首页>
根据【关键词:航空发动机,卷积神经网络,Informer,深度学习,剩余寿命预测】搜索到相关结果 1721 条
-
基于DCNN-Informer的航空发动机寿命预测方法
-
作者:
廖雪超
陈海力
钟实
来源:
计算机技术与发展
年份:
2025
文献类型 :
期刊
关键词:
航空发动机
卷积神经网络
Informer
深度学习
剩余寿命预测
-
描述:
基于DCNN-Informer的航空发动机寿命预测方法
-
基于时空特征的航空发动机剩余使用寿命预测
-
作者:
徐震震
薛林
马凯
杨玉迪
来源:
电子测量技术
年份:
2023
文献类型 :
期刊
关键词:
航空发动机
深度学习
时间特征
剩余寿命预测
空间特征
-
描述:
航空发动机作为一种高精密机械部件,对飞机性能和可靠性有重要影响。准确的剩余寿命预测可以降低维修成本,减少安全事故的发生。现有的预测方法只关注传感器数据之间的时间关系,忽略了传感器之间的空间关系。本文
-
基于概率稀疏自注意力的航空发动机剩余寿命预测
-
作者:
王欣
黄佳琪
许雅玺
来源:
科学技术与工程
年份:
2024
文献类型 :
期刊
关键词:
航空发动机
Transformer
深度学习
概率稀疏自注意力
剩余寿命预测
-
描述:
航空发动机剩余寿命预测对其健康管理具有重要意义,针对长序列、多维度的航空发动机监测参数,提出一种基于概率稀疏自注意力(ProbSparse Self-Attention)的Transformer模型
-
基于深度学习的航空发动机齿轮故障诊断
-
作者:
万安平
杨洁
王景霖
陈挺
缪徐
黄佳湧
杜翔
来源:
振动.测试与诊断
年份:
2022
文献类型 :
期刊
关键词:
航空发动机
卷积神经网络
多传感器信息融合
故障诊断
深度学习
-
描述:
dimensional convolutional neural network,简称1D-CNN)对试验获取的某航空发动机的齿轮故障振动数据进行特征提取与分类,建立齿轮故障一维卷积神经网络模型,对航空发动机轴承进行
-
基于多传感器融合卷积神经网络的航空发动机轴承故障诊断
-
作者:
杨洁
万安平
王景霖
单添敏
缪徐
李客
左强
来源:
中国电机工程学报
年份:
2022
文献类型 :
期刊
关键词:
航空发动机
卷积神经网络
多传感器信息融合
故障诊断
深度学习
-
描述:
航空发动机轴承进行故障诊断。该模型采用一维卷积神经网络(one dimensional convolutional neural network,1D-CNN)对实验获取的某航空发动机的轴承故障
-
基于多传感器融合卷积神经网络的航空发动机轴承故障诊断
-
作者:
杨洁
万安平
王景霖
单添敏
缪徐
李客
左强
来源:
中国电机工程学报
年份:
2022
文献类型 :
期刊
关键词:
航空发动机
卷积神经网络
多传感器信息融合
故障诊断
深度学习
-
描述:
航空发动机轴承进行故障诊断。该模型采用一维卷积神经网络(one dimensional convolutional neural network,1D-CNN)对实验获取的某航空发动机的轴承故障
-
航空发动机状态监控和预测性维护应用研究
-
作者:
廖鹏程
李昂
王骁
来源:
测控技术
年份:
2023
文献类型 :
期刊
关键词:
特征提取
深度学习
健康管理
剩余寿命预测
故障预测
-
描述:
为了深化飞参数据的应用价值,通过研究发动机转动件故障预测、剩余寿命预测以及气路健康等,为发动机保障决策和预测性维护提供参考。采用经验模态分解(EMD)结合相对向量机(RVM)、灰度模型(GM)用于
-
基于卷积神经网络的遥感图像飞机目标识别
-
作者:
晁安娜
刘坤
来源:
微型机与应用
年份:
2018
文献类型 :
期刊
关键词:
遥感图像
卷积神经网络
飞机识别
深度学习
-
描述:
遥感图像的识别技术一直被广泛运用于民用和军事领域。针对采集到的遥感飞机图像存在大量干扰,如遮挡、噪声、视角变化等因素,提出一种改进的基于卷积神经网络的遥感图像目标识别算法。在复杂环境下,运用
-
航空轮胎有限元分析
-
作者:
刘坤
苏彤
王典
来源:
激光与光电子学进展
年份:
2018
文献类型 :
期刊
关键词:
卷积神经网络
深度学习
模糊不变
目标识别
-
描述:
由于采集、运动以及聚焦等导致的目标模糊是目标识别率偏低的一个主要问题,因此本文提出一种基于模糊不变卷积神经网络模型BICNN(Blur-Invariant Convolutional Neural
-
卷积神经网络及其在航空视觉任务中的应用展望
-
作者:
漆昇翔
裘旭益
张伟
来源:
航空电子技术
年份:
2019
文献类型 :
期刊
关键词:
卷积神经网络
计算机视觉
深度学习
航空航天
-
描述:
从卷积神经网络的基本理论出发,介绍了几种经典卷积网络结构,并结合当前卷积神经网络在计算机视觉领域的应用现状,重点探讨了它在未来航空视觉相关任务系统中的应用前景,以及实施这些技术必须解决的若干问题,为未来航空装备智能化水平的进一步提升提供参考。