首页>
根据【关键词:尾气污染物,民航发动机,污染物排放量估算,排放指数模型】搜索到相关结果 28 条
-
基于DBN的不均衡样本驱动民航发动机故障诊断
-
作者:
钟诗胜
李旭
张永健
来源:
航空动力学报
年份:
2019
文献类型 :
期刊
关键词:
民航发动机
故障诊断
不均衡样本
深度置信网络
Adaboost.M1算法
-
描述:
在结合深度置信网络(DBN)、采样与集成技术的基础上,提出了基于不均衡样本驱动的民航发动机故障诊断模型。该模型通过分析民航发动机历史飞行数据,利用DBN提取性能参数中的内部特征,利用采样技术将不均衡样本均衡化,采用集成技术进行故障分类。将该模型应用到CFM56-7B系列发动机历史飞行数据,实验结果表明:与常用故障诊断方法相比,该模型的准确率高达0.996,AUC值高达0.948,可以有效处理民航发动机样本高维、不均衡问题。
-
民航发动机轴承故障的时频联合诊断研究
-
作者:
许旺山
来源:
中国民航大学
年份:
2020
文献类型 :
学位论文
关键词:
民航发动机
滚动轴承
卷积神经网络
时频联合诊断
信号分解重构
-
描述:
民航发动机轴承故障的时频联合诊断研究
-
航空发动机维修保障体系的评估及优化
-
作者:
徐拓
来源:
中国民航大学
年份:
2018
文献类型 :
学位论文
关键词:
民航发动机
维修保障
层次分析
优化
模糊评价
-
描述:
航空发动机维修保障体系的评估及优化
-
基于气路参数原始值的民航发动机气路异常检测方法
-
作者:
孙昊
来源:
哈尔滨工业大学
年份:
2021
文献类型 :
学位论文
关键词:
民航发动机
慢特征分析
映射关系挖掘
改进密度峰值聚类
异常检测
-
描述:
基于气路参数原始值的民航发动机气路异常检测方法
-
基于深度特征挖掘的民航发动机气路故障诊断技术研究
-
作者:
付松
来源:
哈尔滨工业大学
年份:
2018
文献类型 :
学位论文
关键词:
民航发动机
特征提取
卷积神经网络
故障诊断
堆叠去噪自动编码器
-
描述:
基于深度特征挖掘的民航发动机气路故障诊断技术研究
-
民航发动机气路参数偏差值挖掘及其在异常检测中的应用
-
作者:
周星杰
来源:
哈尔滨工业大学
年份:
2020
文献类型 :
学位论文
关键词:
民航发动机
深度残差网络
深度领域自适应
特征表示
异常检测
-
描述:
民航发动机气路参数偏差值挖掘及其在异常检测中的应用
-
基于部件特性图优化的民航发动机性能退化建模
-
作者:
郭庆
黄启廉
陈金亮
来源:
北京航空航天大学学报
年份:
2023
文献类型 :
期刊
关键词:
民航发动机
缩放基准点优化
气路分析
部件级建模
曲面拟合
-
描述:
为了从单元体层级给出民航发动机气路性能退化的理论依据,以CFM56/3发动机为研究对象,首先,在使用特性图缩放法获取部件特性方程的基础之上,优化了风扇通用特性图缩放基准点的选取过程,提出了特性图的曲面拟合方法,构建出稳态工况下符合特定转速条件的发动机部件级基准性能模型。然后通过引入故障因子生成故障系数矩阵,计算发动机监控参数随部件效率下降的偏离量,并与GE公司培训手册的指印图资料作对比,验证了融合风扇特性图缩放基准点优化及特性图曲面拟合方法的发动机稳态性能模型在气路性能退化分析中具有较好的精度和使用前景。
-
基于蛙跳退火粒子群算法的民航发动机单元体修理级别决策及成本优化
-
作者:
张青
郑岩
来源:
计算机应用
年份:
2021
文献类型 :
期刊
关键词:
民航发动机
单元体
限寿件
蛙跳退火粒子群优化算法
送修成本优化
软时限
-
描述:
粒子群优化算法、混合蛙跳优化算法进行对比,分析了不同返厂次数对送修成本及可靠性的影响。实验结果表明,当发动机在全寿命期内进行5次返厂送修时,蛙跳退火粒子群优化算法的成本平均值为322.479 1美元/飞行小时,与其他三种优化算法相比成本最优,可为航空公司和大修企业提供送修决策支持。
-
基于多参数融合相似的民航发动机寿命预测
-
作者:
曹惠玲
崔科璐
梁佳旺
来源:
中国机械工程
年份:
2020
文献类型 :
期刊
关键词:
民航发动机
参数融合
相似度
PCA算法
剩余寿命预测
ReliefF
-
描述:
基于多参数融合相似的民航发动机寿命预测
-
基于迁移学习的民航发动机小样本故障诊断
-
作者:
付松
钟诗胜
林琳
张永健
来源:
计算机集成制造系统
年份:
2020
文献类型 :
期刊
关键词:
民航发动机
支持向量机
小样本
深度自编码器
故障诊断
迁移学习
-
描述:
为解决民航发动机故障诊断面临的故障样本不足问题,提出了一种基于深度自动编码器(deep auto-encoder, DAE)迁移学习的小样本故障诊断方法。在该方法中,首先利用大量的正常样本对DAE进行训练,建立发动机状态特征提取模型;然后将该特征提取模型迁移到具有少量数据的发动机故障样本中,并对这些故障样本进行特征提取;最后利用支持向量机(support vector machine, SVM)实现小样本分类。另外,为了使DAE能够学习到更具有代表性的深度特征,利用重构误差评估不同隐藏层神经元节点数下的单个自动编码器(Auto-Encoder, AE)特征提取能力,进而通过单个AE特征提取能力对DAE隐藏层的神经元节点数进行了优化。以某航空公司的CFM56-7B系列发动机的实际飞行历史数据验证了所提出的故障诊断方法的有效性。