首页>
根据【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 】搜索到相关结果 46 条
基于聚类方法的航空电子设备故障诊断
作者:
叶盆燕
来源:
电子科技大学
年份:
2021
文献类型 :
学位论文
关键词:
自注意力机制
故障诊断
深度聚类
描述:
基于聚类方法的航空电子设备故障诊断
飞机总装阶段综合航电系统故障诊断 方法研究
作者:
王粟
来源:
2021年中国航空工业技术装备工程协会年会
年份:
2021
文献类型 :
会议论文
关键词:
图论模型
故障诊断
多信号流模型
综合航空电子系统
描述:
飞机总装阶段综合航电系统故障诊断 方法研究
飞行数据在飞机故障诊断 中的应用
作者:
李莎莎
程金
张瑞
杨斌斌
张柯
来源:
2021年中国航空工业技术装备工程协会年会
年份:
2021
文献类型 :
会议论文
关键词:
数据采集处理
飞行数据
故障诊断
数据库
描述:
飞行数据在飞机故障诊断 中的应用
空客A320s飞机航线故障诊断 的“大数据”探析
作者:
周久洲
李志成
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:
"大数据"
故障诊断
空客A320s飞机
排故
描述:
空客A320s飞机航线故障诊断 的“大数据”探析
航空机电系统先进诊断与预测技术研究
作者:
王红
杨占才
靳小波
封锦琦
来源:
航空科学技术
年份:
2021
文献类型 :
期刊
关键词:
寿命预测
故障诊断
机电系统
模型修正
健康评估
描述:
本文首先分析了国外航空机电系统诊断与预测产品的功能、性能及特点,然后对航空机电系统诊断与预测研制流程进行了分析,接着对可应用于航空机电系统的先进诊断与预测关键技术进行了全面分析,主要包括基于任务剖面的跨系统交联实时故障仿真与验证技术、基于模糊神经网络专家系统的故障模式识别、基于数据驱动的部件剩余寿命预测、基于性能衰退特性的健康状态评估、基于自适应技术的诊断预测模型修正等方面,最后结合国内的研究现状,论述了航空机电系统诊断与预测技术发展过程中需要关注的主要问题,希望能够为航空机电系统诊断与预测技术应用起到一定的推动作用。
航空发动机故障智能检测技术研究
作者:
郝立华
来源:
电子设计工程
年份:
2021
文献类型 :
期刊
关键词:
相关向量机
航空发动机
遗传算法
故障诊断
光谱分析
描述:
针对当前航空发动机故障诊断 技术中支持向量机(SVM)培训时间较长、相关向量机(RVM)误差较大的问题。文中根据航空发动机的工作原理,以某款发动机为例,通过检测发动机油耗颗粒信息,提出了一种基于
基于RS-CART决策树的航空发动机小样本故障诊断
作者:
庞梦洋
索中英
郑万泽
徐宇恒
包壮壮
黄林
来源:
航空动力学报
年份:
2021
文献类型 :
期刊
关键词:
分类与回归树
GINI系数
故障诊断
属性约简
规则提取
描述:
规则。实验结果表明:将改进的CART决策树算法应用于某型航空发动机油液故障诊断 ,提取的规则可解释性强,能够减小冗余属性及噪声对决策的影响,与常用故障诊断 算法相比,该模型的诊断准确率提升20%左右,AUC(area under curve)值高达92%,可以有效处理高维离散型航空发动机小样本故障问题。
航空机电系统先进诊断与预测技术研究
作者:
王红
杨占才
靳小波
封锦琦
来源:
航空科学技术
年份:
2021
文献类型 :
期刊
关键词:
寿命预测
故障诊断
机电系统
模型修正
健康评估
描述:
本文首先分析了国外航空机电系统诊断与预测产品的功能、性能及特点,然后对航空机电系统诊断与预测研制流程进行了分析,接着对可应用于航空机电系统的先进诊断与预测关键技术进行了全面分析,主要包括基于任务剖面的跨系统交联实时故障仿真与验证技术、基于模糊神经网络专家系统的故障模式识别、基于数据驱动的部件剩余寿命预测、基于性能衰退特性的健康状态评估、基于自适应技术的诊断预测模型修正等方面,最后结合国内的研究现状,论述了航空机电系统诊断与预测技术发展过程中需要关注的主要问题,希望能够为航空机电系统诊断与预测技术应用起到一定的推动作用。
航空发动机故障智能检测技术研究
作者:
郝立华
来源:
电子设计工程
年份:
2021
文献类型 :
期刊
关键词:
相关向量机
航空发动机
遗传算法
故障诊断
光谱分析
描述:
针对当前航空发动机故障诊断 技术中支持向量机(SVM)培训时间较长、相关向量机(RVM)误差较大的问题。文中根据航空发动机的工作原理,以某款发动机为例,通过检测发动机油耗颗粒信息,提出了一种基于
基于RS-CART决策树的航空发动机小样本故障诊断
作者:
庞梦洋
索中英
郑万泽
徐宇恒
包壮壮
黄林
来源:
航空动力学报
年份:
2021
文献类型 :
期刊
关键词:
分类与回归树
GINI系数
故障诊断
属性约简
规则提取
描述:
规则。实验结果表明:将改进的CART决策树算法应用于某型航空发动机油液故障诊断 ,提取的规则可解释性强,能够减小冗余属性及噪声对决策的影响,与常用故障诊断 算法相比,该模型的诊断准确率提升20%左右,AUC(area under curve)值高达92%,可以有效处理高维离散型航空发动机小样本故障问题。