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
- 飞机液压系统管路故障智能诊断方法研究
- 作者： 秦健昌 邓洪亮 孙海洋 来源： 今日制造与升级 年份： 2025 文献类型 ： 期刊 关键词： 管路故障 门控循环单元 液压系统 Squeeze 智能诊断 Net
- 描述： 飞机液压系统管路故障智能诊断方法研究
- 飞机液压系统管路故障智能诊断方法研究
- 作者： 秦健昌 邓洪亮 孙海洋 来源： 今日制造与升级 年份： 2025 文献类型 ： 期刊 关键词： 管路故障 门控循环单元 液压系统 Squeeze 智能诊断 Net
- 描述： 飞机液压系统管路故障智能诊断方法研究
- 基于Transformer模型的航空发动机剩余寿命预测方法研究
- 作者： 吴直遥 来源： 数字通信世界 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 门控循环单元 剩余寿命预测
- 描述： 文章针对现有预测模型对航空发动机退化信息提取不充分的不足，构建了一种基于Transformer模型的预测模型，该模型在Transformer编码器模型基础上加入了门控循环单元，以增加模型对序列数据
- 面向装配生产线的航空发动机故障智能诊断研究
- 作者： 孙贵青 丁一明 马烽 宋迎军 来源： 航空维修与工程 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 装配 故障 智能诊断
- 描述： 航空发动机作为高速热力旋转机械，极易发生各种故障。通过对面向航空发动机装配线的试车故障模式分析，搭建具有基于规则推理、基于案例推理等智能诊断特点的咨询式故障诊断软件，并将提取得出的知识反馈至装配环节，对机件、工艺、工装、设备等装配要素进行预先控制，以抑制故障发生，实现装配质量的提升。
- 航空燃气涡轮发动机气路故障诊断进展
- 作者： 李少尘 陈敏 胡金涛 唐海龙 来源： 航空发动机 年份： 2022 文献类型 ： 期刊 关键词： 在线诊断 气路故障诊断 航空燃气涡轮发动机 智能诊断 健康管理系统
- 描述： 航空发动机健康管理是提高当代先进航空发动机安全性、可靠性以及经济可承受性的关键技术，是实现发动机视情维修的重要方法之一。航空发动机气路故障诊断作为健康管理系统的重要支撑技术，在先进航空发动机发展过程中具有重要的研究价值与前景。基于航空发动机气路故障诊断50余年的发展成果，梳理了航空发动机气路故障诊断的总体实施流程，包括气路测量参数的选择及参数预处理方法、基线值的计算及基线模型的构建方法；介绍了基于模型和数据驱动的气路故障诊断方法的基本原理和典型成果并对不同方法的特点进行了评述；对气路故障诊断未来发展方向，包括性能预测、在线气路故障诊断、信息融合以及过渡态气路故障诊断的基本思想和研究现状进行了分析。国内外研究表明：航空发动机气路故障诊断已经形成了以基于模型和基于数据驱动为基础的诊断方法体系，得到了较全面且系统的发展。中国在已有研究成果的基础上，应进一步完善航空发动机全寿命周期数据的收集与整理，建立航空发动机健康管理系统的设计体系，增强产、学、研、用等多方协作，为先进航空发动机健康管理系统提供有力技术支撑。
- 航空发动机机械磨损故障原因与诊断分析
- 作者： 邸三虎 来源： 中国机械 年份： 2024 文献类型 ： 期刊 关键词： 航空发动机 故障诊断 机械磨损 全寿命管理 智能诊断
- 描述： 航空发动机机械磨损故障原因与诊断分析
- 基于数据融合与GRU的航空发动机剩余寿命预测
- 作者： 李路云 王海瑞 朱贵富 来源： 空军工程大学学报 年份： 2022 文献类型 ： 期刊 关键词： 维纳过程 航空发动机 寿命预测 自助法 门控循环单元 多源传感器数据融合
- 描述： 针对深度学习构造复合健康指标可解释性差，预测结果难以量化发动机剩余寿命预测中的不确定性问题，提出一种基于数据融合与门控循环单元(GRU)的航空发动机剩余寿命预测方法。首先，将多源传感器数据加权融合
- 基于多尺度U-Net与Transformer特征融合的航空遥感图像飞机检测方法
- 作者： 张善文 邵彧 李萍 令伟锋 来源： 弹箭与制导学报 年份： 2024 文献类型 ： 期刊 关键词： Transformer Net与Transformer 航空遥感图像飞机检测 多尺度U Net
- 描述： 航空遥感图像(ARSI)飞机检测一直是一个重要且具有挑战性的课题。针对现有ARSI飞机检测方法(ARSIAD)检测目标的边缘模糊、小目标的检测精度低、没有充分利用ARSI的全局上下文信息等问题，提出一种基于多尺度U-Net与Transformer (MSU-Trans)特征融合的ARSIAD方法。通过多尺度卷积模块Inception提取ARSI中多样性目标的分类特征，通过Transformer增强模型的全局语义检测性能，通过特征融合模块整合高层和低层特征，得到航空目标图像完整的边缘和纹理特征。该模型结合多尺度U-Net较强的局部特征提取能力和Transformer较强的全局上下文依存关系提取能力，进而提高MSU-Trans的整体检测性能。在ARSI集上的试验表明，与U-Net、多尺度U-Net、注意力U-Nets相比，MSU-Trans具有较高的检测精度，精度超过95%,该方法为ARSIAD提供一定的技术支撑。