航空发动机原理与结构

作者： 黄燕晓   瞿红春   来源： 北京：航空工业出版社 年份： 2015 文献类型 ： 图书

描述： 本书内容涉及与航空发动机相关的基础知识和专业知识。发动机类教材、著作种类繁多，但是内容上更多的都是面向发动机的结构设计、制造等，对象上更多是专业基础比较扎实、学习比较优秀的本科层次、研究生层次的同学等，而专门面向民用航空器维修、面向以培养民航一线维修所需要的技能型人才为主的、专业基础薄弱的高职类学生，而又适用于学生今后进行民用航空器维修基础执照考试的教材则少之又少。基于以上现实，并为促进航空机电设备维修专业的建设与发展，特组织编写组编写该教材。

民用航空燃气涡轮发动机原理

作者： 瞿红春   林兆福   来源： 北京：兵器工业出版社 年份： 2006 文献类型 ： 图书 关键词： 燃气轮机   民用飞机   理论  

描述： 民用航空燃气涡轮发动机原理

中国航空维修及信息化分析

作者： 刘明   刘杰   瞿红春   来源： 中国航空学会维修分会2008年学术年会 年份： 2016 文献类型 ： 会议论文 关键词： 信息管理　　航空维修　　民用航空　　数字化　　故障知识库  

描述： 首先介绍了中国航空维修的背景和现状,比较不同时期维修的形式和原理.以南方航空公司为例,讨论了数字化维修时航空公司的影响.从利于保证安全、提高经济效益和降低劳动强度的角度,提出了打破信息孤岛和建立故障知识库供民航公共使用的建议.

基于层次分析法的航空发动机故障特性分析

作者： 刘杰   瞿红春   曾学锋   来源： 中国航空学会维修分会2008年学术年会 年份： 2016 文献类型 ： 会议论文 关键词： 层次分析法　　航空发动机　　故障诊断　　健康评估  

描述： 航空发动机故障诊断和健康评估直接关系到飞行安全.运用层次分析法.对发动机故障特性进行综合分析,确定故障征兆和故障原因的权重值。为故障分析和维修管理提供准确有效的可靠性信息.

航空发动机振动信号ICA分离方法的研究

作者： 瞿红春   王涛   崔秀峰   来源： 机械科学与技术 年份： 2016 文献类型 ： 期刊 关键词： 航空发动机　　转子　　振动　　独立分量分析  

描述： 研究了基于独立分量分析(independent component analysis,ICA)的发动机转子振动信号分离方法,目的是对转子振动的混叠信号进行分离。首先,研究独立分量分析方法中Infomax方法和Fast ICA方法对混叠信号的分离效果;然后利用LABVIEW信号采集系统采集转子的振动信号,实现从混叠信号中分离源信号,并分别对转子的不对中和碰摩两种工作状态的转子振动信号进行分离测试,验证了该方法的适用性和有效性。

基于改进GA-BP神经网络民航发动机滑油消耗研究

作者： 瞿红春   单晨晨   万海焰   来源： 机械工程与自动化 年份： 2017 文献类型 ： 期刊 关键词： 民航发动机   遗传算法   BP神经网络   滑油消耗量  

描述： 为了准确预测正常状态下民航发动机的滑油消耗量,以某型号民航发动机的快速存取记录器Quick Access Recorder(QAR)数据建立能够预测正常状态下滑油消耗的模型并预测。利用遗传算法对输入数据进行筛选并优化网络的权值和阈值,建立BP网络。在此基础上对遗传算法的遗传算子进行改进,建立新的优化BP网络。将单BP网络的仿真结果分别与两种优化过的网络仿真结果对比,结果表明优化过的BP网络提高了预测的准确率,并且改进后的遗传算法优化的BP网络准确率更高。由此证明改进遗传算法优化的神经网络在预测滑油消耗上具有很强的实用性。

基于混沌PSO＿Elman网络的航空发动机基线挖掘

作者： 瞿红春   林文斌   许旺山   郭龙飞   来源： 中国民航大学学报 年份： 2021 文献类型 ： 期刊 关键词： 基线挖掘   航空发动机   粒子群算法   混沌   Elman神经网络  

描述： 为提高发动机基线的拟合精度,提出经混沌粒子群优化的Elman神经网络模型。利用混沌算法改进粒子群算法(PSO)的位置公式,以解决局部最优问题。利用非线性递减函数改进PSO粒子的速度公式,以解决收敛精度较低的问题。将该模型用于基线拟合,并与传统的误差反向传播网络(BP)、Elman网络、支持向量机(SVM)等模型的拟合误差进行对比。结果表明:在训练数据、测试数据、训练次数均相同的情况下,混沌PSO_Elman模型的拟合精度高于其他传统模型;当训练样本减少时,其拟合精度依然高于传统模型,证明该模型具有更强的学习能力。

基于混沌PSO＿Elman网络的航空发动机基线挖掘

作者： 瞿红春   林文斌   许旺山   郭龙飞   来源： 中国民航大学学报 年份： 2020 文献类型 ： 期刊 关键词： 基线挖掘   航空发动机   粒子群算法   混沌   Elman神经网络  

描述： 为提高发动机基线的拟合精度,提出经混沌粒子群优化的Elman神经网络模型。利用混沌算法改进粒子群算法(PSO)的位置公式,以解决局部最优问题。利用非线性递减函数改进PSO粒子的速度公式,以解决收敛精度较低的问题。将该模型用于基线拟合,并与传统的误差反向传播网络(BP)、Elman网络、支持向量机(SVM)等模型的拟合误差进行对比。结果表明:在训练数据、测试数据、训练次数均相同的情况下,混沌PSO_Elman模型的拟合精度高于其他传统模型;当训练样本减少时,其拟合精度依然高于传统模型,证明该模型具有更强的学习能力。