航空文献资源库

按文献类别分组

按栏目分组

按年份分组

按来源分组

关键词

基于深度学习的航空发动机剩余使用寿命预测研究: 作者： 温海茹 来源： 内燃机与配件 年份： 2021 文献类型： 期刊 关键词： 航空发动机深度学习 剩余使用寿命预测; 描述： 随着深度学习不断的发展,航空发动机成为近年来的研究热点,其寿命预测的研究也受到了研究学者的关注。本文主要介绍航空发动机的剩余使用寿命预测背景,数据获取过程及基于深度学习的剩余使用寿命的预测方法,以及深度学习在航空发动方面预测的难点和发展趋势。

基于深度学习的航空发动机剩余使用寿命预测研究: 作者： 温海茹 来源： 内燃机与配件 年份： 2020 文献类型： 期刊 关键词： 航空发动机深度学习 剩余使用寿命预测; 描述： 随着深度学习不断的发展,航空发动机成为近年来的研究热点,其寿命预测的研究也受到了研究学者的关注。本文主要介绍航空发动机的剩余使用寿命预测背景,数据获取过程及基于深度学习的剩余使用寿命的预测方法,以及深度学习在航空发动方面预测的难点和发展趋势。

基于间接健康指标与回声状态网络的航空锂电池剩余使用寿命预测: 作者： 后麒麟曹亮单添敏王景霖沈勇 来源： 测控技术 年份： 2022 文献类型： 期刊 关键词： 锂电池粒子群优化回声状态网络间接健康指标 剩余使用寿命预测; 描述： 航空锂电池是飞机的重要组成部分，对其进行剩余使用寿命(RUL)预测至关重要。目前，一般采用锂电池容量作为RUL指标，但在飞机实际运行中，锂电池容量难以准确测量，同时面临长期寿命预测精度的问题。因此，提出一种基于间接健康指标和回声状态网络(ESN)的锂电池RUL预测方法，基于一阶偏相关系数分析方法提取最能代表电池寿命的间接健康指标来代替容量指标，建立间接健康指标预测模型。同时基于深度学习中的ESN,结合粒子群优化算法(PSO)对网络参数进行优化，建立退化预测模型，实现锂电池RUL预测，解决长期预测精度问题。使用NASA电池数据进行实验验证说明，该方法相较于其他方法具有更高的精度、稳定性以及良好的泛化能力。

< 1 >