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
- 傅里叶分解在航空发动机复合故障诊断中的应用研究
- 作者： 左红艳 刘晓波 洪连环 来源： 南昌航空大学学报(自然科学版) 年份： 2022 文献类型 ： 期刊 关键词： 复合故障诊断 特征提取 航空发动机 傅里叶分解
- 描述： 针对航空发动机转子振动信号的非线性、非平稳特性，应用傅里叶分解方法 (Fourier Decomposition Method,FDM)实现航空发动机转子复合故障诊断。首先应用傅里叶分解方法将振动信号分解为一系列固有频带分量，然后计算每个固有频带分量与原信号的互相关系数及峭度值，将互相关系数与峭度值的阈值作为判断准则，提取信号的主要固有频带分量，重构信号，并且生成边际谱，实现主要频谱成分的分析。最后通过互相关系数与峭度值相结合的准则，实现谐波分量与冲击分量信号的提取，实现复合故障类型进一步分析与诊断。应用此方法对航空发动机转子试验器的松动-碰摩-不对中复合故障信号进行诊断，可将不对中、松动、碰摩的故障特征有效分离出来，证明了FDM在复合故障特征分离与诊断中的有效性。
- 基于高分辨率UCE航空影像的面向对象分类
- 作者： 孙玉鑫 周立鹏 皮原征 来源： 经纬天地 年份： 2022 文献类型 ： 期刊 关键词： 特征提取 UCE 近红外波段 监督分类
- 描述： 本文利用微软UltraCam Eagle航摄仪（以下简称UCE航摄仪）拍摄的带有近红外波段的高分辨率航空影像，采用面向对象多尺度分割方法对影像光谱进行特征提取，使用KNN、SVM和PCA方法分别
- 基于改进卷积神经网络的航空发动机RUL预测方法研究
- 作者： 孙行行 来源： 河南大学 年份： 2022 文献类型 ： 学位论文 关键词： 特征提取 卷积神经网络 多故障 剩余使用寿命预测
- 描述： 基于改进卷积神经网络的航空发动机RUL预测方法研究
- 基于特征注意力机制的GRU-GAN航空发动机剩余寿命预测
- 作者： 袁烨 黄虹 程骋 虞文武 丁汉 来源： 中国科学:技术科学 年份： 2022 文献类型 ： 期刊 关键词： 注意力机制 生成对抗网络 特征提取 航空航天 剩余寿命预测
- 描述： 涡扇发动机作为航空航天领域的核心设备之一,其健康状况决定了航空器能否稳定可靠地运行.涡扇发动机的剩余寿命预测是航天器设备监测与维护的重要一环.然而涡扇发动机的监测过程具有工况复杂、监测数据多样、时间跨度长等特点,针对其数据类型多且体量大、数据冗余度较高、剩余寿命预测精度较低等问题,本文通过将生成对抗网络(Generative adversarial network, GAN)的生成能力与门控循环单元(Gate recurrent unit, GRU)的预测能力相结合,提出一种基于特征注意力机制的GAN和GRU融合模型.为了对时序关系进行建模,首先利用特征注意力机制和GRU分别提取空间和时间上的相关性,然后将经过预训练的生成器附加到GRU之后得到整体模型.具体来说,本文采用预训练的GAN网络生成模块替代传统自编码器,解决了由自编码器参数过多引起的GRU模块训练不充分的问题,提升了时空相关特性的提取能力、提高了模型的泛化性能、提升了预测精度.本文利用CMAPSS涡扇发动机数据来验证模型效果,通过与不同机器学习方法进行对比,实验结果显示,该方法在均方根误差和指数型评价指标这两个评价指标上都有较高的预测精度.
- 基于航空交流故障电弧标准的电弧仿真研究
- 作者： 孟驰华 马娅娜 韦清瀚 杨昌 来源： 测控技术 年份： 2022 文献类型 ： 期刊 关键词： 特征提取 特性分析 模型优化策略 电弧标准 航空交流故障电弧
- 描述： 随着飞机多电全电技术的迅猛发展，电力系统在飞机中的重要程度不断提升，而电弧故障是航空电力系统多发的一类电气故障，会引起飞机火灾，轻则烧毁线路，重则引起飞机坠毁。因此，航空交流故障电弧的研究对保障飞机电力系统的安全十分重要。针对传统航空交流故障电弧模型种类单一、难以准确模拟真实故障电弧的特点，基于航空交流故障电弧试验标准下点接触电极、点接触截断和松动接线柱试验中得到的故障电弧电压、电流特性进行分析后，提出模型改进方法，形成航空交流电弧仿真优化策略，从而涵盖所提航空交流电弧试验标准下的故障电弧特性。通过MATLAB/Simulink完成了电弧模型的搭建，对电弧数据及模型仿真结果进行特征量提取及比较，验证了航空交流故障电弧模型仿真策略和方法的有效性。
- 基于特征注意力机制的GRU-GAN航空发动机剩余寿命预测
- 作者： 袁烨 黄虹 程骋 虞文武 丁汉 来源： 中国科学:技术科学 年份： 2022 文献类型 ： 期刊 关键词： 注意力机制 生成对抗网络 特征提取 航空航天 剩余寿命预测
- 描述： 涡扇发动机作为航空航天领域的核心设备之一,其健康状况决定了航空器能否稳定可靠地运行.涡扇发动机的剩余寿命预测是航天器设备监测与维护的重要一环.然而涡扇发动机的监测过程具有工况复杂、监测数据多样、时间跨度长等特点,针对其数据类型多且体量大、数据冗余度较高、剩余寿命预测精度较低等问题,本文通过将生成对抗网络(Generative adversarial network, GAN)的生成能力与门控循环单元(Gate recurrent unit, GRU)的预测能力相结合,提出一种基于特征注意力机制的GAN和GRU融合模型.为了对时序关系进行建模,首先利用特征注意力机制和GRU分别提取空间和时间上的相关性,然后将经过预训练的生成器附加到GRU之后得到整体模型.具体来说,本文采用预训练的GAN网络生成模块替代传统自编码器,解决了由自编码器参数过多引起的GRU模块训练不充分的问题,提升了时空相关特性的提取能力、提高了模型的泛化性能、提升了预测精度.本文利用CMAPSS涡扇发动机数据来验证模型效果,通过与不同机器学习方法进行对比,实验结果显示,该方法在均方根误差和指数型评价指标这两个评价指标上都有较高的预测精度.
- 航空发动机附件齿轮箱滚动轴承故障诊断方法研究
- 作者： 李业政 来源： 北京化工大学 年份： 2022 文献类型 ： 学位论文 关键词： 航空发动机 特征提取 齿轮箱滚动轴承 故障诊断 变工况
- 描述： 航空发动机附件齿轮箱滚动轴承故障诊断方法研究
- 基于多特征提取和Stacking集成学习的航空发动机余寿预测
- 作者： 张一鸣 刘晓锋 来源： 第六届空天动力联合会议暨中国航天第三专业信息网第四十二届技术交流会暨2021航空发动机技术发展高层论坛 年份： 2022 文献类型 ： 会议论文 关键词： 数据驱动 集成学习 特征提取 寿命预测 深度学习
- 描述： 基于多特征提取和Stacking集成学习的航空发动机余寿预测