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
- 基于特征融合的注意力增强卷积神经网络的航空发动机滚动轴承故障诊断方法
- 作者： 李泽东 李志农 陶俊勇 毛清华 张旭辉 来源： 兵工学报 年份： 2022 文献类型 ： 期刊 关键词： 注意力增强卷积 深度卷积神经网络 特征融合 故障诊断 航空发动机滚动轴承
- 描述： 卷积神经网络的机械故障诊断方法。通过经验模态分解、变分模态分解和小波包分解的方法提取滚动轴承振动信号的高维特征模量；将特征模量组成多通道样本输入到注意力增强卷积神经网络中进行训练，利用网络对特征模量
- 基于ARMA的航空发动机传感器故障诊断及实时验证
- 作者： 赵万里 郭迎清 杨菁 孙浩 来源： 航空计算技术 年份： 2022 文献类型 ： 期刊 关键词： ARMA模型 故障诊断 硬件在环平台 实时验证 航空发动机传感器
- 描述： 提出一种基于时间序列分析的航空发动机传感器故障诊断方法，通过正常数据离线训练得到ARMA模型，然后在线进行实时故障诊断，可以诊断出航空发动机传感器可能发生的故障。为了验证故障诊断算法的实时性，搭建
- 航空燃气涡轮发动机故障诊断研究现状与展望
- 作者： 林京 张博瑶 张大义 陈敏 来源： 航空学报 年份： 2022 文献类型 ： 期刊 关键词： 信息融合 故障诊断 气路分析 振动分析 航空燃气涡轮发动机
- 描述： 航空燃气涡轮发动机技术是一个国家工业水平和科技实力的综合体现，故障诊断技术是航空发动机安全、经济运行的重要保障，也是衡量其先进性的重要指标之一。由于航空发动机结构复杂、系统集成度高、服役环境恶劣
- 基于多传感器融合卷积神经网络的航空发动机轴承故障诊断
- 作者： 杨洁 万安平 王景霖 单添敏 缪徐 李客 左强 来源： 中国电机工程学报 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机 卷积神经网络 多传感器信息融合 故障诊断 深度学习
- 描述： 航空发动机轴承进行故障诊断。该模型采用一维卷积神经网络(one dimensional convolutional neural network,1D-CNN)对实验获取的某航空发动机的轴承故障振动
- 基于ARMA的航空发动机传感器故障诊断及实时验证
- 作者： 赵万里 郭迎清 杨菁 孙浩 来源： 航空计算技术 年份： 2022 文献类型 ： 期刊 关键词： ARMA模型 故障诊断 硬件在环平台 实时验证 航空发动机传感器
- 描述： 提出一种基于时间序列分析的航空发动机传感器故障诊断方法，通过正常数据离线训练得到ARMA模型，然后在线进行实时故障诊断，可以诊断出航空发动机传感器可能发生的故障。为了验证故障诊断算法的实时性，搭建
- 航空燃气涡轮发动机故障诊断研究现状与展望
- 作者： 林京 张博瑶 张大义 陈敏 来源： 航空学报 年份： 2022 文献类型 ： 期刊 关键词： 信息融合 故障诊断 气路分析 振动分析 航空燃气涡轮发动机
- 描述： 航空燃气涡轮发动机技术是一个国家工业水平和科技实力的综合体现，故障诊断技术是航空发动机安全、经济运行的重要保障，也是衡量其先进性的重要指标之一。由于航空发动机结构复杂、系统集成度高、服役环境恶劣
- 基于多传感器融合卷积神经网络的航空发动机轴承故障诊断
- 作者： 杨洁 万安平 王景霖 单添敏 缪徐 李客 左强 来源： 中国电机工程学报 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机 卷积神经网络 多传感器信息融合 故障诊断 深度学习
- 描述： 航空发动机轴承进行故障诊断。该模型采用一维卷积神经网络(one dimensional convolutional neural network,1D-CNN)对实验获取的某航空发动机的轴承故障振动
- 航空发动机测量耙裂纹故障诊断
- 作者： 董江 文敏 张强波 郭海东 张帅 来源： 振动.测试与诊断 年份： 2022 文献类型 ： 期刊 关键词： 故障诊断 裂纹 应变响应 测量耙 固有频率
- 描述： 以航空发动机测量耙振动试验过程中的安全监测为需求。首先，基于测量耙结构特征简化模型，建立了含裂纹测量耙振动特征方程；其次，建立了某型测量耙有限元模型，通过数值模拟分析了裂纹参数（相对位置、裂纹长度）对测量耙固有频率的影响规律；最后，开展了该型测量耙的振动试验。扫频试验结果验证了测量耙有限元模型的准确性，测量耙在振动耐久性试验过程中出现孔边裂纹，固有频率降低了11.1%，表明在测量耙研制过程中开展振动考核试验时，可在试验现场通过试验前后固有频率的变化实时监测耙体的结构损伤。
- 航空发动机轴承故障结构化贝叶斯稀疏表示
- 作者： 张烁 刘治汶 来源： 航空学报 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机轴承 故障诊断 时频冲击字典 灰狼优化算法 结构化贝叶斯正交匹配追踪
- 描述： 航空发动机轴承振动信号中与故障关联的瞬时冲击成分在时频变换域上不仅具有稀疏性，还具有某些结构特征，而传统的以正交匹配追踪（OMP）算法为代表的贪婪类及其改进重构方法，通常仅利用了信号整体的稀疏性，未考虑结构性干扰可能造成的影响，导致算法求解效率较低。针对这一问题，提出了一种参数优化字典的结构化贝叶斯稀疏表示方法。首先，在OMP算法基础上，基于贝叶斯概率模型，研究了一种能够促进稀疏重构效果的结构化贝叶斯正交匹配追踪（SBOMP）稀疏表示模型，实现对信号的稀疏表示求解。其次，针对轴承故障振动信号的特性，构建能更好的匹配分析信号的时频冲击原子库，降低了字典的冗余程度，并将灰狼优化算法（GWO）引入到基于时频冲击字典的SBOMP模型中，为SBOMP模型提供高效的原子选取策略，降低了稀疏模型的复杂度。仿真与实验结果表明：所提方法能够更有效降低背景噪声和杂质频率的干扰，验证了所提方法对航空发动机轴承故障特征提取的有效性和适用性。