全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 飞机APU故障趋势预测研究
- 作者： 王琪琛 来源： 中国民航大学 年份： 2020 文献类型 ： 学位论文 关键词： 长短期记忆网络 辅助动力装置 极端梯度提升 蚁狮优化 故障预测
- 描述： 飞机APU故障趋势预测研究
- 机场航空器场面轨迹预测和路径规划关键技术研究
- 作者： 姚梦飞 来源： 电子科技大学 年份： 2018 文献类型 ： 学位论文 关键词： 长短期记忆网络 遗传算法 轨迹预测 航空器 路径规划
- 描述： 机场航空器场面轨迹预测和路径规划关键技术研究
- 基于可自动扩展的LSTM模型的航空发动机剩余寿命预测方法
- 作者： 胡立坤 何旭杰 殷林飞 来源： 计算机应用研究 年份： 2023 文献类型 ： 期刊 关键词： 长短期记忆网络 航空发动机 自动扩展 子模块级联 剩余寿命预测
- 描述： 对航空发动机进行实时状态监测与健康管理可以有效降低发动机故障风险，确保飞机飞行安全。准确预测航空发动机的剩余寿命是有效监测发动机运行状态的一种重要手段，其中长短期记忆(Long-Short Term Memory,LSTM)网络常被使用。但由于航空发动机复杂的机械结构与运行模式，使用传统的LSTM网络对航空发动机的剩余寿命进行单次预测后，所得预测结果的准确率不足以满足其寿命预测的精度要求。基于LSTM网络的广泛使用以及它对时间序列数据的有效预测能力，并考虑到采用多级预测的方法能够有效降低预测误差，提出了一种新型的可自动扩展的长短期记忆(AutomaticallyExpandableLSTM,AELSTM)预测模型。AELSTM模型依托多个子模块逐级连接的网络结构，不断地提取前一级模块的输出误差作为后一级模块的训练值，形成了误差的多级预测机制，有效降低了模型的预测误差，提升了预测结果的准确性。最后，基于美国国家航空航天局发布的C-MAPSS数据集的四个子集，对AELSTM模型的预测效果进行了测试。实验结果表明，与传统的LSTM网络相比，AELSTM模型在四个子集上的均方根误差平均减少了95.44%，同时它的预测效果也优于现有的一些先进算法。实验充分验证了AELSTM模型在提升航空发动机剩余寿命预测准确度方面的有效性与优势。
- 基于深度学习的航空发动机气路参数基线建模和趋势预测研究
- 作者： 余映红 来源： 厦门大学 年份： 2019 文献类型 ： 学位论文 关键词： 长短期记忆网络 基线建模 支持向量回归机 趋势预测 深度置信网络
- 描述： 基于深度学习的航空发动机气路参数基线建模和趋势预测研究
- 基于长短期记忆网络的飞机APU故障诊断研究
- 作者： 高丹妮 来源： 中国民航大学 年份： 2020 文献类型 ： 学位论文 关键词： 长短期记忆网络 飞机辅助动力装置 自适应粒子群 量子粒子群 批规范化
- 描述： 基于长短期记忆网络的飞机APU故障诊断研究
- 飞机APU故障趋势预测研究
- 作者： 王琪琛 来源： 中国民航大学 年份： 2020 文献类型 ： 学位论文 关键词： 长短期记忆网络 辅助动力装置 极端梯度提升 蚁狮优化 故障预测
- 描述： 飞机APU故障趋势预测研究
- 某型军用飞机下降阶段燃油消耗模型研究
- 作者： 吴祯涛 李学仁 杜军 来源： 信号处理 年份： 2020 文献类型 ： 期刊 关键词： 互信息 长短期记忆网络 飞参数据 深度学习 燃油消耗
- 描述： 某型军用飞机下降阶段燃油消耗模型研究
- 某型军用飞机下降阶段燃油消耗模型研究
- 作者： 吴祯涛 李学仁 杜军 来源： 信号处理 年份： 2020 文献类型 ： 期刊 关键词： 互信息 长短期记忆网络 飞参数据 深度学习 燃油消耗
- 描述： 某型军用飞机下降阶段燃油消耗模型研究