首页>
根据【作者:康玉祥】搜索到相关结果 5 条
-
飞机蒙皮锤铆参数优化方法研究
-
作者:
鲁墨武
殷思羽
姜春英
康玉祥
来源:
机械工程与自动化
年份:
2021
文献类型 :
期刊
关键词:
锤铆
飞机蒙皮
参数优化
PSO算法
-
描述:
针对飞机蒙皮和筋板锤铆过程,采用有限元法建立其运动学模型,以气压(锤铆力)、单钉铆接时间(单钉冲锤次数)及铆钉头内端面到蒙皮间距离为输入量,以镦头尺寸和蒙皮与筋板间间隙为输出量,对不同参数下飞机蒙皮锤铆过程进行仿真分析,得到60组样本数据。为了得到最优的铆接工艺参数,设计了基于BP神经网络的适应度函数,采用PSO算法对铆接工艺参数进行优化。仿真及实验结果表明:所优化的工艺参数能实现较好的铆接质量。
-
基于残差网络的航空发动机滚动轴承故障多任务诊断方法
-
作者:
康玉祥
陈果
尉询楷
潘文平
王浩
来源:
振动与冲击
年份:
2022
文献类型 :
期刊
关键词:
滚动轴承
故障诊断
深度学习
多任务
残差网络
损伤大小
-
描述:
针对当前基于深度学习的航空发动机滚动轴承故障诊断技术诊断任务单一的问题,提出一种基于多任务残差网络的滚动轴承故障诊断方法,该方法采用残差网络为深层特征提取与共享主框架,建立能够同时进行故障诊断的多任务模型。首先,在数据预处理中,将滚动轴承的振动加速度时域信号转换为频谱图,并直接作为网络的输入;然后,应用标签平滑技术对故障类别标签做了平滑处理以提高网络的测试精度;最后,利用两组实际的滚动轴承故障数据集对所建立的多任务模型进行试验验证,将诊断任务划分为:故障状态识别(正常和异常)、故障部位识别(内圈、外圈和滚动体故障)、以及故障程度识别(损伤尺寸大小预测)。结果表明,所搭建的多任务模型在故障状态识别和部位诊断中的准确率达到97%以上。同时,在故障识别中,损伤大小预测达到了满意的精度,充分表明该方法具有很强的故障多任务诊断能力。
-
一种航空发动机磨损故障模糊融合诊断方法
-
作者:
曹桂松
马佳丽
苗慧慧
王雨薇
康玉祥
陈果
来源:
润滑与密封
年份:
2022
文献类型 :
期刊
关键词:
油液分析
航空发动机
D
融合诊断
S证据理论
磨损故障
-
描述:
为提高航空发动机滚动轴承的磨损故障诊断的精度,综合利用多种油液分析方法的优点,提出一种航空发动机磨损故障的模糊融合诊断方法。首先,针对光谱分析、铁谱分析、颗粒计数分析、理化分析数据的各自特点,基于自定义隶属度函数对油液分析数据进行模糊化处理,从而得到表征光谱分析、铁谱分析、颗粒计数分析、理化分析数据的证据可信度和规则可信度,并得到综合可信度;然后利用D-S证据理论实现对多种油样分析数据的决策级融合诊断。将提出的融合诊断方法应用于航空发动机磨损故障诊断,利用某型发动机不同磨损时期的油液仿真分析数据对算法进行验证,证明了所提的方法具有很高的诊断精度和灵敏度。
-
基于深度学习的航空发动机磨损部位识别方法
-
作者:
苗慧慧
曹桂松
孙智君
康玉祥
马佳丽
陈果
来源:
润滑与密封
年份:
2023
文献类型 :
期刊
关键词:
航空发动机
一维卷积残差网络
能谱分析
深度学习
磨损
-
描述:
针对航空发动机润滑系统中摩擦副部件复杂、磨损颗粒能谱监测元素众多,靠人工经验难于进行磨损部位精确识别的问题,提出一种基于深度学习的航空发动机润滑系统磨损部位识别方法。该方法应用一维卷积核为计算单元,搭建一维卷积残差网络模型。以航空发动机润滑油中磨损颗粒能谱分析数据为输入,采用所搭建的一维卷积残差网络模型实现对能谱数据的特征提取以及航空发动机磨损部位的定位识别;以某型航空发动机润滑油中磨损颗粒实测能谱数据验证该方法的有效性,并和Resnet18、Resnet34、CNN等网络模型进行对比验证。结果表明,所提方法对航空发动机磨损部位的识别精度达到95%以上。为了验证模型的鲁棒性和泛化能力,在真实的某型航空发动机能谱数据基础上,对含氧数据和噪声数据分别进行测试,进一步说明该模型用于对磨损定位识别的有效性,具备实际应用的可行性。
-
基于深度学习的航空发动机磨损部位识别方法
-
作者:
苗慧慧
曹桂松
孙智君
康玉祥
马佳丽
陈果
来源:
润滑与密封
年份:
2023
文献类型 :
期刊
关键词:
航空发动机
一维卷积残差网络
能谱分析
深度学习
磨损
-
描述:
针对航空发动机润滑系统中摩擦副部件复杂、磨损颗粒能谱监测元素众多,靠人工经验难于进行磨损部位精确识别的问题,提出一种基于深度学习的航空发动机润滑系统磨损部位识别方法。该方法应用一维卷积核为计算单元,搭建一维卷积残差网络模型。以航空发动机润滑油中磨损颗粒能谱分析数据为输入,采用所搭建的一维卷积残差网络模型实现对能谱数据的特征提取以及航空发动机磨损部位的定位识别;以某型航空发动机润滑油中磨损颗粒实测能谱数据验证该方法的有效性,并和Resnet18、Resnet34、CNN等网络模型进行对比验证。结果表明,所提方法对航空发动机磨损部位的识别精度达到95%以上。为了验证模型的鲁棒性和泛化能力,在真实的某型航空发动机能谱数据基础上,对含氧数据和噪声数据分别进行测试,进一步说明该模型用于对磨损定位识别的有效性,具备实际应用的可行性。