关键词
基于多传感器融合的航空发动机剩余寿命预测
作者: 江鹏伟     许卓韬     段霞     巩瑞东     柴森浩   来源: 机械设计与制造工程 年份: 2025 文献类型 : 期刊 关键词: 维纳过程   航空发动机   多传感器数据融合   布朗运动   剩余寿命预测  
描述: 基于多传感器融合的航空发动机剩余寿命预测
基于随机维纳过程航空发动机性能衰退研究
作者: 赵洪利   张猛   来源: 推进技术 年份: 2020 文献类型 : 期刊 关键词: 维纳过程   航空发动机   严酷度因子   发动机排气温度裕度   性能衰退  
描述: )算法结合贝叶斯定理,对模型参数求解,最终得到了基于性能衰退的发动机平均下发间隔。研究结果表明,在严酷度因子为1.2696的使用条件下,某型号航空发动机性能衰退平均下发间隔为8219循环;基于该模型预测的发动机平均下发间隔与厂商建议的下发时间之间的误差仅为1.7%。
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
基于改进LSTM的航空发动机寿命预测方法研究
作者: 郭晓静   殷宇萱   贠玉晶   来源: 机床与液压 年份: 2022 文献类型 : 期刊 关键词: 长短期记忆网络   航空发动机   自动编码器   剩余寿命预测  
描述: ,优化LSTM模型,改善航空发动机RUL预测效果。利用SDAE进行特征提取,构建健康因子(HI)曲线;同时考虑运行工况、故障模式和传感器3个因素,并分别训练其权重。利用LSTM模型进行发动机剩余寿命预测
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
基于ALSTM-MHA的航空发动机寿命预测
作者: 修瑞     丁建完     刘笑炎     高创   来源: 机床与液压 年份: 2024 文献类型 : 期刊 关键词: 航空发动机   注意力长短时记忆网络   多头自注意力机制   剩余寿命预测  
描述: 基于ALSTM-MHA的航空发动机寿命预测
基于状态监测数据的航空发动机剩余寿命在线预测
作者: 李航   张洋铭   来源: 南京航空航天大学学报 年份: 2021 文献类型 : 期刊 关键词: Wiener过程   航空发动机   状态监测   隐含退化建模   剩余寿命预测  
描述: 针对现有基于状态监测数据的航空发动机剩余寿命预测研究未能综合考虑隐含退化建模和同步更新漂移/扩散系数的问题,提出一种基于状态监测数据的航空发动机剩余寿命在线预测方法。首先,基于非线性Wiener过程
基于CAE与LSTM的航空发动机剩余寿命预测
作者: 王旭   艾红   来源: 北京信息科技大学学报(自然科学版) 年份: 2021 文献类型 : 期刊 关键词: 卷积自编码器   航空发动机   长短期记忆   健康因子   剩余寿命预测  
描述: 通过深度学习方法构建航空发动机的健康状况评估模型,并在此模型基础上进行剩余寿命预测。基于卷积自编码器构建航空发动机的健康因子(health indicator,HI),以其HI值反映健康状况;通过
基于改进GRU的航空发动机剩余寿命预测
作者: 车畅畅   王华伟   倪晓梅   付强   来源: 航空计算技术 年份: 2021 文献类型 : 期刊 关键词: 航空发动机   时间序列预测   性能退化分析   GRU神经网络   剩余寿命预测  
描述: 针对航空发动机状态参数多样且非线性相关、退化过程复杂的特点,提出了基于改进GRU(Gated Recurrent Units)神经网络的航空发动机剩余寿命预测模型。模型具有多层的GRU神经网络,将多
基于注意力与LSTM的航空发动机剩余寿命预测
作者: 王欣   孟天宇   周俊曦   来源: 科学技术与工程 年份: 2022 文献类型 : 期刊 关键词: 注意力机制   长短期记忆网络   航空发动机   剩余寿命预测   预测性维护  
描述: 预测性维护的核心技术之一是设备剩余寿命(remaining useful life, RUL)预测。为了提高航空发动机剩余寿命预测精度,提出了一种基于注意力与长短期记忆(directional
< 1 2 ... 157 158 159
Rss订阅