首页>
根据【作者:刘伟伟,,王华伟,,侯召国 】搜索到相关结果 19 条
基于GSP仿真和SDAE的航空发动机故障诊断
作者:
车畅畅
王华伟
倪晓梅
蔺瑞管
来源:
航空发动机
年份:
2022
文献类型 :
期刊
关键词:
燃气涡轮发动机性能仿真软件
航空发动机
故障诊断
堆栈降噪自编码器
描述:
(DBN)、人工神经网络(ANN)以及经典机器学习方法支持向量机(SVM)相比,SDAE的故障分类正确率分别提高了0.8%、6.9%和10.1 %。
基于功能共振方法的航空维修人为因素分析
作者:
张明洁
王华伟
付强
来源:
人类工效学
年份:
2018
文献类型 :
期刊
关键词:
功能共振
人为因素
航空维修
功能网络图
描述:
目的实现对民航系统中机务维修人为因素的科学分析。方法在传统人为差错致因理论的基础上,利用功能共振分析方法(FRAM),以中华航空611 号航班为例,识别描述功能单位,并评估各功能单位变化结果以及
基于深度信念网络的航空发动机维修等级决策
作者:
车畅畅
王华伟
刘伟
来源:
航空动力学报
年份:
2018
文献类型 :
期刊
关键词:
运行安全
特征提取
维修等级决策
深度信念网络
状态监控
描述:
准确的航空发动机维修等级决策,能够避免过维修和欠维修,在保证航空发动机运行安全的前提下节约维修成本。结合航空发动机状态监控信息和维修等级特点,采用深度信念网络(DBN)算法,挖掘状态监测及维修等级决策之间的深层次对应关系,实现对维修等级的分类和预测。该模型通过DBN预训练和反向传播(BP)神经网络反向微调提取出样本特征,从而提高维修等级预测准确率。以某航空公司CF6航空型发动机的状态参数和维修等级数据作为实例进行验证,结果显示:该模型能够通过构建多层网络结构挖掘出样本的更深层次信息,在分类能力、决策准确性方面优于传统神经网络,有较强的特征提取能力,对维修等级分类有较高的正确率,能得出更准确的维修等级决策结果,避免因维修等级误判而带来不必要的损失。
航空事故人为因素多模型集成分析与控制策略
作者:
徐璇
王华伟
王祥
来源:
航空计算技术
年份:
2016
文献类型 :
期刊
关键词:
航空事故 人为因素 FTA HFACS 关联危害性分析
描述:
人为因素是现代航空事故最主要的致因因素,分析航空事故中人为因素的特点,进一步提出预防措施,有利于提高飞行安全水平,实现本质安全。提出多模型集成的航空事故人为因素分析与控制流程,将事故树分析方法(FTA)和人因分析及分类系统(HFACS)相结合,寻找事故的直接原因和深层次原因,全面识别航空事故中的人为因素、事故机理及事故演化过程;运用定量方法找出关键因素,针对性地提出避免由人为因素导致航空事故的策略;根据关联危害性分析法,挖掘事故的潜在不安全因素,实现主动的事故预防。
基于深度信念网络的民航发动机状态监测
作者:
吴瑀倩
李静
吴晓舟
王华伟
来源:
计算机测量与控制
年份:
2018
文献类型 :
期刊
关键词:
深度学习理论
大数据处理
发动机状态
描述:
民航飞机发动机设备构造精密、复杂,其监测系统收集的数据中蕴含了丰富的故障信息;传统发动机状态诊断依靠数据统计分析和机器学习模型,但其在深入理解与归类信号特性方面的表现难以尽如人意;此外近年兴起了多层神经网络降维算法——深度学习理论,其通过模拟人脑分析过程建立由浅入深的算法模型,数据处理效果较好;将民航发动机自身特点与深度学习理论有机结合提出了基于深度信念网络发动机状态监测方法;其优势在于克服了传统方法人工提取数据特征的不确定性与状态分类陷入局部最优的缺陷,可对发动机参数进行自主学习与特征提取;实验结果表明该算法具有出色的特征提取能力与分类准确率,能够准确识别发动机的不同状态。
基于深度学习的航空发动机故障融合诊断
作者:
车畅畅
王华伟
倪晓梅
洪骥宇
来源:
北京航空航天大学学报
年份:
2018
文献类型 :
期刊
关键词:
航空发动机
故障诊断
深度学习
抗干扰能力
决策融合
描述:
通过对航空发动机故障诊断,能够正确判断各部件工作状态,快速确定维修方案,保证飞行安全。在结合深度信念网络和决策融合理论的基础上,提出了基于深度学习的航空发动机故障融合诊断模型。该模型通过分析发动机的大量性能参数,首先利用深度学习算法提取出性能参数中的隐藏特征,得出故障分类置信度;然后对多次故障分类结果进行决策融合,从而得出更准确的诊断结果。将普惠JT9D-74R发动机故障系数用于数据仿真,通过实例验证本文提出算法的有效性;算例计算结果表明:多次实验结果经数据融合提高了可信度,该模型具有较高的故障分类诊断准确性和抗干扰能力。
考虑不平衡数据的民航不安全事件分析
作者:
倪晓梅
王华伟
洪骥宇
严晓婧
来源:
航空计算技术
年份:
2018
文献类型 :
期刊
关键词:
不安全事件
主成分分析
SMOTE
民航安全
描述:
民航事故的产生具有随机性,导致民航不安全事件的数据也具有较大的波动性,如何从波动的安全数据中提取出反映民航安全变化的本质安全特征,直接决定安全分析的准确度。引入不平衡数据的概念,利用SMOTE和随机向下抽样的方法平衡民航数据,通过主成分分析方法提取引起航空器空中运行、起飞着陆、地面运行等六个方面不安全事件的主要因素。针对不安全事件的特点提出改进措施,从而达到提高民航安全水平的目的。
基于LSTM分类器的航空发动机预测性维护模型
作者:
蔺瑞管
王华伟
车畅畅
倪晓梅
熊明兰
来源:
系统工程与电子技术
年份:
2022
文献类型 :
期刊
关键词:
二分类
长短期记忆网络
时间窗
故障预测与健康管理
预测性维护
描述:
利用传感器数据进行预测性维护是航空发动机故障预测与健康管理(prognostic and health management, PHM)的关键问题。针对发动机剩余寿命预测准确性低的问题,提出基于长短期记忆网络(long short-term memory network, LSTM)分类器的预测性维护模型。LSTM分类器通过门控单元对长时间序列信息进行充分筛选,并将有效信息用于时间序列预测。首先,采用滑动时间窗口制备训练样本。其次,将预处理后的样本输入LSTM,预测设备在特定时间窗口内的失效概率。然后,通过调整窗口大小,得到最优性能的二分类模型,以更好地适应预测维护需求。最后,利用美国航空航天局C-MAPSS数据集验证了该模型的有效性,相比于已有分类方法,其在剩余使用寿命分类方面更加准确。
基于LSTM分类器的航空发动机预测性维护模型
作者:
蔺瑞管
王华伟
车畅畅
倪晓梅
熊明兰
来源:
系统工程与电子技术
年份:
2022
文献类型 :
期刊
关键词:
二分类
长短期记忆网络
时间窗
故障预测与健康管理
预测性维护
描述:
利用传感器数据进行预测性维护是航空发动机故障预测与健康管理(prognostic and health management, PHM)的关键问题。针对发动机剩余寿命预测准确性低的问题,提出基于长短期记忆网络(long short-term memory network, LSTM)分类器的预测性维护模型。LSTM分类器通过门控单元对长时间序列信息进行充分筛选,并将有效信息用于时间序列预测。首先,采用滑动时间窗口制备训练样本。其次,将预处理后的样本输入LSTM,预测设备在特定时间窗口内的失效概率。然后,通过调整窗口大小,得到最优性能的二分类模型,以更好地适应预测维护需求。最后,利用美国航空航天局C-MAPSS数据集验证了该模型的有效性,相比于已有分类方法,其在剩余使用寿命分类方面更加准确。