首页>
根据【关键词:航空发动机,CNN,深度神经网络,BiLSTM,快速存取(QAR)数据,滑油流量预测】搜索到相关结果 2710 条
-
基于CNN-BiLSTM的航空发动机滑油流量故障诊断预测方法研究
-
作者:
张青
赵洪利
杨佳强
来源:
内燃机与配件
年份:
2024
文献类型 :
期刊
关键词:
航空发动机
CNN
深度神经网络
BiLSTM
快速存取(QAR)数据
滑油流量预测
-
描述:
了一种基于CNN-BiLSTM的航空发动机滑油流量预测模型,可以同时捕捉数据中的空间特征以及时序关系。以某航QAR数据进行验证,结果与CNN和LSTM模型进行对比,左发预测准确率提升了2.43
-
基于1DCNN-BiLSTM的航空发动机故障分类研究
-
作者:
孔令刚
康时嘉
吴家菊
左洪福
杨永辉
程铮
来源:
现代电子技术
年份:
2024
文献类型 :
期刊
关键词:
航空发动机
1DCNN
故障分类
发动机故障
非线性时间序列
BiLSTM
-
描述:
基于1DCNN-BiLSTM的航空发动机故障分类研究
-
基于1DCNN-BiLSTM的航空发动机故障分类研究
-
作者:
孔令刚
康时嘉
吴家菊
左洪福
杨永辉
程铮
来源:
现代电子技术
年份:
2024
文献类型 :
期刊
关键词:
航空发动机
1DCNN
故障分类
发动机故障
非线性时间序列
BiLSTM
-
描述:
基于1DCNN-BiLSTM的航空发动机故障分类研究
-
基于融合卷积Transformer的航空发动机故障诊断
-
作者:
赵洪利
杨佳强
来源:
北京航空航天大学学报
年份:
2023
文献类型 :
期刊
关键词:
自注意力机制
航空发动机
故障诊断
深度神经网络
融合卷积Transformer
-
描述:
, BP网络)、卷积神经网络(Convolutional Neural Networks, CNN)和循环神经网络(Recurrent Neural Network, RNN)相比,准确率分别提高了6.552%、28.117%、13.189%和10.29%,证明了本文方法的有效性,可为航空发动机故障诊断提供一定的参考。
-
基于融合卷积Transformer的航空发动机故障诊断
-
作者:
赵洪利
杨佳强
来源:
北京航空航天大学学报
年份:
2023
文献类型 :
期刊
关键词:
自注意力机制
航空发动机
故障诊断
深度神经网络
融合卷积Transformer
-
描述:
, BP网络)、卷积神经网络(Convolutional Neural Networks, CNN)和循环神经网络(Recurrent Neural Network, RNN)相比,准确率分别提高了6.552%、28.117%、13.189%和10.29%,证明了本文方法的有效性,可为航空发动机故障诊断提供一定的参考。
-
基于NER的飞机大修EWIS故障信息快速获取与识别
-
作者:
黄明俊
石杰
贾晓亮
来源:
制造业自动化
年份:
2024
文献类型 :
期刊
关键词:
CRF模型
飞机大修
命名实体识别
BERT
EWIS
BiLSTM
故障信息
-
描述:
基于NER的飞机大修EWIS故障信息快速获取与识别
-
基于NER的飞机大修EWIS故障信息快速获取与识别
-
作者:
黄明俊
石杰
贾晓亮
来源:
制造业自动化
年份:
2024
文献类型 :
期刊
关键词:
CRF模型
飞机大修
命名实体识别
BERT
EWIS
BiLSTM
故障信息
-
描述:
基于NER的飞机大修EWIS故障信息快速获取与识别
-
不同结构深度神经网络的时间域航空电磁数据成像性能分析
-
作者:
李金峰
刘云鹤
来源:
世界地质
年份:
2021
文献类型 :
期刊
关键词:
电磁数据
地球物理
成像
深度神经网络
-
描述:
时间域航空电磁系统采样密集,数据量大,所以在该领域较为实用的数据处理方法主要为一维反演和电阻率成像法。笔者从成像问题出发,建立了庞大的数据-模型训练集,研究并分析了不同结构的神经网络的成像精度。通过对比分析测试结果,获得了在一定条件下适用于航空电磁成像的最优网络模型结构,包含其神经元个数和层数等信息。本文采用早停法训练神经网络,压制数据中噪声对成像结果的影响。
-
DNN加速器技术发展及航空计算系统应用展望
-
作者:
赵一煊
刘飞阳
高晗
王建生
来源:
航空计算技术
年份:
2022
文献类型 :
期刊
关键词:
智能计算
深度神经网络
航空电子系统
硬件加速器
-
描述:
新一代航空计算系统将以高性能智能数据处理为核心,能够支撑智能化的图像/雷达目标识别、大数据分析、指控决策、故障自诊断等多种应用场景。深度神经网络硬件加速器是面向人工智能领域专用的硬件加速平台,能够
-
不同结构深度神经网络的时间域航空电磁数据成像性能分析
-
作者:
李金峰
刘云鹤
来源:
世界地质
年份:
2021
文献类型 :
期刊
关键词:
电磁数据
地球物理
成像
深度神经网络
-
描述:
时间域航空电磁系统采样密集,数据量大,所以在该领域较为实用的数据处理方法主要为一维反演和电阻率成像法。笔者从成像问题出发,建立了庞大的数据-模型训练集,研究并分析了不同结构的神经网络的成像精度。通过对比分析测试结果,获得了在一定条件下适用于航空电磁成像的最优网络模型结构,包含其神经元个数和层数等信息。本文采用早停法训练神经网络,压制数据中噪声对成像结果的影响。