基于QAR的航空发动机性能发展预测研究

作者： 王冉   来源： 中国民航大学 年份： 2020 文献类型 ： 学位论文 关键词： QAR数据   时间序列预测   发动机基线   剩余寿命预测   异常检测  

描述： 基于QAR的航空发动机性能发展预测研究

民航发动机送修决策优化研究

作者： 蒋雄伟   来源： 中国民航大学 年份： 2020 文献类型 ： 学位论文 关键词： 健康指数   送修方案   送修等级   寿命件   剩余寿命预测  

描述： 民航发动机送修决策优化研究

民用飞机空气涡轮起动机剩余寿命预测研究

作者： 刘正华   来源： 中国民航大学 年份： 2020 文献类型 ： 学位论文 关键词： 相关向量机   起动机   经验模式分解   增量学习   剩余寿命预测  

描述： 民用飞机空气涡轮起动机剩余寿命预测研究

航空发动机剩余寿命预测工具箱的开发及应用

作者： 杨红瑜   彭开香   焦瑞华   来源： 第31届中国过程控制会议（CPCC 2020） 年份： 2020 文献类型 ： 会议论文 关键词： 工具箱   性能评估   健康指标   剩余寿命预测   MATLAB  

描述： 航空发动机剩余寿命预测工具箱的开发及应用

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。

基于深度特征的民航发动机气路异常检测方法研究

作者： 罗辉   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   气路异常检测   领域自适应   深度特征   深度学习   迁移学习  

描述： 基于深度特征的民航发动机气路异常检测方法研究

基于案例推理的民航发动机故障诊断研究

作者： 郭龙飞   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   卷积神经网络   故障诊断   大间隔近邻算法   粗糙集   案例推理  

描述： 基于案例推理的民航发动机故障诊断研究

基于状态监控数据的民机系统故障诊断与预测方法研究

作者： 梁坤   来源： 南京航空航天大学 年份： 2020 文献类型 ： 学位论文 关键词： QAR数据   贝叶斯网络   故障诊断   预测和健康管理   状态空间模型   剩余寿命预测   民机系统   预测维修  

描述： 基于状态监控数据的民机系统故障诊断与预测方法研究