飞机二次电源故障模式分析与故障特征提取

作者： 李运富   来源： 中国民航大学 年份： 2020 文献类型 ： 学位论文 关键词： 二次电源   故障诊断   故障特征提取   多电飞机   故障模式  

描述： 飞机二次电源故障模式分析与故障特征提取

基于改进支持向量机的航空发动机滑油系统故障诊断研究

作者： 朱永新   来源： 中国民航大学 年份： 2020 文献类型 ： 学位论文 关键词： 支持向量机   蚱蜢优化算法   故障诊断   航空发动机滑油系统   平均影响值  

描述： 基于改进支持向量机的航空发动机滑油系统故障诊断研究

基于数据驱动的飞机作动器故障诊断方法研究

作者： 金泱   来源： 上海交通大学 年份： 2020 文献类型 ： 学位论文 关键词： 小波变换   EMD分解   卷积神经网络   故障诊断   作动器  

描述： 基于数据驱动的飞机作动器故障诊断方法研究

基于卷积神经网络的飞机液压系统故障诊断算法研究

作者： 李时奇   来源： 南京航空航天大学 年份： 2020 文献类型 ： 学位论文 关键词： 注意力机制   卷积神经网络   故障诊断   飞机液压系统   传感器融合  

描述： 基于卷积神经网络的飞机液压系统故障诊断算法研究

基于ABC-BP神经网络的航空发动机故障诊断方法

作者： 鲜倪军   来源： 装备制造技术 年份： 2018 文献类型 ： 期刊 关键词： 航空发动机   人工蜂群算法   BP神经网络   故障诊断   机械磨损  

描述： 为有效诊断发动机机械磨损故障,根据滑油金属磨屑建立基于ABC-BP神经网络故障诊断模型。模型针对BP神经网络的缺陷,利用人工蜂群优化BP神经网络,在初始化参数时将BP神经网络的误差函数作为

基于极限学习机的航空发电机旋转整流器快速故障分类方法研究

作者： 崔江   唐军祥   张卓然   龚春英   王莉   来源： 中国电机工程学报 年份： 2018 文献类型 ： 期刊 关键词： 极限学习机   思维进化算法   航空发电机   旋转整流器   故障诊断  

描述： 航空发电机在现代多电和全电飞机的发展中将发挥越来越重要的作用,其重要部件的可靠性也是未来研究的重点。该文针对目前航空发电机旋转整流器(aerospace generator rotating rectifier,AGRR)的故障分类问题,提出了一种基于思维进化算法(mind evolutionary algorithm,MEA)的极限学习机快速分类技术。该方法通过MEA算法优化极限学习机的训练参数,以获取优化的识别模型,并将其应用于AGRR的故障分类中,取得了很好的效果。仿真和实验结果表明,经过优化的极限学习机与现有分类方法相比,具有很好的诊断性能和较高的分类速度。因此,该方法适合用于航空发电机旋转整流器的故障快速诊断和定位。

某型通航飞机液压系统故障诊断仿真研究

作者： 丰世林   来源： 西安航空学院学报 年份： 2018 文献类型 ： 期刊 关键词： 通航飞机   故障诊断   AMESim   气塞   液压系统  

描述： 节流孔直径达到1.5mm时飞机起落架收放作动筒活塞杆收放时间超标。这一结果为该机型液压系统机务维修提供技术支持。

航空发动机锥齿轮故障诊断技术研究

作者： 陈礼顺   程礼   张晗   梁涛   陈超   来源： 航空精密制造技术 年份： 2019 文献类型 ： 期刊 关键词： 航空发动机   故障诊断   锥齿轮   振动信号   低秩稀疏分解  

描述： ,通过比较分析,表明低秩稀疏分解算法能够有效滤除噪声和谐波干扰信号,增强故障特征信号的显著性,识别锥齿轮潜在故障,解决了锥齿轮微弱振动信号难以分离和识别的技术难题,实现了航空发动机锥齿轮故障诊断,保证了锥齿轮工作可靠性和安全性,为航空发动机锥齿轮故障诊断提供了新方法。

基于ABC-BP神经网络的航空发动机故障诊断方法

作者： 鲜倪军   来源： 装备制造技术 年份： 2018 文献类型 ： 期刊 关键词： 航空发动机   人工蜂群算法   BP神经网络   故障诊断   机械磨损  

描述： 为有效诊断发动机机械磨损故障,根据滑油金属磨屑建立基于ABC-BP神经网络故障诊断模型。模型针对BP神经网络的缺陷,利用人工蜂群优化BP神经网络,在初始化参数时将BP神经网络的误差函数作为

基于极限学习机的航空发电机旋转整流器快速故障分类方法研究

作者： 崔江   唐军祥   张卓然   龚春英   王莉   来源： 中国电机工程学报 年份： 2018 文献类型 ： 期刊 关键词： 极限学习机   思维进化算法   航空发电机   旋转整流器   故障诊断  

描述： 航空发电机在现代多电和全电飞机的发展中将发挥越来越重要的作用,其重要部件的可靠性也是未来研究的重点。该文针对目前航空发电机旋转整流器(aerospace generator rotating rectifier,AGRR)的故障分类问题,提出了一种基于思维进化算法(mind evolutionary algorithm,MEA)的极限学习机快速分类技术。该方法通过MEA算法优化极限学习机的训练参数,以获取优化的识别模型,并将其应用于AGRR的故障分类中,取得了很好的效果。仿真和实验结果表明,经过优化的极限学习机与现有分类方法相比,具有很好的诊断性能和较高的分类速度。因此,该方法适合用于航空发电机旋转整流器的故障快速诊断和定位。