全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 基于融合卷积Transformer的航空发动机故障诊断
- 作者： 赵洪利 杨佳强 来源： 北京航空航天大学学报 年份： 2023 文献类型 ： 期刊 关键词： 自注意力机制 航空发动机 故障诊断 深度神经网络 融合卷积Transformer
- 描述： 航空发动机长期处于恶劣的气路环境下工作会面临腐蚀、侵蚀等问题，且故障参数特征不明显，因此精准的航空发动机故障诊断方法对保证飞机安全运行具有重要意义。为提高预测准确性，提出了一种基于融合卷积Transformer的航空发动机故障诊断方法，利用自注意力机制提取有用特征，抑制冗余信息，并且将最大池化层（MaxPool）引入Transformer模型中，进一步降低模型内存消耗以及参数量，缓解过拟合现象。以基于GasTurb建模的涡扇发动机仿真数据集进行验证，结果与Transformer网络和其他传统深度学习模型反向传播神经网络（Back Propagation Neural Networks， BP网络）、卷积神经网络（Convolutional Neural Networks， CNN）和循环神经网络（Recurrent Neural Network， RNN）相比，准确率分别提高了6.552%、28.117%、13.189%和10.29%，证明了本文方法的有效性，可为航空发动机故障诊断提供一定的参考。
- 基于新型深度神经网络的民机表面缺陷识别
- 作者： 张德银 陈从翰 黄选红 徐志强 来源： 计算技术与自动化 年份： 2020 文献类型 ： 期刊 关键词： 深度神经网络 表面缺陷识别 Inception Net 残差 民航飞机
- 描述： 为解决机务人员依靠经验来对民航飞机的表面缺陷进行识别时易发生误判的问题,开发了一种用于民机表面的缺陷识别的结合Inception-net和残差模块的新型深度神经网络。首先,通过对各机场的在修飞机
- 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。为解决现有的基于数据驱动的发动机部件故障诊断方法的不足,提高诊断精度,缩短训练时间,将核方法和多层极限学习机(Multilayer extreme learning machine,M-ELM)相结合,提出一种深度核极限学习机(Deep kernel extreme learning machine,DK-ELM)。算法首先利用深度网络结构对输入数据进行逐层的特征提取,抽象得到的特征通过核函数实现高维空间映射分类。这些措施有利于提高算法的分类精度和泛化性能,在训练速度上较深度学习也有明显的提高。将该算法与深度学习和其他极限学习机算法进行综合比较研究,结果表明:基于DK-ELM的诊断方法有效、可靠,便于实现,为航空发动机部件故障诊断提供一个更为优秀实用的工具。
- 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。为解决现有的基于数据驱动的发动机部件故障诊断方法的不足,提高诊断精度,缩短训练时间,将核方法和多层极限学习机(Multilayer extreme learning machine,M-ELM)相结合,提出一种深度核极限学习机(Deep kernel extreme learning machine,DK-ELM)。算法首先利用深度网络结构对输入数据进行逐层的特征提取,抽象得到的特征通过核函数实现高维空间映射分类。这些措施有利于提高算法的分类精度和泛化性能,在训练速度上较深度学习也有明显的提高。将该算法与深度学习和其他极限学习机算法进行综合比较研究,结果表明:基于DK-ELM的诊断方法有效、可靠,便于实现,为航空发动机部件故障诊断提供一个更为优秀实用的工具。