关键词
航空公司机队设备可靠性管理应用研究
作者: 李杨   来源: 中国民用航空飞行学院 年份: 2018 文献类型 : 学位论文 关键词: 维修优化   可靠性管理   故障诊断   防空停   发动机管理  
描述: 航空公司机队设备可靠性管理应用研究
最优输入设计方法及其在飞行器参数辨识中的应用
作者: 郑宇昕   来源: 国防科技大学 年份: 2018 文献类型 : 学位论文 关键词: Newton法   混合迭代算法   Levenberg   Marqurdt法   粒子群算法   气动参数辨识   最优输入设计   Gauss   最优准则   自适应抗差Kalman滤波   多正弦正交输入  
描述: 最优输入设计方法及其在飞行器参数辨识中的应用
基于深度学习的航空传感器故障诊断方法
作者: 郑晓飞   郭创   姚斌   冯华鑫   来源: 计算机工程 年份: 2018 文献类型 : 期刊 关键词: 信号重构   故障诊断   深度学习   航空传感器   深度置信网络   故障隔离  
描述: 为解决传统神经网络进行传感器故障诊断时存在的过拟合、泛化能力有限等问题,提出一种基于深度置信网络观测器的航空传感器故障诊断方法。利用深度置信网络替代浅层神经网络,在优化网络结构的基础上,给出深度置信
应用深度核极限学习机的航空发动机部件故障诊断
作者: 逄珊   杨欣毅   张勇   韦祥   来源: 推进技术 年份: 2018 文献类型 : 期刊 关键词: 极限学习机   故障诊断   深度神经网络   核方法   涡扇发动机   部件  
描述: 运用传统单隐层的神经网络进行航空发动机部件故障诊断识别受其浅层结构影响,精度不高,而用深度置信网络(Deep belief network,DBN)等深度学习方法则存在耗时、参数训练复杂的问题。为
应用深度核极限学习机的航空发动机部件故障诊断
作者: 逄珊   杨欣毅   张勇   韦祥   来源: 推进技术 年份: 2018 文献类型 : 期刊 关键词: 极限学习机   故障诊断   深度神经网络   核方法   涡扇发动机   部件  
描述: 运用传统单隐层的神经网络进行航空发动机部件故障诊断识别受其浅层结构影响,精度不高,而用深度置信网络(Deep belief network,DBN)等深度学习方法则存在耗时、参数训练复杂的问题。为
航空发动机气路故障诊断的SANNWA-PF算法
作者: 许梦阳   黄金泉   鲁峰   来源: 航空动力学报 年份: 2018 文献类型 : 期刊 关键词: 航空发动机   故障诊断   自适应   粒子滤波   神经网络   非高斯噪声  
描述: 针对航空发动机非线性、非高斯的特点,提出一种用于航空发动机气路故障诊断的自适应神经网络权值调整粒子滤波(SANNWA-PF)算法。该算法根据粒子分布情况确定分裂和调整的粒子数目,进而根据粒子权重采用
基于信息融合的飞机舱音声信号分析与故障诊断
作者: 贾玉琛   程道来   纪林章   姚红宇   仪垂杰   来源: 噪声与振动控制 年份: 2018 文献类型 : 期刊 关键词: 产生式规则   舱音   信息融合   故障诊断   声学   飞机  
描述: 飞机黑匣子中舱音记录器记录的舱音声信息是分析、诊断飞行事故原因的关键依据之一。以多个典型舱音样本为例,在阐述信息融合原理基础上,构建信息融合三个层次模型,建立典型舱音特征库。开展基于产生式规则的信息融合的飞机舱音声信号的分析与故障,依据舱音二进制诊断树,得到分析诊断结果,为准确掌握飞行事故原因、分析诊断飞行事故、保障航空飞行安全具有一定借鉴作用。
Cessna 525飞机刹车系统典型故障分析
作者: 王立纲   来源: 西安航空学院学报 年份: 2018 文献类型 : 期刊 关键词: 故障诊断   525   故障分析   刹车系统   Cessna   防滞  
描述: 了相应的故障诊断优先程序,有助于在排故过程中迅速准确地找到根源,节约时间,提高该飞机整体的运营效率。同时对维护同种机型的其他通航单位也有一定的借鉴意义。
基于深度学习网络的航空发电机旋转整流器诊断技术研究
作者: 师鸽   来源: 南京航空航天大学 年份: 2018 文献类型 : 学位论文 关键词: 航空发电机   旋转整流器   故障诊断   深度学习   自动编码器   深度置信网络  
描述: 基于深度学习网络的航空发电机旋转整流器诊断技术研究
基于分数阶滑模的航空发动机传感器故障诊断与容错控制
作者: 何晓聪   来源: 南京航空航天大学 年份: 2018 文献类型 : 学位论文 关键词: 航空发动机   容错控制   故障诊断   分数阶微积分   传感器   滑模  
描述: 基于分数阶滑模的航空发动机传感器故障诊断与容错控制
< 1 2 3 4 5 6
Rss订阅