非完美维修下民航发动机剩余寿命预测

作者： 曹惠玲   崔科璐   郭静   来源： 机械科学与技术 年份： 2020 文献类型 ： 期刊 关键词： 民航发动机   Wiener过程   剩余寿命预测   非完美维修  

描述： 的性能退化进行建模。根据历史性能退化数据以及历史维修记录数据，通过极大似然估计算法对模型参数进行估计，实现对航空发动机的RUL预测。通过航空公司实际发动机机载快速存取记录器(QAR）数据进行模型验证，结果表明：该方法能够更好地跟踪发动机实际性能退化过程，预测精度较高，能为民航发动机维修计划的制定提供依据。

基于LSTM-DBN的航空发动机剩余寿命预测

作者： 李京峰   陈云翔   项华春   蔡忠义   来源： 系统工程与电子技术 年份： 2020 文献类型 ： 期刊 关键词： 长短时记忆网络   健康指标   深度置信网络   剩余寿命预测  

描述： 针对航空发动机剩余寿命预测中多传感器监测数据维度高、规模大以及时间序列信息考虑不充分等问题,提出一种融合长短时记忆网络和深度置信网络的剩余寿命预测方法。首先,利用长短时记忆网络分别对单一传感器进行

基于滤波模型的航空制导弹药剩余寿命分布

作者： 马长刚   李青   陈明   陈丽   来源： 海军航空工程学院学报 年份： 2018 文献类型 ： 期刊 关键词： 滤波模型   参数估计   剩余寿命预测   动态主成分分析  

描述： 如何更好地利用技术检测数据来预测航空制导弹药剩余寿命,这是弹药质量控制研究中的一个重要方向。利用动态主成分分析法提取了航空制导弹药状态检测参数主成分,解决了弹药检测参数冗余、相互关联的问题,为剩余寿命分布研究奠定了基础。基于滤波模型和威布尔分布以及正态分布,建立了航空制导弹药剩余寿命分布模型。通过实例,就能很好地将弹药剩余寿命分布与弹药故障联系起来,并动态掌握其剩余寿命分布情况。

面向可迁移跨域自适应学习的航空发动机剩余寿命预测方法

作者： 李文骁     李勇成     李鹏     马浩统     雷印杰   来源： 现代计算机 年份： 2024 文献类型 ： 期刊 关键词： 可迁移对抗   跨域学习   域自适应   剩余寿命预测  

描述： 航空发动机剩余寿命（RUL）预测任务中数据集标签较少且工况多变，导致传感器时间序列之间存在明显分布差异，限制了RUL预测方法的泛化能力。跨域学习的提出为该任务提供了一种可行的解决方案。传统跨域学习

基于DBN-GRU的航空发动机剩余寿命预测方法

作者： 周战洪     李冀     贺红林     陈博瑞.   来源： 第六届中国航空科学技术大会论文集 年份： 2023 文献类型 ： 会议论文 关键词： 融合模型   深度神经网络   涡扇发动机   剩余寿命预测  

描述： 基于DBN-GRU的航空发动机剩余寿命预测方法

基于DBN-GRU的航空发动机剩余寿命预测方法

作者： 周战洪     李冀     贺红林     陈博瑞.   来源： 第六届中国航空科学技术大会论文集 年份： 2023 文献类型 ： 会议论文 关键词： 融合模型   深度神经网络   涡扇发动机   剩余寿命预测  

描述： 基于DBN-GRU的航空发动机剩余寿命预测方法

故障影响下航空发动机剩余寿命预测方法研究

作者： 林正   来源： 重庆大学 年份： 2020 文献类型 ： 学位论文 关键词： Wiener过程   退化过程   故障影响   剩余寿命预测  

描述： 故障影响下航空发动机剩余寿命预测方法研究

故障影响下航空发动机剩余寿命预测方法研究

作者： 林正   来源： 重庆大学 年份： 2020 文献类型 ： 学位论文 关键词： Wiener过程   退化过程   故障影响   剩余寿命预测  

描述： 故障影响下航空发动机剩余寿命预测方法研究

基于多源信息融合的飞行器部件剩余寿命预测

作者： 张秋雁   杨忠   姜遇红   张启伦   卢凯文   张辉斌   来源： 机械制造与自动化 年份： 2020 文献类型 ： 期刊 关键词： 多源信息融合   余弦相似度   相似性   神经网络   剩余寿命预测  

描述： 方法,将服役部件和参考部件退化模型进行模式匹配,确定与服役部件具有相同退化模式的参考部件,进而提高基于相似性剩余寿命预测方法的预测精度。通过NASA航空发动机数据集和相同评价指标下的对比分析,验证了该方法的有效性。

基于特征注意力机制的GRU-GAN航空发动机剩余寿命预测

作者： 袁烨   黄虹   程骋   虞文武   丁汉   来源： 中国科学:技术科学 年份： 2022 文献类型 ： 期刊 关键词： 注意力机制   生成对抗网络   特征提取   航空航天   剩余寿命预测  

描述： 涡扇发动机作为航空航天领域的核心设备之一,其健康状况决定了航空器能否稳定可靠地运行.涡扇发动机的剩余寿命预测是航天器设备监测与维护的重要一环.然而涡扇发动机的监测过程具有工况复杂、监测数据多样