基于深度学习的航空发动机可靠性分析

作者： 洪骥宇   来源： 南京航空航天大学 年份： 2018 文献类型 ： 学位论文 关键词： 航空发动机   寿命预测   深度学习   性能退化   状态监测   故障分析   可靠性  

描述： 基于深度学习的航空发动机可靠性分析

基于QAR数据的飞机襟缝翼收放故障诊断研究

作者： 张雄飞   来源： 中国民航大学 年份： 2020 文献类型 ： 学位论文 关键词： QAR数据   状态监测   IBAS   Elman模型   襟翼不对称风险模型   襟缝翼   故障预测  

描述： 基于QAR数据的飞机襟缝翼收放故障诊断研究

基于深度学习的航空发动机可靠性分析

作者： 洪骥宇   来源： 南京航空航天大学 年份： 2018 文献类型 ： 学位论文 关键词： 航空发动机   寿命预测   深度学习   性能退化   状态监测   故障分析   可靠性  

描述： 基于深度学习的航空发动机可靠性分析

基于QAR数据的飞机襟缝翼收放故障诊断研究

作者： 张雄飞   来源： 中国民航大学 年份： 2020 文献类型 ： 学位论文 关键词： QAR数据   状态监测   IBAS   Elman模型   襟翼不对称风险模型   襟缝翼   故障预测  

描述： 基于QAR数据的飞机襟缝翼收放故障诊断研究

基于LMKL和OC-ELM的航空电子部件故障检测方法

作者： 朱敏   刘奇   刘星   许晴   来源： 系统工程与电子技术 年份： 2020 文献类型 ： 期刊 关键词： 局部多核学习   一类分类   故障检测   超限学习机  

描述： extreme learning machine,OC-ELM)的故障检测方法。仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局

基于LMKL和OC-ELM的航空电子部件故障检测方法

作者： 朱敏   刘奇   刘星   许晴   来源： 系统工程与电子技术 年份： 2020 文献类型 ： 期刊 关键词： 局部多核学习   一类分类   故障检测   超限学习机  

描述： extreme learning machine,OC-ELM)的故障检测方法。仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局

飞机电缆间歇性故障检测方法研究

作者： 吴志江   来源： 电子测量技术 年份： 2021 文献类型 ： 期刊 关键词： 飞机电缆   故障检测   扩展频谱时域反射法(SSTDR)   间歇性故障  

描述： 针对在飞行训练中,由于振动或复杂环境等因素导致的飞机电缆传输信号出现瞬断、瞬短等间歇性故障难以检测这一实际问题,在分析传统电缆短路、短路等硬故障检测方法的基础上,研究更加适用于飞机电缆的间歇性

基于LMKL的航空电子部件故障检测技术

作者： 宁贵敏   来源： 电子测试 年份： 2022 文献类型 ： 期刊 关键词： LMKL   故障检测   航空电子  

描述： ，实现故障检测功能。最后，将此方法在航空电子设备中使用。通过结果表示，方法能够提高特异度、查准率和召回率。

基于神经网络的航空发动机传感器故障自动检测方法

作者： 王琛   李峰   来源： 自动化应用 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机   故障检测   神经网络   传感器  

描述： 数据采集与处理、航空发动机传感器故障诊断模型构建、基于神经网络的故障诊断模型训练、训练后诊断模型的自动检测，提出一种全新的检测方法。通过对比试验的方式证明，新的检测方法应用到航空发动机传感器的故障检测中，能够使其更快速地检测，并且保证检测准确率超过90%，可以为航空发动机稳定运行提供保障。

航空电子设备"未发现故障"研究

作者： 吴昊   来源： 电子质量 年份： 2022 文献类型 ： 期刊 关键词： 航电设备   测试性   故障检测   未发现故障  

描述： 航空电子设备复杂度日益提升，系统综合化程度增加，未发现故障(No Fault Found,NFF)事件逐年上升，带来额外经济损失、维修周期延长和可靠性指标降低，影响部队飞行作训。主要阐述了NFF事件的含义及其对航空电子设备的负面影响，分析了NFF发生的原因包括系统设计因素、测试性设计欠缺、隐藏的软硬件缺陷、人员和环境因素等，并逐一进行了详细说明，然后从优化系统设计、提高系统测试性、故障信息整合、人员与环境等方面提出了减少NFF事件的措施。