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
- 数字孪生及其在航空航天中的应用
- 作者： 孟松鹤 叶雨玫 杨强 黄震 解维华 来源： 航空学报 年份： 2020 文献类型 ： 期刊 关键词： 数据驱动 数字孪生 飞行器 模型更新 维护
- 描述： 数字孪生已引起国内外的广泛重视。数字孪生可看作连接物理世界和数字世界的纽带，通过建立物理系统的数字模型、实时监测系统状态并驱动模型动态更新实现系统行为更准确的描述与预报，从而在线优化决策与反馈控制。本文分析说明了数字孪生体相比一般的模拟模型，具有集中性、动态性和完整性的突出特点。数字孪生的发展需要复杂系统建模、传感与监测、大数据、动态数据驱动分析与决策和数字孪生软件平台技术的支撑。在航空航天领域，数字孪生可应用于飞行器的设计研发、制造装配和运行维护。重点讨论了应用机身数字孪生进行寿命预测与维护决策的案例，相比于周期性维护，具有检修次数更少、维护成本更低的优势。最后，给出了数字孪生在空间站、可重复使用飞船的地面伴飞系统中的初步应用框架。
- 飞机完好率预测仿真研究
- 作者： 孙璐璐 滕曰 黄锐 来源： 兵器装备工程学报 年份： 2018 文献类型 ： 期刊 关键词： 数据驱动 支持向量机 时间序列预测 飞机完好率 神经网络
- 描述： 利用飞机完好率时间序列特性,建立了NAR神经网络模型和基于不同核函数的3种支持向量机模型对平时状态下的飞机完好率变化趋势进行建模、训练和预测;运用Matlab仿真软件进行试验验证,结果表明:支持向量机模型具有较好的拟合效果,预测精度优于NAR神经网络模型,基于RBF核函数的支持向量机预测准确率相对较高。两种预测模型相比于部队现行的预测方法均具有更高的准确度和可靠度。
- 航空物探工作程度图批量定制技术研究
- 作者： 冯磊 周伟 陈瑶 李文吉 来源： 物探与化探 年份： 2019 文献类型 ： 期刊 关键词： 数据驱动 工作程度图 数据字典 批量定制图件 航空物探
- 描述： 为满足行业及社会用户对多尺度、跨区域的航空物探工作程度图的大量需求,为数据资料收集、地质调查工作规划部署等提供借鉴和参考依据,笔者以全国航空物探测区元数据库为数据源,按照"数据字典管理制图标准、模板文件管理图面样式、用户参数创建图面要素"的技术方法,开展航空物探工作程度图的批量定制功能研究,并基于Arc GIS Engine和C#编程语言开发实现了基于数据驱动的航空物探工作程度图批量定制程序。在航空物探调查资料的社会化服务和"秦岭及天山等重点成矿区带航空物探调查"等项目工作部署及实施过程中取得了较好的应用效果,共计完成全国35个区域70余幅航空物探工作程度图的制作与服务,部分产品图件已经发布至"地质云"提供互联网在线服务。
- 基于改进的SENet航空发动机振动预测
- 作者： 夏存江 詹于游 来源： 航空动力学报 年份： 2022 文献类型 ： 期刊 关键词： 数据驱动 注意力机制 卷积神经网络 多参数融合 振动预测
- 描述： 为实时监测和预警航空发动机振动状态，基于气路及振动参数，提出一种使用改进的SENet(squeeze-and-excitation network)模型，对航空发动机近未来的振动进行预测。该研究相比以往采用的实验室模拟数据和仿真数据，使用了真实的QAR(quick access recorder)数据并进行随机采样，以求更能表征发动机振动和工作参数之间的关系。同时，不仅使用其他振动信号进行验证，还在其他型号的发动机上进行测试。结果表明：针对航空发动机的振动进行预测是可行的，SENet模型可以有效并实时追踪振动的突变和波动。此外，该方法对于其他振动信号和不同类型的发动机具有一定的适用性。而且相较于以往采用的其他经典的深度模型，SENet模型在振动的预测中能得到更小的误差。实验证明，相较于以往只使用振动这个单参数进行预测，并行使用与振动相关的多参数融合进行研究更能提高预测的准确性。
- 基于数据驱动的飞机IDG可靠性分析
- 作者： 张利寒 来源： 中国民航大学 年份： 2020 文献类型 ： 学位论文 关键词： 数据驱动 EM算法 Apriori算法 可靠性 IDG
- 描述： 基于数据驱动的飞机IDG可靠性分析
- 基于数据驱动的飞行器建模研究
- 作者： 何咏翔 来源： 国防科技大学 年份： 2020 文献类型 ： 学位论文 关键词： 数据驱动 非线性建模 飞行器 双神经网络 混合建模
- 描述： 基于数据驱动的飞行器建模研究
- 基于多模型自适应动态规划的航空发动机控制方法研究
- 作者： 黄朝雄 来源： 东北大学 年份： 2018 文献类型 ： 学位论文 关键词： 数据驱动 航空发动机 自适应动态规划 二阶自适应 多模型
- 描述： 基于多模型自适应动态规划的航空发动机控制方法研究
- 基于非线性Wiener过程的航空发动机退化建模与剩余寿命智能预测方法研究
- 作者： 孙婷 许勇 来源： 第十八届全国非线性振动暨第十五届全国非线性动力学和运动稳定性学术会议（NVND2021） 年份： 2021 文献类型 ： 会议论文 关键词： 数据驱动 时间序列 退化建模 剩余寿命 深度学习
- 描述： 基于非线性Wiener过程的航空发动机退化建模与剩余寿命智能预测方法研究
- 基于多模型融合的航空电子产品故障预测方法
- 作者： 文佳 梁天辰 陈擎宙 钱东 来源： 电讯技术 年份： 2023 文献类型 ： 期刊 关键词： 长短期记忆(LSTM)神经网络 数据驱动 航空电子产品 多模型融合 故障预测
- 描述： 针对复杂机载环境应力条件下航空电子产品故障预测所面临的退化趋势差异大、训练数据样本量小等问题，提出了一种改进长短期记忆(Long Short/Term Memory, LSTM)神经网络模型与集成学习框架相结合的故障预测方法，以满足现代综合航空电子系统智能调度管理与自主维护保障的需求。该方法在LSTM模型中引入Dropout机制，构建基于不同历史数据集的差异性LSTM模型组，以解决故障预测时序信息记忆问题与小样本条件下数据驱动模型训练过拟合问题；采用Adaboosting算法计算模型权重，并基于实时数据动态调整，以滤除复杂机载环境应力引入的预测误差，解决多模型融合的性能差异问题。最后，采用NASA公开的锂电池退化数据集进行仿真验证，实验结果表明，相较于传统BP神经网络、经典LSTM和LSTM基模型，该方法具有更高的趋势拟合度和预测精度。