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GRU+DNN数据驱动的航空发动机故障诊断
- 作者： 张绍懿 薛广宇 来源： 中国机械 年份： 2024 文献类型 ： 期刊 关键词： 数据驱动 航空发动机 故障诊断 GRU+DNN
- 描述： 基于GRU+DNN数据驱动的航空发动机故障诊断
- 航空军工领域派驻供应商代表机制探索及研究
- 作者： 高世贤 刘宏伟 王青 刘洪云 来源： 航空标准化与质量 年份： 2022 文献类型 ： 期刊 关键词： 供应商管理 供应链延伸 派驻供应商代表 管控前移
- 描述： 针对航空军工主机企业管理现状,深入分析了派驻供应商代表机制构建的必要性,提出了“强矩阵”和“弱矩阵”两种不同的管理模式,并对管理实践效果进行了分析论证,为航空军工企业构建派驻供应商代表机制构建提供参考与借鉴。
- 航空工业昌飞召开2022年质量工作会
- 作者： 李蓉 来源： 中国军转民 年份： 2022 文献类型 ： 期刊 关键词： 供应商管理 军代表室 提升工程
- 描述： 3月31日，航空工业昌飞召开2022年质量工作会。公司领导、三军代表室和试飞大队领导、公司部分中层领导干部、各单位质管员参加了会议。昌飞公司党委书记、董事长徐德朋对公司质量管理工作提出三点要求，一是以问题为导向，切实担起主机主责重任；二是以体系为保障，实现直升机制造体系升级迭代；三是以绩效为牵引，促进公司整体质量管理水平提升。徐德朋强调，2022年是“十四五”关键之年，是集团“创新年”，也是公司“创新年”，全体干部职工要坚定创新自信、紧抓创新机遇，
- 浅谈民用飞机的供应商管理
- 作者： 范森 来源： 内燃机与配件 年份： 2018 文献类型 ： 期刊 关键词： 质量管理 供应商管理 风险管理
- 描述： 本文分析了民用飞机研制目前所采取的主制造商-供应商管理的现状,并从风险管理、质量管理等方面对供应商管理进行了研究。
- 国外航空企业供应商管理体系研究
- 作者： 张桥 徐玲 郭玉强 来源： 直升机技术 年份： 2019 文献类型 ： 期刊 关键词： 航空 体系 供应商管理
- 描述： 从国外航空企业顶层供应商管理顶层战略的制定,供应商货源开发和信息获取,供应商的选择及合同签订,供应商过程监控及合同管理,直到供应商产品和服务交付评价结束,对国外航空企业供应商管理组织架构、文件体系、关键流程进行了初步研究。
- S公司飞机系统供应商履约管理研究
- 作者： 陈方舟 来源： 经营与管理 年份： 2019 文献类型 ： 期刊 关键词： 民机客户服务 供应商管理 履约管理
- 描述： 做好国产大型客机和宽体客机的研制,推进干支线飞机的产业化,飞机系统的供应商管理工作是重要的一环。飞机系统供应商履约是难点,探讨S公司加强供应商履约管理的策略,在从自身业务出发积极培育国内供应商
- 航空发动机研制阶段供应商管理体系建设方法研究
- 作者： 刘海年 隋岩峰 李昌红 刘庆东 王桂华 来源： 航空科学技术 年份： 2017 文献类型 ： 期刊 关键词： 航空发动机 供应商管理 体系建设 研制阶段
- 描述： 在航空发动机研制阶段,加强供应商管理成为提升发动机研制质量的重要措施之一。本文介绍了国外发动机公司供应商管理的模式和体系建设情况,对比分析了国内供应商管理的不足,结合国内航空发动机科研阶段供应商管理
- 数字孪生及其在航空航天中的应用
- 作者： 孟松鹤 叶雨玫 杨强 黄震 解维华 来源： 航空学报 年份： 2020 文献类型 ： 期刊 关键词： 数据驱动 数字孪生 飞行器 模型更新 维护
- 描述： 。本文分析说明了数字孪生体相比一般的模拟模型，具有集中性、动态性和完整性的突出特点。数字孪生的发展需要复杂系统建模、传感与监测、大数据、动态数据驱动分析与决策和数字孪生软件平台技术的支撑。在航空航天领域
- 基于改进的SENet航空发动机振动预测
- 作者： 夏存江 詹于游 来源： 航空动力学报 年份： 2022 文献类型 ： 期刊 关键词： 数据驱动 注意力机制 卷积神经网络 多参数融合 振动预测
- 描述： 为实时监测和预警航空发动机振动状态，基于气路及振动参数，提出一种使用改进的SENet(squeeze-and-excitation network)模型，对航空发动机近未来的振动进行预测。该研究相比以往采用的实验室模拟数据和仿真数据，使用了真实的QAR(quick access recorder)数据并进行随机采样，以求更能表征发动机振动和工作参数之间的关系。同时，不仅使用其他振动信号进行验证，还在其他型号的发动机上进行测试。结果表明：针对航空发动机的振动进行预测是可行的，SENet模型可以有效并实时追踪振动的突变和波动。此外，该方法对于其他振动信号和不同类型的发动机具有一定的适用性。而且相较于以往采用的其他经典的深度模型，SENet模型在振动的预测中能得到更小的误差。实验证明，相较于以往只使用振动这个单参数进行预测，并行使用与振动相关的多参数融合进行研究更能提高预测的准确性。