全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
按文献类别分组
按栏目分组
关键词
- 基于深度学习的航空传感器故障诊断方法
- 作者： 郑晓飞 郭创 姚斌 冯华鑫 来源： 计算机工程 年份： 2018 文献类型 ： 期刊 关键词： 信号重构 故障诊断 深度学习 航空传感器 深度置信网络 故障隔离
- 描述： 为解决传统神经网络进行传感器故障诊断时存在的过拟合、泛化能力有限等问题,提出一种基于深度置信网络观测器的航空传感器故障诊断方法。利用深度置信网络替代浅层神经网络,在优化网络结构的基础上,给出深度置信网络隐层节点数选取的递推公式,构建深度置信网络状态观测器。离线训练时,利用飞行数据训练深度置信网络观测器。在线诊断时,通过比较观测器输出值与实际输出值判断故障类型,并给出3种故障隔离与信号重构方法。仿真结果表明,与BP神经网络观测器相比,该方法能够快速准确地进行故障诊断与隔离,并且完成信号重构。
- 电动飞机大功率泵阀协调作动优化控制仿真
- 作者： 郭创 姚斌 郑晓飞 王云鹏 来源： 计算机仿真 年份： 2018 文献类型 ： 期刊 关键词： 滑模变结构控制 最优控制 泵阀协调作动系统 模糊控制 反馈线性化
- 描述： 为解决机载泵阀协调作动系统存在相乘非线性,在参数摄动与负载干扰下很难达到满意的控制效果的问题,提出了一种基于反馈线性化的滑模变结构控制方法。首先,针对作动系统的非线性模型,利用反馈线性化将其变换为一个线性子系统和非线性部分。其次,在保证系统零动态稳定性的前提下,对线性模型设计了滑模变结构控制器,为了提高滑动模态的动态品质,并削弱滑模控制的输出抖振,结合最优控制与模糊控制理论,分别对控制器的切换函数与趋近律进行了设计。利用MATLAB/Simulink软件进行仿真验证。仿真结果表明,上述控制方法提高了控制效果,使系统具有更好的动态响应特性与精度。极大改善了机载泵阀协调作动系统的综合性能。
- 基于深度学习的航空发动机传感器故障检测
- 作者： 刘云龙 谢寿生 郑晓飞 边涛 来源： 传感器与微系统 年份： 2018 文献类型 ： 期刊 关键词： 飞参数据 深度学习 故障检测 深度置信网络 航空发动机传感器
- 描述： 针对传统反向传播(BP)神经网络和支持向量机(SVM)存在的过拟合、维数灾难、参数选择困难等问题,提出了一种基于深度学习算法的航空发动机传感器故障检测方法。对发动机参数记录仪采集的多维数据进行预处理,建立基于深度置信网络(DBN)的故障检测模型,利用预处理后的数据对检测模型进行训练,经过DBN故障检测模型逐层特征学习实现了传感器故障检测。仿真结果表明:在无人工特征提取和人工特征提取的情况下,基于DBN故障检测的准确率均高于BP神经网络和SVM模型。