首页>
根据【关键词:特征提取,损伤检测,压气机叶片,点云配准,迭代最近点】搜索到相关结果 28 条
-
航空复合材料结构件的激光超声检测技术研究
-
作者:
冒蒋伟
来源:
南京航空航天大学
年份:
2018
文献类型 :
学位论文
关键词:
损伤检测
高扫描频率系统
分层
复合材料
激光超声
-
描述:
航空复合材料结构件的激光超声检测技术研究
-
航空复合材料结构件的激光超声检测技术研究
-
作者:
冒蒋伟
来源:
南京航空航天大学
年份:
2018
文献类型 :
学位论文
关键词:
损伤检测
高扫描频率系统
分层
复合材料
激光超声
-
描述:
航空复合材料结构件的激光超声检测技术研究
-
航空发动机压气机叶片-封严涂层碰摩仿真与实验研究
-
作者:
王杰
来源:
天津大学
年份:
2018
文献类型 :
学位论文
关键词:
封严涂层
航空发动机
压气机叶片
碰摩
动力学仿真
-
描述:
航空发动机压气机叶片-封严涂层碰摩仿真与实验研究
-
航空发动机转子扭振激励下叶片振动分析
-
作者:
武立明
来源:
天津大学
年份:
2018
文献类型 :
学位论文
关键词:
航空发动机
压气机叶片
涡轮带冠叶片
转子扭振激励
叶片动力学响应
-
描述:
航空发动机转子扭振激励下叶片振动分析
-
航空发动机压气机叶片-封严涂层碰摩仿真与实验研究
-
作者:
王杰
来源:
天津大学
年份:
2018
文献类型 :
学位论文
关键词:
封严涂层
航空发动机
压气机叶片
碰摩
动力学仿真
-
描述:
航空发动机压气机叶片-封严涂层碰摩仿真与实验研究
-
航空发动机转子扭振激励下叶片振动分析
-
作者:
武立明
来源:
天津大学
年份:
2018
文献类型 :
学位论文
关键词:
航空发动机
压气机叶片
涡轮带冠叶片
转子扭振激励
叶片动力学响应
-
描述:
航空发动机转子扭振激励下叶片振动分析
-
基于多电飞机概念下的飞机电气发展方向
-
作者:
李阳
任殿龙
张超
杨学岭
来源:
雷达与对抗
年份:
2018
文献类型 :
期刊
关键词:
特征提取
微多普勒
经验模态分解
-
描述:
研究经验模态分解方法在飞机微多普勒特性分析中的应用。首先介绍经验模态分解方法的核心思想和算法步骤,然后设计了详细的复信号的经验模态分解算法流程,最后利用实测数据验证了经验模态分解对飞机微多普勒特性分析的有效性。
-
基于ELM的航空发动机故障诊断方法
-
作者:
崔建国
刘宏伟
陶书弘
于明月
高阳
来源:
火力与指挥控制
年份:
2018
文献类型 :
期刊
关键词:
特征提取
极限学习机
故障诊断
小波包
-
描述:
以航空发动机主燃油泵为具体研究对象,提出了一种基于基于小波包能量比与极限学习机(Extreme Learning Machine,ELM)的故障诊断方法。对于某型真实航空发动机,采用振动传感器感知发动机附件机匣的振动信号,对获取的发动机附件机匣的振动信号采用DB3小波包对其进行3层小波包分解,求出第3层各频带信号的能量作为原始信号的特征,构建特征向量。用求得的特征向量建立基于ELM的故障诊断模型,对航空发动机主燃油泵进行故障诊断技术研究。为表明该方法的有效性,还设计了基于BP神经网络的故障诊断模型,并对所构建的特征向量进行了诊断。试验结果表明,基于ELM故障诊断方法可以有效提高故障诊断的速度及准确率,具有很好的工程应用前景。
-
分数阶Fourier域低分辨雷达飞机回波的分形特性分析与目标分类
-
作者:
李秋生
谢晓春
朱红
吴倩媛
来源:
计算机应用研究
年份:
2018
文献类型 :
期刊
关键词:
特征提取
低分辨雷达
分形
分数阶Fourier变换
目标分类
-
描述:
常规低分辨雷达体制下的目标分类与辨识是雷达目标识别领域的一个研究难点。研究表明,地、海、空等雷达杂波具有分形特性,不同类型目标会对回波分形特性产生不同的影响,但在强杂波背景下,回波的分形特性更多地表现为杂波的特性。作为一种非平稳信号分析工具,分数阶Fourier变换可以有效地获取目标回波信号的细节特征并充分抑制杂波,且具有快速算法。为此,立足于分形及其相关理论,拟从分数阶Fourier域对常规雷达飞机目标回波的分形特性进行分析,估计和分析其分形参数,并对分数阶Fourier域回波分形特征在飞机目标分类中的应用进行探讨。研究结果表明,在最优变换阶数下,分数阶Fourier域飞机目标回波具有显著的分形特性,且充分反映了目标的特性,分形测度分析可以揭示回波的动力学演化机制,且最优变换域回波分形特征可以有效用于飞机目标的分类和识别。
-
基于深度信念网络的航空发动机维修等级决策
-
作者:
车畅畅
王华伟
刘伟
来源:
航空动力学报
年份:
2018
文献类型 :
期刊
关键词:
运行安全
特征提取
维修等级决策
深度信念网络
状态监控
-
描述:
等级数据作为实例进行验证,结果显示:该模型能够通过构建多层网络结构挖掘出样本的更深层次信息,在分类能力、决策准确性方面优于传统神经网络,有较强的特征提取能力,对维修等级分类有较高的正确率,能得出更准确的维修等级决策结果,避免因维修等级误判而带来不必要的损失。