首页>
根据【关键词:航空发动机,MIC,贝叶斯优化,剩余使用寿命,Bo,CatBoost】搜索到相关结果 2685 条
-
一种考虑多通道检测数据的航空发动机剩余寿命预测方法
-
作者:
刘翠琴
王海瑞
朱贵富
来源:
机械科学与技术
年份:
2023
文献类型 :
期刊
关键词:
航空发动机
小波降噪
时间卷积网络
剩余使用寿命
多头注意力机制
-
描述:
针对航空发动机传感器检测数据高噪声,多维度,同剩余使用寿命一致衰减特性的问题,本文采用小波降噪(WD)、时间卷积网络(TCN)和多头注意力(MHA)机制,提出一种新的网络结构模型:时间卷积
-
基于RSM/XGBoost和KF的航空发动机RUL预测
-
作者:
李东文
王海瑞
朱贵富
刘翠琴
杨修琦
来源:
空军工程大学学报
年份:
2023
文献类型 :
期刊
关键词:
随机搜索算法
航空发动机
XGBoost
卡尔曼滤波
剩余使用寿命
-
描述:
航空发动机精确的剩余使用寿命预测是确保发动机安全服役必须开展的环节。针对复杂工况环境下涡扇发动机的剩余使用寿命预测问题,提出了一种基于极端梯度提升和卡尔曼滤波的寿命预测模型。首先,采用高斯分布对原始
-
一种考虑多通道检测数据的航空发动机剩余寿命预测方法
-
作者:
刘翠琴
王海瑞
朱贵富
来源:
机械科学与技术
年份:
2023
文献类型 :
期刊
关键词:
航空发动机
小波降噪
时间卷积网络
剩余使用寿命
多头注意力机制
-
描述:
针对航空发动机传感器检测数据高噪声,多维度,同剩余使用寿命一致衰减特性的问题,本文采用小波降噪(WD)、时间卷积网络(TCN)和多头注意力(MHA)机制,提出一种新的网络结构模型:时间卷积
-
基于机器学习的航空异常着陆事件检测
-
作者:
杨雄
苏志刚
杨金锋
张海刚
来源:
计算机工程与设计
年份:
2022
文献类型 :
期刊
关键词:
机载快速存取记录器
特征选取
极限梯度提升树
贝叶斯优化
航空安全
异常检测
-
描述:
性能,使用贝叶斯优化训练出最佳异常检测模型。实验结果表明,与其它算法对比,该模型特征提取时间和训练时间短,准确率、F1分数、ROC和PR曲线面积表现出突出的性能。
-
基于机器学习的航空异常着陆事件检测
-
作者:
杨雄
苏志刚
杨金锋
张海刚
来源:
计算机工程与设计
年份:
2022
文献类型 :
期刊
关键词:
机载快速存取记录器
特征选取
极限梯度提升树
贝叶斯优化
航空安全
异常检测
-
描述:
性能,使用贝叶斯优化训练出最佳异常检测模型。实验结果表明,与其它算法对比,该模型特征提取时间和训练时间短,准确率、F1分数、ROC和PR曲线面积表现出突出的性能。
-
基于机器学习的航空发动机剩余寿命预测综述
-
作者:
刘国建
杜冬
邢苗英
翟羽佳
来源:
电子技术
年份:
2023
文献类型 :
期刊
关键词:
机器学习
预测方法
剩余使用寿命
-
描述:
阐述航空发动机的数据分析,对航空发动机剩余寿命的预测方法的选择进行分类和对比,探讨航空发动机预测的发展趋势展望。
-
基于机器学习的航空发动机剩余寿命预测综述
-
作者:
刘国建
杜冬
邢苗英
翟羽佳
来源:
电子技术
年份:
2023
文献类型 :
期刊
关键词:
机器学习
预测方法
剩余使用寿命
-
描述:
阐述航空发动机的数据分析,对航空发动机剩余寿命的预测方法的选择进行分类和对比,探讨航空发动机预测的发展趋势展望。
-
航空锂离子电池剩余容量及RUL预测建模
-
作者:
丁劲涛
罗美君
呙晓兵
郑先成
来源:
电池
年份:
2019
文献类型 :
期刊
关键词:
剩余使用寿命
机载锂离子电池模型
剩余容量
航空锂离子电池
-
描述:
综合考虑环境温度、电流倍率、循环次数和贮存时间等因素的影响,根据实测数据的分析结果,对机载锂离子电池剩余容量的预测进行建模;用基于数据驱动的方法实现对剩余使用寿命(RUL)的预测建模。构建的实验验证
-
航空锂离子电池剩余容量及RUL预测建模
-
作者:
丁劲涛
罗美君
呙晓兵
郑先成
来源:
电池
年份:
2019
文献类型 :
期刊
关键词:
剩余使用寿命
机载锂离子电池模型
剩余容量
航空锂离子电池
-
描述:
综合考虑环境温度、电流倍率、循环次数和贮存时间等因素的影响,根据实测数据的分析结果,对机载锂离子电池剩余容量的预测进行建模;用基于数据驱动的方法实现对剩余使用寿命(RUL)的预测建模。构建的实验验证
-
基于Copula相似性的航空发动机RUL预测
-
作者:
许先鑫
李娟
孙秀慧
戴洪德
来源:
航空动力学报
年份:
2024
文献类型 :
期刊
关键词:
非线性
预测与健康管理
剩余使用寿命
Copula相似性
特征退化
-
描述:
Copula相似性实现对航空发动机的剩余寿命预测。结果表明:基于Copula相似性的航空发动机RUL预测方法相较传统方法,在发动机运行周期的50%、70%、90%预测误差分别减少13.053%、31.328%、74.602%,预测精度得到提高。