江阴市云亭街道挂职党委副书记（第五批江苏省科技镇长团团员）。
测试计量技术及仪器、电子系统健康监测与管理、智能信息处理等。
测试计量技术及仪器、电子系统健康监测与管理、智能信息处理等。
共发表期刊论文60余篇：
1. 崔江, 王友仁, 刘权. 基于高阶谱与支持向量机的电力电子电路故障诊断技术[J]. 中国电机工程学报, 2007, 27(10): 62-66 （EI收录）
2. 崔江, 王友仁. 一种云样本的控制产生及在电路故障诊断中的应用[J]. 控制理论与应用, 2008.6, 25(3): 556-559 （EI收录）
3. 崔江, 王友仁. 模拟电路故障的一种聚类二叉树支持向量机诊断新方法[J]. 仪器仪表学报, 2008.10, 29(10): 2047-2051 （EI收录）
4. 崔江，王友仁. 基于模糊推理的分类器融合方法诊断电力电子电路参数故障[J]. 中国电机工程学报, 2009.06, 29(18):54-59 （EI收录）
5. 崔江，王友仁. 基于支持向量机与最近邻分类器的模拟电路故障诊断新策略[J]. 仪器仪表学报, 20010.01, 31(1): 45-50 （EI收录）
6. 崔江，王友仁. 兼顾后续分类器的小波特征选择及在模拟电路故障诊断中的应用[J]. 仪器仪表学报, 2010, 31(11): 2508-2514（EI收录）
7. Jiang Cui, Youren Wang. A Novel Approach of Analog Fault Classification using a Support Vector Machines Classifier[J]. Metrology and Measurement systems, 2010，XVII(4): 561-582（SCI收录；EI收录）
8. Jiang Cui, Youren Wang. A Novel Approach of Analog Circuit Fault Diagnosis Using Support Vector Machines Classifier[J]. Measurement, 2011, 44(1): 281-289 （SCI收录；EI收录）
9. Jiang Cui, Youren Wang. Analog circuit fault classification using improved one-against-one support vector machines [J]. Metrology and Measurement systems, 2011，XVIII(4): 569-582（SCI收录；EI收录）
10. 崔江，王友仁. 一种新颖的基于混合故障字典方法的模拟故障诊断策略[J]. 电工技术学报, 2013.4, 28(4): 272-278（EI收录）
...
15. 崔江，王强，龚春英. 结合小波与Concordia变换的逆变器功率管故障诊断技术研究[J]. 中国电机工程学报, 201506, 35(12): 3110-3116（EI收录）
16. Jiang Cui. Faults classification of power electronic circuits based on a support vector data description method[J]. Metrology and Measurement Systems, 2015, Vol. XXII (2): 205-220. （SCIE、EI收录）
...
17、2016年和2017年发表期刊论文和会议论文共8篇；
18、2018年和2019年发表期刊论文4篇；
19、2020年发表期刊论文3篇（2篇重核）；
20、2021年发表期刊论文3篇（SCIE1篇）；
获得江苏省科技进步二等奖（排名5）、三等奖（排名6）各一项；申请发明专利10余项（已授权5项，公开7项）; 软著2项。
参与国防重大基础研究项目1项、国家自然科学基金重点项目1项，承担航空科学基金项目、基本科研业务费、企业合作课题等共多项。
研究生的课题（包括科研中的实验平台设计）既涉及软件，也涉及硬件；既涉及算法，也涉及普通的测控技术。目前主要侧重于基于机器学习与神经网络的航空发电机健康监测等关键技术方面的研究和应用。
现指导6名研究生，已毕业十余名，毕业去向：研究所，国家电网，各类企事业单位，主要从事电子系统的研发、设计和监测等。
科研成果的获取要靠努力、认真和仔细，鼓励和老师多交流，大家共同学习，共同提高。欢迎有创新思想、锐意进取和充满科研活力的同学报考，拒绝混日子、混文凭、混毕业的现象。
