首页>
根据【关键词:数据驱动,航空发动机,故障诊断,GRU+DNN】搜索到相关结果 60 条
-
元胞自动机模型在航空发动机故障诊断中的应用
-
作者:
郭宏志
李帅
赵理
来源:
测控技术
年份:
2020
文献类型 :
期刊
关键词:
航空发动机
故障诊断
元胞自动机
故障模式
-
描述:
航空发动机一般在高温、高压和高速转动的状态下工作,因此很难获取其全生命周期试验数据。针对无完整生命周期数据的小样本集合进行设计,提出一种基于元胞自动机的航空发动机故障诊断方法,该方法在获取发动机故障
-
元胞自动机模型在航空发动机故障诊断中的应用
-
作者:
郭宏志
李帅
赵理
来源:
测控技术
年份:
2021
文献类型 :
期刊
关键词:
航空发动机
故障诊断
元胞自动机
故障模式
-
描述:
航空发动机一般在高温、高压和高速转动的状态下工作,因此很难获取其全生命周期试验数据。针对无完整生命周期数据的小样本集合进行设计,提出一种基于元胞自动机的航空发动机故障诊断方法,该方法在获取发动机故障
-
元胞自动机模型在航空发动机故障诊断中的应用
-
作者:
郭宏志
李帅
赵理
来源:
测控技术
年份:
2020
文献类型 :
期刊
关键词:
航空发动机
故障诊断
元胞自动机
故障模式
-
描述:
航空发动机一般在高温、高压和高速转动的状态下工作,因此很难获取其全生命周期试验数据。针对无完整生命周期数据的小样本集合进行设计,提出一种基于元胞自动机的航空发动机故障诊断方法,该方法在获取发动机故障
-
元胞自动机模型在航空发动机故障诊断中的应用
-
作者:
郭宏志
李帅
赵理
来源:
测控技术
年份:
2021
文献类型 :
期刊
关键词:
航空发动机
故障诊断
元胞自动机
故障模式
-
描述:
航空发动机一般在高温、高压和高速转动的状态下工作,因此很难获取其全生命周期试验数据。针对无完整生命周期数据的小样本集合进行设计,提出一种基于元胞自动机的航空发动机故障诊断方法,该方法在获取发动机故障
-
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:
2024
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
-
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
-
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
-
基于IETM的航空装备故障诊断
-
作者:
郭杨翘楚
欧阳成
来源:
测控技术
年份:
2021
文献类型 :
期刊
关键词:
故障诊断
交互式电子技术手册(IETM)
故障隔离程序
故障模式
-
描述:
航空装备维护保障是航空产品全生命周期中的一个重要阶段。基于S1000D标准,通过对复杂的航空装备故障隔离程序的分析,确定故障诊断模型,并根据故障隔离Schema结构以及Fault信息集,给出
-
基于多分类SVM的航空逆变器故障诊断
-
作者:
陈丽晶
张尚田
单添敏
姚晓涵
曹亮
王景霖
来源:
测控技术
年份:
2022
文献类型 :
期刊
关键词:
主成分分析
航空逆变器
故障诊断
多分类支持向量机
-
描述:
航空逆变器的可靠性对飞机供电系统的安全性和稳定性尤为重要,但当前对于航空供电器的故障诊断的研究较少,无法为航空逆变器提供有效保障。因此,提出基于多分类支持向量机的故障诊断方法,对航空逆变器的多种
-
基于CNN-Seq2Seq的航空发动机喘振诊断模型的研究
-
作者:
姚艳玲
袁化成
陆超
唐晓澜
黄爱华
来源:
测控技术
年份:
2022
文献类型 :
期刊
关键词:
序列到序列
卷积神经网络
故障诊断
发动机喘振
-
描述:
和价值。当前针对航空发动机喘振故障诊断的模型存在诊断时间长、诊断准确率不高的特点。为了解决这些问题,在序列到序列(Seq2Seq)模型的基础上,使用卷积神经网络(CNN)代替Seq2Seq中编码器