考虑数据选择的航空发动机基线建模方法

作者： 莫李平   王奕首   王奕惟   赵奇   卿新林   来源： 航空科学技术 年份： 2021 文献类型 ： 期刊 关键词： 网格搜索   航空发动机   基线建模   数据选择   状态监控  

描述： 航空发动机基线是发动机状态监控的基础,当前国内使用的基线大部分都由发动机制造商所提供。近年来,为打破发动机制造商对基线的技术封锁,从飞机通信寻址与报告系统提供的数据中挖掘基线的方法受到了广泛的研究

考虑数据选择的航空发动机基线建模方法

作者： 莫李平   王奕首   王奕惟   赵奇   卿新林   来源： 航空科学技术 年份： 2021 文献类型 ： 期刊 关键词： 网格搜索   航空发动机   基线建模   数据选择   状态监控  

描述： 航空发动机基线是发动机状态监控的基础,当前国内使用的基线大部分都由发动机制造商所提供。近年来,为打破发动机制造商对基线的技术封锁,从飞机通信寻址与报告系统提供的数据中挖掘基线的方法受到了广泛的研究

考虑数据选择的航空发动机基线建模方法

作者： 莫李平   王奕首   王奕惟   赵奇   卿新林   来源： 航空科学技术 年份： 2021 文献类型 ： 期刊 关键词： 网格搜索   航空发动机   基线建模   数据选择   状态监控  

描述： 航空发动机基线是发动机状态监控的基础,当前国内使用的基线大部分都由发动机制造商所提供。近年来,为打破发动机制造商对基线的技术封锁,从飞机通信寻址与报告系统提供的数据中挖掘基线的方法受到了广泛的研究

考虑数据选择的航空发动机基线建模方法

作者： 莫李平   王奕首   王奕惟   赵奇   卿新林   来源： 航空科学技术 年份： 2021 文献类型 ： 期刊 关键词： 网格搜索   航空发动机   基线建模   数据选择   状态监控  

描述： 航空发动机基线是发动机状态监控的基础,当前国内使用的基线大部分都由发动机制造商所提供。近年来,为打破发动机制造商对基线的技术封锁,从飞机通信寻址与报告系统提供的数据中挖掘基线的方法受到了广泛的研究

基于MKMCC-DSVDD的航空发动机异常检测方法

作者： 曲建岭     陈永展     王小飞     王元鑫   来源： 科学技术与工程 年份： 2024 文献类型 ： 期刊 关键词： 深度支持向量数据描述   航空发动机   状态监控   样本非均衡   异常检测  

描述： 基于MKMCC-DSVDD的航空发动机异常检测方法

基于MKMCC-DSVDD的航空发动机异常检测方法

作者： 曲建岭     陈永展     王小飞     王元鑫   来源： 科学技术与工程 年份： 2024 文献类型 ： 期刊 关键词： 深度支持向量数据描述   航空发动机   状态监控   样本非均衡   异常检测  

描述： 基于MKMCC-DSVDD的航空发动机异常检测方法

基于盲源分离技术的航空发动机轴承故障诊断

作者： 吴金钟   艾延廷   陈英涛   田晶   来源： 滨州学院学报 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机   滚动轴承   故障诊断   盲源分离  

描述： 滚动轴承是航空发动机转子系统中重要的支撑部件，其运行状态直接影响整台发动机的工作性能。介绍了基于盲源分离技术的滚动轴承振动信号分析与故障诊断方法，分析了滚动轴承典型故障机理。通过对某型航空发动机进行

基于盲源分离技术的航空发动机轴承故障诊断

作者： 吴金钟   艾延廷   陈英涛   田晶   来源： 滨州学院学报 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机   滚动轴承   故障诊断   盲源分离  

描述： 滚动轴承是航空发动机转子系统中重要的支撑部件，其运行状态直接影响整台发动机的工作性能。介绍了基于盲源分离技术的滚动轴承振动信号分析与故障诊断方法，分析了滚动轴承典型故障机理。通过对某型航空发动机进行

LSSVM与HMM在航空发动机状态预测中的应用研究

作者： 崔建国   高波   蒋丽英   于明月   郑蔚   来源： 计算机工程 年份： 2018 文献类型 ： 期刊 关键词： 隐马尔科夫模型   状态预测   航空发动机   最小二乘支持向量机   小波包分解   振动信号   降噪  

描述： 传统单一的状态预测方法难以精确预测航空发动机状态的缺陷,而最小二乘支持向量机(LSSVM)具有较强的非线性预测能力和泛化能力,可以有效地对信号进行非线性预测,隐马尔科夫模型(HMM)有利于处理连续

LSSVM与HMM在航空发动机状态预测中的应用研究

作者： 崔建国   高波   蒋丽英   于明月   郑蔚   来源： 计算机工程 年份： 2018 文献类型 ： 期刊 关键词： 隐马尔科夫模型   状态预测   航空发动机   最小二乘支持向量机   小波包分解   振动信号   降噪  

描述： 传统单一的状态预测方法难以精确预测航空发动机状态的缺陷,而最小二乘支持向量机(LSSVM)具有较强的非线性预测能力和泛化能力,可以有效地对信号进行非线性预测,隐马尔科夫模型(HMM)有利于处理连续