全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
按文献类别分组
关键词
- 航空发动机高压涡轮转子轴向位移径向测量技术研究
- 作者： 张龙 赵天驰 周笑阳 来源： 测控技术 年份： 2024 文献类型 ： 期刊 关键词： 轴向位移 航空发动机 径向测量 试验 高压涡轮转子
- 描述： 为解决航空发动机高压涡轮转子轴向位移测量难题，提出了一种轴向位移径向测量的方法。通过该方法，建立了轴向位移与径向测量参数的关系模型；研制了轴向位移专用校准装置并设计了轴向位移校准方法；构建了一套
- 基于融合EKF的航空发动机气路性能健康预测
- 作者： 陶金伟 黄一桓 鲁峰 黄金泉 来源： 测控技术 年份： 2018 文献类型 ： 期刊 关键词： 航空发动机 融合滤波估计 性能健康预测 扩展卡尔曼滤波器 气路部件
- 描述： 针对集中式滤波算法存在计算效率不高、容错性差,引入融合滤波的思想,提出采用非线性融合的联邦式扩展卡尔曼滤波器进行发动机气路健康性能预测。子滤波器根据量测参数完成发动机部分健康性能的局部估计,主滤波根据子滤波器估计参数完成融合滤波估计,并将状态估计值和协方差反馈至子滤波器用于下一步健康预测。通过某型涡扇发动机仿真表明:融合EKF滤波器能准确地预测发动机的健康状态,估计稳定收敛时间短、计算时间短、效率高。
- 航空发动机控制系统振动信号处理方法研究
- 作者： 殷彬彬 张星星 来源： 测控技术 年份： 2018 文献类型 ： 期刊 关键词： 航空发动机 FFT 振动信号 多任务控制 嵌入式控制
- 描述： 针对航空发动机控制系统中对振动信号的监测需求,提出了一种基于多任务实时控制系统的振动信号实现方法。分析了FFT变换的基本原理和算法,提出了一种改进的FFT频域分析算法。同时,在有限的任务资源下,对
- 航空发动机FADEC系统软件浮点数计算精度分析
- 作者： 席伟俤 李伟刚 来源： 测控技术 年份： 2018 文献类型 ： 期刊 关键词： 航空发动机 算法设计 设计准则 浮点数 FADEC
- 描述： 航空发动机FADEC系统控制软件的计算精度和运行效率是一对不可缺少的特性。为提高航空发动机FADEC系统控制软件的浮点计算的计算精度和运行效率,从IEEE 754浮点数格式、浮点数的表示形式、浮点数
- 基于融合EKF的航空发动机气路性能健康预测
- 作者： 陶金伟 黄一桓 鲁峰 黄金泉 来源： 测控技术 年份： 2018 文献类型 ： 期刊 关键词： 航空发动机 融合滤波估计 性能健康预测 扩展卡尔曼滤波器 气路部件
- 描述： 针对集中式滤波算法存在计算效率不高、容错性差,引入融合滤波的思想,提出采用非线性融合的联邦式扩展卡尔曼滤波器进行发动机气路健康性能预测。子滤波器根据量测参数完成发动机部分健康性能的局部估计,主滤波根据子滤波器估计参数完成融合滤波估计,并将状态估计值和协方差反馈至子滤波器用于下一步健康预测。通过某型涡扇发动机仿真表明:融合EKF滤波器能准确地预测发动机的健康状态,估计稳定收敛时间短、计算时间短、效率高。
- 航空发动机控制系统振动信号处理方法研究
- 作者： 殷彬彬 张星星 来源： 测控技术 年份： 2018 文献类型 ： 期刊 关键词： 航空发动机 FFT 振动信号 多任务控制 嵌入式控制
- 描述： 针对航空发动机控制系统中对振动信号的监测需求,提出了一种基于多任务实时控制系统的振动信号实现方法。分析了FFT变换的基本原理和算法,提出了一种改进的FFT频域分析算法。同时,在有限的任务资源下,对
- 航空发动机FADEC系统软件浮点数计算精度分析
- 作者： 席伟俤 李伟刚 来源： 测控技术 年份： 2018 文献类型 ： 期刊 关键词： 航空发动机 算法设计 设计准则 浮点数 FADEC
- 描述： 航空发动机FADEC系统控制软件的计算精度和运行效率是一对不可缺少的特性。为提高航空发动机FADEC系统控制软件的浮点计算的计算精度和运行效率,从IEEE 754浮点数格式、浮点数的表示形式、浮点数
- 航空发动机气动失稳检测管路设计研究
- 作者： 詹轲倚 刘有云 陈航 耿佳 来源： 测控技术 年份： 2023 文献类型 ： 期刊 关键词： 管路 航空发动机 设计流程 频率响应 失稳检测
- 描述： 为满足航空发动机旋转失速和喘振失稳信号的实时监测需求，探讨了试验测量和机载测量失稳判别信号测量方法，两种使用场景均须考虑测压管路响应频率。分析了喘振和旋转失速过程中的压力脉动特征，喘振信号频率与
- 基于改进LSTM的航空发动机气路参数预测方法
- 作者： 马帅 吴亚锋 郑华 缑林峰 来源： 测控技术 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 性能参数预测 特征注意力机制 LSTM网络 故障诊断
- 描述： 以航空燃气涡轮发动机气路故障诊断为导向,提出了一种用于发动机气路参数预测的特征注意力增强型长短时记忆网络(Feature Attention Enhanced Long Short/Term Memory Network,FAE/LSTM)。FAE/LSTM是具有编码/解码结构的动态网络,首先通过编码器中的特征注意力单元对工况序列进行动态特征提取,然后通过特征拼接层融合编码器输出序列、工况序列以及历史性能参数,最后通过解码器实现最终的参数预测。FAE/LSTM基于发动机飞行过程数据建立发动机在健康状态下的动态模型,从而作为参数预测模型应用于基于残差的故障诊断系统中。针对网络的预测性能和应用方式进行了仿真分析,结果表明,相比于其他常用多变量时间序列预测模型,FAE/LSTM的长期预测误差最低减少24.5%;相比于使用串/并联结构,故障检测系统使用并联结构的FAE/LSTM网络能够获得更精确的检测结果。