公共文化服务平台

王海瑞: 作品数：162 被引量：354H指数：9; 供职机构：昆明理工大学更多>>; 发文基金：国家自然科学基金云南省自然科学基金云南省科技计划项目更多>>; 相关领域：自动化与计算机技术机械工程文化科学电气工程更多>>

合作作者

混合任务集的层次调度方案: 2008年; 实时系统的关键技术在于系统如何调度应用程序。由于多类型的实时任务并存于一个系统,单一的调度算法无法满足这一需要,于是提出了层次调度方案。该文介绍了这一方案的设计思想,并给出了该方案的具体实现。; 李婷王海瑞张继燕; 关键词：EDF DBS

基于VMD和优化CNN⁃GRU的锂电池剩余使用寿命间接预测: 2024年; 准确预测锂电池的剩余使用寿命(RUL)对降低电池使用风险有着至关重要的作用。为了解决电池容量在实际应用中不易获得以及单一门控循环神经网络(GRU)不能有效提取数据间的深层特征等问题,提出一种基于间接健康因子的混合神经网络模型,即融合变分模态分解(VMD)、一维卷积神经网络(1D‐CNN)和麻雀搜索算法(SSA)优化GRU的组合剩余使用寿命预测模型。采用NASA数据集验证所提模型的有效性,实验结果表明,相比于GRU、VMD‐GRU、VMD‐SSA‐GRU,所提模型具有较高的预测精度与更快的运行速度,可以应用于锂电池RUL预测。; 徐达王海瑞朱贵富; 关键词：锂电池

基于OTSU分割和融合的非均匀光照水下图像增强被引量：1: 2022年; 针对深海和夜间水域补充照明造成的水下图像光照不均,水中悬浮颗粒造成的图像噪声、低对比度、偏色等问题,提出一种新的非均匀光照水下图像增强方法。首先,用高斯滤波去除水下图像的噪声;其次,用最大类间方差法(大律法,maximum inter class variance, OTSU)分割出图像的明暗区域掩膜,将亮度图分割成明暗区域,并对暗区域进行同态滤波处理,校正光照不均造成的阴影;接着,用加权平均法融合明暗区域得到新的亮度图,重新合成彩色图像;最后,对水下图像用对比度受限自适应直方图均衡化(contrast limited adaptive histogram equalization, CLAHE)和灰度世界进行增强对比度和颜色失真校正,得到增强的水下图像。实验结果表明,本文提出的算法能够有效的改善光照不均问题,并去除水下图像噪声、增强图像对比度,有利于后续目标检测、追踪等任务的进行。; 王聪李恒薛晓军张国银王海瑞赵磊; 关键词：非均匀光照高斯滤波大津法同态滤波

基于自归一卷积特征提取的故障诊断研究: 2022年; 提出基于自归一卷积神经网络(SNN)特征提取和IFA-SVM进行模式识别的轴承故障诊断方法。首先将原始信号进行短时傅里叶变换生成时频图,然后建立卷积神经网络(CNN)模型并将缩放指数线性单元(SELU)运用于卷积神经网络中形成自归一卷积神经网络,以此来提升对复杂振动信号的特征提取能力,最后将提取出来的特征输入至IFA-SVM模型中进行故障分类。实验结果表明:与传统的特征提取方法和CNN相比,所提方法具有较高的识别率和较快的收敛速度,实验识别率可达99.17%。; 常梦容王海瑞肖杨王椿晶; 关键词：滚动轴承萤火虫算法支持向量机

基于遗传算法的城市生活垃圾热值BP神经网络预测模型研究: 城市生活垃圾的热值对于垃圾焚烧炉的燃烧效率的影响是非常重要的,垃圾的热值通过化学成份获得,通常采用卡路里检测获得,在本分析中,对垃圾物理成份和低热值之间的关系进行了研究,反向神经网络可以用于从垃圾物理成份中预测出垃圾的低...; 王海瑞王华; 关键词：遗传算法生活垃圾神经网络垃圾焚烧; 文献传递

基于谐波小波包和IAGA-SVM的滚动轴承故障诊断被引量：6: 2019年; 传统方法在诊断滚动轴承故障时受人为因素影响,故障成因复杂,因此在已有理论上提出一种基于谐波小波包和自适应支持向量机相结合的捣固车故障诊断方法。谐波小波包对不同故障下的振动信号展开分解及重构后所提取的频带能量即为特征向量,再把特征值输入支持向量机(SVM)模型中训练并对核函数和惩罚系数进行优化。用自适应支持向量机构建从特征向量到故障类型间的对应,从而完成滚动轴承故障的诊断。该方法能高效准确地诊断出故障类型且有实用价值。通过与GA-SVM及AGA-SVM对比,证明此方法在故障诊断领域中的卓越性。; 吕维宗王海瑞舒捷; 关键词：滚动轴承故障诊断谐波小波包支持向量机

一种滚动轴承故障检测试验台: 本实用新型公开了一种滚动轴承故障检测试验台，机箱上位于径向力加载装置的两侧安装有轴承定位框，轴承定位框的四周固定有伸缩气缸，伸缩气缸的伸缩端固定有定位头，定位头上安装有振动传感器和温度传感器，传动轴的两侧位于轴承定位框的...; 林荣祥王海瑞

改进1D-CNN和LSTM的涡扇发动机剩余寿命预测: 2023年; 针对单一深度学习网络对涡扇发动机退化特征提取不足、超参数选择困难的问题,提出一种改进一维卷积神经网络(1-Dimensional Convolutional Neural Network,1D-CNN)和长短时记忆网络(Long Short-Term Memory,LSTM)的涡扇发动机剩余寿命预测方法。首先,利用相关性、单调性和离散性一系列评价指标对涡扇发动机的多维传感器特征参数进行评价和选择,将综合评价指标高的优选特征参数作为1D-CNN的原始输入特征;然后,通过改进激活函数和Dropout函数来提升1D-CNN的特征提取能力,构建表征发动机退化趋势的一维复合健康指标;最后,利用贝叶斯优化(Bayesian Optimization,BO)的LSTM挖掘一维复合健康指标的时间特征,并实现剩余寿命预测。为验证此方法的预测效果,采用美国国家航空航天局提供的涡扇发动机退化数据集进行剩余寿命预测,实验的均方根误差为14.0402,评分函数值为314.6078。结果表明:相比于单一深度学习方法和传统机器学习方法,该方法不仅能获得较高的剩余寿命预测精度,还能有效解决深度学习模型超参数选择困难的问题。; 李路云王海瑞朱贵富; 关键词：涡扇发动机

基于边界反射效应控制的Lamb波损伤定位算法研究: 2023年; 基于Lamb波开展薄板损伤定位的实验研究,通过对称相消与合理布置STMR阵列的方法,最终消除边界反射效应对损伤定位结果的影响。仿真结果表明,基于对称相消方法改进的矩形STMR阵列相比传统STMR阵列在损伤定位方面更加精确;在穿透性损伤定位方面,误差缩小了62.5%;在凹陷损伤方面误差缩小了22.8%;在距离薄板边界较近的损伤时,误差缩小了50%,消除了传统诊断技术的检测盲区,实现了对于靠近结构边界附近损伤和缺陷的准确识别检测,具有较好的工程应用前景。; 李骏明王海瑞朱贵富; 关键词：LAMB波

基于鲸鱼算法优化深度极限学习机的锂离子电池剩余使用寿命间接预测: 2023年; 鉴于对锂离子电池直接预测剩余使用寿命(RUL)困难,而极限学习机预测效果不稳定的现状,提出基于等压降放电时间和深度极限学习机(DELM)相结合的间接预测方法。首先,在恒流放电过程中提取出表征电池性能退化的等压降放电时间,分析它与容量间的相关程度并选之作为间接健康因子;其次,引入鲸鱼优化算法(WOA)优化深度极限学习机模型参数,构建锂离子电池RUL预测模型。用锂离子电池数据集中的B0005、B0007两个电池进行实验,结果表明:基于等压降放电时间的WOA-DELM模型预测方法相较于BP神经网络、DELM和PSO-DELM,能够更加准确地预测出锂离子电池的RUL,预测误差±5%,具有较好的预测精度和较快的收敛速度。; 郝锐王海瑞朱贵富; 关键词：锂离子电池

王海瑞

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

王海瑞

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈