航空文献资源库

按文献类别分组

按栏目分组

按年份分组

按来源分组

关键词

航空发动机数据驱动法气路故障诊断研究进展: 作者： 夏存江詹于游 来源： 科学技术与工程 年份： 2022 文献类型： 期刊 关键词： 气路故障 数据驱动 航空发动机故障诊断; 描述： 航空发动机气路故障在发动机故障类别中是非常重要的一环，因此为保障飞行安全需避免气路故障，并及时对气路故障进行排故和预测。而随着现代算力和算法发展，基于数据驱动的方法在气路故障诊断中也具有越来越重要

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。

基于多特征提取和Stacking集成学习的航空发动机余寿预测: 作者： 张一鸣刘晓锋 来源： 第六届空天动力联合会议暨中国航天第三专业信息网第四十二届技术交流会暨2021航空发动机技术发展高层论坛 年份： 2022 文献类型： 会议论文 关键词： 数据驱动 集成学习特征提取寿命预测深度学习; 描述： 基于多特征提取和Stacking集成学习的航空发动机余寿预测

基于多特征提取和Stacking集成学习的航空发动机余寿预测: 作者： 张一鸣刘晓锋 来源： 第六届空天动力联合会议暨中国航天第三专业信息网第四十二届技术交流会暨2021航空发动机技术发展高层论坛 年份： 2022 文献类型： 会议论文 关键词： 数据驱动 集成学习特征提取寿命预测深度学习; 描述： 基于多特征提取和Stacking集成学习的航空发动机余寿预测

< 1 >