航空发动机剩余寿命预测工具箱的开发及应用

作者： 杨红瑜   彭开香   焦瑞华   来源： 第31届中国过程控制会议（CPCC 2020） 年份： 2020 文献类型 ： 会议论文 关键词： 工具箱   性能评估   健康指标   剩余寿命预测   MATLAB  

描述： 航空发动机剩余寿命预测工具箱的开发及应用

卫星导航系统航空服务性能评估平台设计

作者： 钟伦珑   朱文丹   来源： 第五届中国航空科学技术大会 年份： 2021 文献类型 ： 会议论文 关键词： 完好性   电离层异常   精度   性能评估   GPS  

描述： 卫星导航系统航空服务性能评估平台设计

电磁干扰对民航GPS系统的影响研究

作者： 王倩营   周媛媛   来源： 民航学报 年份： 2023 文献类型 ： 期刊 关键词： 预警   电磁干扰   性能评估   信号处理   干扰范围  

描述： GPS干扰是威胁民航飞行安全的一个重要因素。为了研究电磁干扰对民航GPS系统的影响,本文基于GPS接收机信号处理流程,对接收系统相关性能评估指标进行了分析,并计算了自由空间中单频信号、宽带扩频、宽带

机器学习在航空发动机排气温度预测中的应用研究

作者： 易文川   王兴   王翔   唐庆如   来源： 舰船电子工程 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机   机器学习   性能评估   排气温度   预测算法  

描述： 排气温度是优化发动机性能和排放的关键参数，目标是在预测排气温度的基础上评估四种经典机器学习回归算法，即人工神经网络、随机森林、支持向量回归和门控循环单元。燃油流量、滑油压力和转速是模型输入，所有的机器学习模型在可接受的误差范围内预测了排气温度。相互比较时，门控循环单元的预测精度最高，但它通常需要高质量的无噪声数据；随机森林的精度最低，但需要的计算资源最少；支持向量回归在耗费高计算资源的前提下保证了较好的预测精度；人工神经网络是最合适的预测算法，但它存在繁琐的超参数调整过程。结果表明，经过良好训练的机器学习模型可以准确预测航空发动机排气温度，同时也有助于优化发动机性能、排放和寿命。

基于AHP的飞机总装伺服作动系统性能评估方法

作者： 熊洪睿   唐健钧   罗川   王丹阳   谭风云   来源： 第十九届中国航空测控技术年会论文集 年份： 2022 文献类型 ： 会议论文 关键词： 伺服作动系统   层次分析法   性能评估   飞机总装   权重分配  

描述： 基于AHP的飞机总装伺服作动系统性能评估方法

一种评估飞机可见光隐身性能的概率方法

作者： 赖远明   田金文   明德烈   李向春   来源： 计算机与数字工程 年份： 2017 文献类型 ： 期刊 关键词： 飞机隐身   隐身概率   性能评估   可见光   信噪比  

描述： 光电隐身技术是增强飞机生存能力的重要手段之一。飞机的可见光隐身性能对于提高飞机的作战能力和生存能力至关重要。开展飞机可见光隐身性能评估具有重要的理论意义和实用价值。论文使用隐身概率来定量地评估飞机

航空发动机剩余寿命预测工具箱的开发及应用

作者： 杨红瑜   彭开香   焦瑞华   来源： 第31届中国过程控制会议（CPCC 2020） 年份： 2020 文献类型 ： 会议论文 关键词： 工具箱   性能评估   健康指标   剩余寿命预测   MATLAB  

描述： 航空发动机剩余寿命预测工具箱的开发及应用

卫星导航系统航空服务性能评估平台设计

作者： 钟伦珑   朱文丹   来源： 第五届中国航空科学技术大会 年份： 2021 文献类型 ： 会议论文 关键词： 完好性   电离层异常   精度   性能评估   GPS  

描述： 卫星导航系统航空服务性能评估平台设计

电磁干扰对民航GPS系统的影响研究

作者： 王倩营   周媛媛   来源： 民航学报 年份： 2023 文献类型 ： 期刊 关键词： 预警   电磁干扰   性能评估   信号处理   干扰范围  

描述： GPS干扰是威胁民航飞行安全的一个重要因素。为了研究电磁干扰对民航GPS系统的影响,本文基于GPS接收机信号处理流程,对接收系统相关性能评估指标进行了分析,并计算了自由空间中单频信号、宽带扩频、宽带

机器学习在航空发动机排气温度预测中的应用研究

作者： 易文川   王兴   王翔   唐庆如   来源： 舰船电子工程 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机   机器学习   性能评估   排气温度   预测算法  

描述： 排气温度是优化发动机性能和排放的关键参数，目标是在预测排气温度的基础上评估四种经典机器学习回归算法，即人工神经网络、随机森林、支持向量回归和门控循环单元。燃油流量、滑油压力和转速是模型输入，所有的机器学习模型在可接受的误差范围内预测了排气温度。相互比较时，门控循环单元的预测精度最高，但它通常需要高质量的无噪声数据；随机森林的精度最低，但需要的计算资源最少；支持向量回归在耗费高计算资源的前提下保证了较好的预测精度；人工神经网络是最合适的预测算法，但它存在繁琐的超参数调整过程。结果表明，经过良好训练的机器学习模型可以准确预测航空发动机排气温度，同时也有助于优化发动机性能、排放和寿命。