基于Gr10CrNi3Mo材料航空齿轮磨削烧伤的有限元分析与烧伤预测研究

作者： 李岩   来源： 中国科技信息 年份： 2019 文献类型 ： 期刊 关键词： 磨削温度场   有限元分析   磨削参数   人工神经网络   磨削烧伤   Gr10CrNi3Mo   砂轮线速度   磨削深度  

描述： 了砂轮线速度、磨削切深等工艺参数对磨削温度场的影响,开展了齿轮成型磨削加工试验,验证了仿真分析的合理性;利用BP神经网络,建立了齿轮磨削烧伤预测模型,实现了对磨削烧伤的预测。

我国通用航空作业市场需求预测分析——基于GM(1,1)模型与生命周期识别模型

作者： 杨璐源   李章萍   来源： 综合运输 年份： 2022 文献类型 ： 期刊 关键词： 新冠疫情   生命周期   GM   1)模型   通用航空   (1   市场需求  

描述： 近年来，通用航空在我国发展迅速，为了把握通用航空发展规律，全面掌握我国通用航空发展的市场需求情况，文章综合考虑疫情影响，应用GM(1,1)模型对2025年前我国通用航空作业需求情况进行疫情前后的对比

中国通用航空产业规模的预测探讨

作者： 史源   来源： 科学与财富 年份： 2016 文献类型 ： 期刊

描述： 随着科学技术的大跨步发展,人类的研究对象不仅仅局限在我们赖以生存的地球上。从古时候,人们就渴望飞上天空,到第一次踏上月球,第一次探索火星,人们一次又一次的突破了自己的眼界。航空给我们带来的不仅是更

基于SVR的航空发动机滑油金属含量预测方法

作者： 曾力   龙伟   来源： 四川大学学报(工程科学版) 年份： 2016 文献类型 ： 期刊 关键词： 金属含量预测　　粒子群算法　　局部最优　　散射模型　　松弛系数  

描述： 利用支持向量回归机(SVR)对航空发动机滑油中金属含量进行预测时,通常利用粒子群算法优化支持向量回归机中的参数。而随着迭代的深入,可能出现粒子陷入局部最优的情况。通过建立粒子散射模型对这部分粒子进行

基于信息源特征的航空部附件故障预测研究

作者： 李文峰   许爱强   王学伟   苏振超   来源： 计算机测量与控制 年份： 2016 文献类型 ： 期刊 关键词： 信息源　　航空部附件　　故障预测　　通用性　　不确定性  

描述： 针对舰载机多机种一体化自主保障中机载设备的维修保障需求,提出了基于信息源特征分析的航空关键部附件故障预测方法;首先,从信息源数据特征、研究对象判定、用于预测的可用信息及不确定性4个角度对信息源特征

航空高光谱遥感固体矿产预测方法与示范应用

作者： 刘德长   闫柏琨   邱骏挺   来源： 地球学报 年份： 2016 文献类型 ： 期刊 关键词： 航空高光谱遥感　　固体矿产　　预测方法　　应用示范　　找矿效果  

描述： ,能够识别规模小的近矿围岩蚀变,从而具有直接找矿的效果。直接找矿的核心是对矿产的预测,预测效果是矿产勘查取得突破的关键环节。本文利用核工业北京地质研究院遥感信息与图像分析技术国家级重点实验室的CASI

航空发动机试车台声场的预测与实测结果比较

作者： 王娜   陈珏   万能   来源： 电声技术 年份： 2016 文献类型 ： 期刊 关键词： 试车台　　噪声控制　　软件预测　　测试  

描述： 航空发动机试车台进行了室内/室外声场预测,通过对预测数据与实测数据的比较分析,发现数据符合较好,软件预测声场的准确度较高,预测结果可以作为重要的设计依据和可视化的手段用于试车台的声学设计.

航空电气设备的故障预测与健康管理的研究

作者： 刘铭光   来源： 电子测试 年份： 2016 文献类型 ： 期刊 关键词： 故障预测与健康管理　　预测过程　　应用策略　　航空电气设备  

描述： 故障预测与健康管理(PHM)技术,针对航空典型电气设备的故障预测与健康管理系统建模的重点内容,分析了航空电气设备的故障预测与健康管理技术的整体预测过程、相应应用策略。

中国民用航空加油量规划预测方法与验证

作者： 杨笑   来源： 中国民用航空 年份： 2016 文献类型 ： 期刊 关键词： 加油量　　民用航空　　预测　　验证　　规划　　中国　　石油企业　　航空企业  

描述： 一、影响民航航煤销售量的主要因素 目前，关于民航加油量预测的公开文献较少，且其中多数是从飞机自身工程性能角度进行分析。严格来讲，虽然航空企业关注的飞行器肮油消耗量与石油企业、航油公司关注的航煤销售／加注量有很强的关联性，但二者的分析视角并不相同。

航空制造数控加工表面粗糙度预测研究

作者： 林朗   来源： 现代工业经济和信息化 年份： 2016 文献类型 ： 期刊 关键词： 航空制造　　数控加工　　粗糙度  

描述： 航空制造复杂工件的比例越来越高,对表面粗糙度指标的要求也越来越高,针对如何提高表面粗糙度指标,采用自适应神经模糊算法对表面粗糙度进行预测,经过实际验证,本算法具有较高的准确性和鲁棒性。