按文献类别分组
按栏目分组
关键词
基于KPCA和DBN的航空发动机排气温度基线模型
作者: 王奕首   余映红   卿新林   殷锴   赵奇   来源: 航空发动机 年份: 2020 文献类型 : 期刊 关键词: 航空发动机   核主成分分析   排气温度   健康管理   深度置信网络  
描述: 为了给航空发动机整体性能的实时监控与健康管理提供技术手段,提出1种基于核主成分分析和深度置信网络相结合的航空发动机排气温度基线模型构建方法。以配装CFM56-7B发动机的飞机在运行过程中各系统产生
航空发动机排气温度基线建模新方法研究
作者: 刘渊   余映红   田彦云   王奕首   卿新林   王锦涛   来源: 推进技术 年份: 2022 文献类型 : 期刊 关键词: 航空发动机   支持向量回归机   排气温度   基线模型   堆叠降噪自编码器  
描述: 为实现航空发动机气路性能诊断与预测,提出一种基于堆叠降噪自编码器(Stacked denoising auto encoder,SDAE)和支持向量回归(Support vector regression,SVR)相结合的航空发动机排气温度(Exhaust gas temperature,EGT)基线建模方法。以CFM56-7B发动机实际采集的飞行数据作为原始数据样本,利用SDAE进行数据特征提取和降噪处理后,将提取到的非线性特征作为SVR网络的输入,建立排气温度基线模型。利用同型号的另一台发动机航后数据对所建立的排气温度基线模型进行验证,并与基于单一网络的基线模型进行对比。结果表明,基于SDAE-SVR融合模型的基线建模方法具有更强的鲁棒性和更高的预测精度。
航空发动机排气温度基线建模新方法研究
作者: 刘渊   余映红   田彦云   王奕首   卿新林   王锦涛   来源: 推进技术 年份: 2022 文献类型 : 期刊 关键词: 航空发动机   支持向量回归机   排气温度   基线模型   堆叠降噪自编码器  
描述: 为实现航空发动机气路性能诊断与预测,提出一种基于堆叠降噪自编码器(Stacked denoising auto encoder,SDAE)和支持向量回归(Support vector regression,SVR)相结合的航空发动机排气温度(Exhaust gas temperature,EGT)基线建模方法。以CFM56-7B发动机实际采集的飞行数据作为原始数据样本,利用SDAE进行数据特征提取和降噪处理后,将提取到的非线性特征作为SVR网络的输入,建立排气温度基线模型。利用同型号的另一台发动机航后数据对所建立的排气温度基线模型进行验证,并与基于单一网络的基线模型进行对比。结果表明,基于SDAE-SVR融合模型的基线建模方法具有更强的鲁棒性和更高的预测精度。
航空发动机排气温度基线建模新方法研究
作者: 刘渊   余映红   田彦云   王奕首   卿新林   王锦涛   来源: 推进技术 年份: 2022 文献类型 : 期刊 关键词: 航空发动机   支持向量回归机   排气温度   基线模型   堆叠降噪自编码器  
描述: 为实现航空发动机气路性能诊断与预测,提出一种基于堆叠降噪自编码器(Stacked denoising auto encoder,SDAE)和支持向量回归(Support vector regression,SVR)相结合的航空发动机排气温度(Exhaust gas temperature,EGT)基线建模方法。以CFM56-7B发动机实际采集的飞行数据作为原始数据样本,利用SDAE进行数据特征提取和降噪处理后,将提取到的非线性特征作为SVR网络的输入,建立排气温度基线模型。利用同型号的另一台发动机航后数据对所建立的排气温度基线模型进行验证,并与基于单一网络的基线模型进行对比。结果表明,基于SDAE-SVR融合模型的基线建模方法具有更强的鲁棒性和更高的预测精度。
航空发动机排气温度基线建模新方法研究
作者: 刘渊   余映红   田彦云   王奕首   卿新林   王锦涛   来源: 推进技术 年份: 2022 文献类型 : 期刊 关键词: 航空发动机   支持向量回归机   排气温度   基线模型   堆叠降噪自编码器  
描述: 为实现航空发动机气路性能诊断与预测,提出一种基于堆叠降噪自编码器(Stacked denoising auto encoder,SDAE)和支持向量回归(Support vector regression,SVR)相结合的航空发动机排气温度(Exhaust gas temperature,EGT)基线建模方法。以CFM56-7B发动机实际采集的飞行数据作为原始数据样本,利用SDAE进行数据特征提取和降噪处理后,将提取到的非线性特征作为SVR网络的输入,建立排气温度基线模型。利用同型号的另一台发动机航后数据对所建立的排气温度基线模型进行验证,并与基于单一网络的基线模型进行对比。结果表明,基于SDAE-SVR融合模型的基线建模方法具有更强的鲁棒性和更高的预测精度。
< 1 2
Rss订阅