国家自然科学基金(61263023)
- 作品数：29 被引量：116H指数：7
- 相关作者：王海瑞齐磊李亚张国银李宇芳更多>>
- 相关机构：昆明理工大学云南省教育厅更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术机械工程金属学及工艺电气工程更多>>
- 基于龙芯平台的J-Link协议移植实现被引量：2
- 2014年
- 介绍目前在嵌入式系统中广泛应用的仿真器J-Link和龙芯处理器,论述J-Link协议在龙芯平台上的移植实现过程,给出移植过程中的关键步骤,即J-Link的初始化、EJTAG控制数据的组织、J-Link的协议封装、数据对齐以及USB协议使用,在龙芯平台上可成功实现移植过程。实验结果表明,与现有方法相比,使用移植后的J-Link仿真器进行EJTAG在线烧写Flash,烧写的速度及系统稳定性提高明显。
- 夏豪骏王海瑞
- 关键词：龙芯USB协议
- 多小波预处理方法用于滚动轴承故障信号的去噪效果分析被引量：2
- 2019年
- 针对不同预处理方法对多小波的影响问题,探讨了基于不同预处理方法的多小波对滚动轴承信号去噪效果的影响。通过仿真实验,先对GHM多小波、CL4多小波和SA4多小波进行重复行预处理、逼近预处理和平衡多小波处理,并将处理后的多小波应用于滚动轴承故障信号的去噪效果分析中。结果表明:经过平衡多小波预处理的CL4多小波在滚动体故障信号、内圈故障信号、外圈故障信号中的效果最好,相对于经过其他预处理方法处理的多小波的处理效果有明显优势。
- 吕维宗王海瑞舒捷
- 关键词：滚动轴承故障信号多小波预处理
- 基于EEMD和模糊BP神经网络的滚动轴承故障诊断被引量：1
- 2017年
- 针对滚动轴承故障振动信号的非平稳特征,提出一种基于总体经验模态分解(EEMD)和模糊BP神经网络的故障诊断方法。首先对滚动轴承的振动信号采用总体经验模态分解方法进行分解,得到若干个本征模态函数分量(IMF);然后提取各分量的均方差、峭度和能量,把这些特征参数作为学习集和训练集,将学习集输入到模糊BP神经网络中进行学习;最后把训练集输入到特征参数经过学习训练后的模糊BP神经网络中进行故障类型识别,并与BP神经网络进行比较。实验结果表明:所提方法能有效地应用于滚动轴承故障诊断,而且比BP神经网络具有更高的精确度。
- 张国银王雪王海瑞郝家骥宋怡然
- 关键词：滚动轴承故障诊断模糊BP神经网络峭度
- 基于HMM-SVM模型的捣固车液压系统故障诊断方法被引量：2
- 2020年
- 针对捣固车在工作过程中易出现液压系统故障的问题,提出采用隐马尔科夫(HMM)优化支持向量机(SVM)的捣固车液压系统故障诊断模型HMM-SVM。首先采用HMM将收集到的捣固车液压系统振动信号进行简单的处理,再与液压系统各状态进行匹配,形成一个特征向量值输入到SVM,再经SVM进行故障识别分类。实验结果表明:HMM-SVM模型在捣固车液压系统故障诊断的准确精度在90%以上,比单独使用HMM模型或SVM进行故障诊断更加高效。
- 舒捷王海瑞吕维宗
- 关键词：捣固车液压系统支持向量机
- 基于IAGA-SVM的捣固车液压系统故障诊断研究被引量：2
- 2017年
- 针对传统液压系统故障诊断方法受人为因素影响较为严重,故障成因相对复杂等问题。提出一种改进的自适应捣固车液压系统故障诊断方法。首先,从捣固车的车载数据中采集系统抽取出来的故障特征值。其次,将特征值输入支持向量机(SVM)模型中进行训练,同时对核函数和惩罚系数做出优化。最后,应用自适应支持向量机建立从特征向量到故障模式之间的映射,最终做到对液压系统的故障诊断。结果可得,此方法可以准确高效地诊断出故障类型,证明了此方法的实用价值。此外,经过与GA-SVM以及AGA-SVM的对比剖析,表明了IAGA-SVM方法在故障诊断领域中的卓越性。
- 齐磊王海瑞李荣远李英任玉卿
- 关键词：液压系统故障诊断支持向量机
- 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
- 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
- 注意力机制和BiLSTM在SQL注入检测中的应用
- 2023年
- 针对目前SQL注入检测方法检测效率和检测准确率不高的问题,提出了一种基于注意力机制的检测模型Att-BiLSTM。首先,对收集到的数据集在预处理后采用RoBERTa进行词嵌入,得到融合上下文信息的语言表征;再使用编码后的词向量在基于注意力机制的双向长短时记忆网络中进行训练,以获取数据之间的关联性,得到忽略无关噪声信息、关注重点信息的特征表征;最后,将融合了注意力信息的输出在全连接层和softmax层进行分类或反向传播给训练层更新参数。实验结果表明,基于注意力机制的SQL注入检测模型有效提高了检测精度,准确率为99.58%,召回率为99.64%,与原始BiLSTM相比,准确率和召回率分别提高了0.52%和0.28%,与BiRNN相比,准确率和召回率分别提高了6.18%和6.91%。
- 孟顺建李亚王海瑞朱贵富王清宇
- 基于蜻蜓算法优化支持向量机的滚动轴承故障诊断被引量：9
- 2019年
- 针对支持向量机参数选取不当影响诊断结果的问题,采用蜻蜓算法对支持向量机的惩罚因子C与核函数参数g进行优化,构建DA-SVM滚动轴承故障诊断模型。实验表明:与SVM、PSO-SVM、GA-SVM模型相比,DA-SVM诊断模型有效提高了滚动轴承故障诊断的准确率,且收敛速度快、寻优能力强。
- 李众王海瑞朱建府燕志星李卓漫王广雪刘毅凡
- 关键词：故障诊断滚动轴承支持向量机参数优化
- 基于RSM-XGBoost和KF的航空发动机RUL预测
- 2023年
- 航空发动机精确的剩余使用寿命预测是确保发动机安全服役必须开展的环节。针对复杂工况环境下涡扇发动机的剩余使用寿命预测问题,提出了一种基于极端梯度提升和卡尔曼滤波的寿命预测模型。首先,采用高斯分布对原始振动数据进行分析,提取具有时间序列和退化趋势的特征数据,并为其设置剩余使用寿命(RUL)标签;其次,利用随机搜索算法对融合参数范围进行寻优,在极端梯度提升(XGBoost)中加入卡尔曼滤波器解决预测值不平滑和噪声干扰的问题;最后在商用模块化航空推进系统仿真数据集(C-MAPSSC)上进行了验证和分析,实验结果证明:与其他模型相比,文中采用的寿命预测方法准确度更高。
- 李东文王海瑞朱贵富刘翠琴杨修琦
- 关键词：随机搜索算法卡尔曼滤波航空发动机
