首页>
根据【关键词:滚动轴承,故障诊断,深度学习,多任务,残差网络,损伤大小】搜索到相关结果 67 条
-
大面幅光学遥感影像飞行器目标快速检测
-
作者:
张作省
来源:
中国科学院大学(中国科学院长春光学精密机械与物理研究所)
年份:
2018
文献类型 :
学位论文
关键词:
YOLO
遥感影像
遥感视频
飞行器检测
深度学习
目标识别
机场检测
残差网络
-
描述:
大面幅光学遥感影像飞行器目标快速检测
-
某型飞机腹板裂纹分析及改装设计
-
作者:
彭军
郭晨阳
张勇
张赟
杨欣毅
来源:
系统仿真技术
年份:
2018
文献类型 :
期刊
关键词:
航空发动机
故障诊断
深度学习
神经网络
-
描述:
引入深度学习理论,利用深度置信网络算法对由仿真软件生成的航空发动机部件性能衰退故障数据进行求解。与反向传播(BP)神经网络算法和径向基函数(RBF)神经网络算法的比较结果表明:虽然深度学习训练耗费较长时间,但是深度置信网络算法结构克服了浅层网络算法结构的不足,其计算结果能够达到更高诊断精度,并具有较好的抗噪性能。
-
基于深度学习的飞行器动力系统故障诊断
-
作者:
张懋石
来源:
厦门大学
年份:
2018
文献类型 :
学位论文
关键词:
自编码网络
故障诊断
深度学习
-
描述:
基于深度学习的飞行器动力系统故障诊断
-
基于深度学习的航空发动机故障融合诊断
-
作者:
车畅畅
王华伟
倪晓梅
洪骥宇
来源:
北京航空航天大学学报
年份:
2018
文献类型 :
期刊
关键词:
航空发动机
故障诊断
深度学习
抗干扰能力
决策融合
-
描述:
通过对航空发动机故障诊断,能够正确判断各部件工作状态,快速确定维修方案,保证飞行安全。在结合深度信念网络和决策融合理论的基础上,提出了基于深度学习的航空发动机故障融合诊断模型。该模型通过分析发动机
-
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
-
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
-
含复杂滚动轴承建模的航空发动机整机振动耦合动力学模型
-
作者:
陈果
来源:
航空动力学报
年份:
2018
文献类型 :
期刊
关键词:
整机振动
航空发动机
滚动轴承
耦合动力学
动力学建模
-
描述:
在航空发动机整机振动模型中对滚动轴承进行了详细建模。建立了5自由度(DOF)球轴承动力学模型,推导了在5自由度复杂变形下的轴承力和力矩表达式;针对圆柱滚子轴承,利用"切片法",推导了考虑轴承径向变形
-
航空滚动轴承振动特征的故障灵敏度分析与融合技术
-
作者:
林桐
陈果
张全德
王洪伟
陈立波
来源:
航空动力学报
年份:
2018
文献类型 :
期刊
关键词:
特征提取
灵敏度分析
滚动轴承
特征融合
状态评估
-
描述:
针对工程中航空滚动轴承实时状态监测的需要,提出了基于标准化欧氏距离的多特征融合评估方法。首先,进行了航空滚动轴承故障模拟试验,引入了故障灵敏度的定量评价指标,对融合前后特征的故障灵敏度进行了分析
-
航空发动机主轴轴承动态性能和热弹流润滑状态耦合分析
-
作者:
史修江
来源:
哈尔滨工业大学
年份:
2018
文献类型 :
学位论文
关键词:
润滑状态
滚动轴承
重载
高速
拟动力学
热弹流
-
描述:
航空发动机主轴轴承动态性能和热弹流润滑状态耦合分析
-
基于深度学习的航空器异常飞行状态识别
-
作者:
吴奇
储银雪
来源:
民用飞机设计与研究
年份:
2018
文献类型 :
期刊
关键词:
飞行状态识别
深度学习
高斯过程
-
描述:
飞行设备快速存取记录仪(Quick Access Recorder,以下简称QAR)保留了原始航班各类重要飞行参数在内的航行信息,使研究分析航空器实时状况和保障飞行质量成为可能。针对QAR数据高维大样本的特点,在如今大数据背景下,除了传统机理建模分析航空器飞行状态外,采用深度学习的方式建立基于数据驱动的航空器飞行状态识别模型,理论与实用意义兼具。通过对真实QAR飞行数据的研究,开发了基于深度稀疏受限玻尔兹曼机的异常飞行状态识别程序。首先利用小波降噪技术对原始飞行数据进行预处理清洗,在一系列典型飞行参数上提取经典时域特征以及小波奇异熵等信息熵特征构成特征集。在此基础上,分别利用经典的线性主元分析技术和深度稀疏玻尔兹曼机对特征集进行有效降维,最后采用四折交叉验证方式,通过高斯过程分类器实现对飞行状态的辨识。实验结果显示,基于深度受限玻尔兹曼机-高斯过程分类的飞行状态识别具有较高分类准确性。