首页>
根据【关键词:航空发动机,一维卷积残差网络,能谱分析,深度学习,磨损】搜索到相关结果 313 条
-
基于混合模型的航空发动机磨损趋势预测
-
作者:
刘尧
王华辉
李南伯
袁平
来源:
2018年军工装备技术交流会
年份:
2018
文献类型 :
会议论文
关键词:
支持向量机
航空发动机
趋势预测
CART
PCA
-
描述:
基于混合模型的航空发动机磨损趋势预测
-
基于CNN与GRU的航空发动机剩余寿命预测
-
作者:
王文庆
郭恒
范启富
来源:
第37届中国控制会议
年份:
2018
文献类型 :
会议论文
关键词:
航空发动机
卷积神经网络
门控递归单元
长短期记忆
剩余寿命预测
-
描述:
基于CNN与GRU的航空发动机剩余寿命预测
-
用于航空发动机的光纤F-P温度传感器及其信号解调系统研究
-
作者:
林启敬
伍子荣
赵娜
田边
蒋庄德
来源:
陕西省智能制造与测试技术青年科技工作者论坛
年份:
2018
文献类型 :
会议论文
关键词:
航空发动机
光纤传感器
性能测试
信号解调
高温测量
-
描述:
用于航空发动机的光纤F-P温度传感器及其信号解调系统研究
-
正向研制流程驱动的航空发动机标准体系研究
-
作者:
李伟
来源:
标准科学
年份:
2018
文献类型 :
期刊
关键词:
标准体系
霍尔模型
系统工程
航空发动机
流程
正向研制
-
描述:
航空发动机标准体系是航空发动机研制、生产的重要依据和保障。在标准体系基本模型的基础上,借助系统工程的方法论霍尔模型和生命周期模型,提出了产品研制系统工程模型,并基于此提出了构建正向研制流程驱动的航空发动机标准体系基本方法,有利于我国建立健全基于系统工程的航空发动机研发体系,提高航空发动机研制能力。
-
航空发动机1次表面换热器流动换热性能分析
-
作者:
刘荫泽
张声宝
董威
刘振宇
于霄
来源:
航空发动机
年份:
2018
文献类型 :
期刊
关键词:
叉流
航空发动机
1次表面换热器
逆流
数值模拟
流动换热
-
描述:
为了研究航空发动机1次表面换热器流动换热性能,基于传热单元数法并结合其结构特性,建立了换热器热力学设计方法并对经典热力学公式进行了对比分析。同时针对适用于航空发动机的4种不同结构形式1次表面换热器
-
基于灰色和LSSVM的航空发动机状态预测
-
作者:
崔建国
高波
蒋丽英
于明月
郑蔚
来源:
计算机工程与设计
年份:
2018
文献类型 :
期刊
关键词:
状态预测
航空发动机
最小二乘支持向量机
排气温度
主燃油泵
灰色模型
-
描述:
)的组合预测方法。通过灰色累加对原始数据序列进行处理,建立灰色预测模型,利用灰色预测模型的预测结果作为输入,原始数据作为输出,训练构建LSSVM预测模型进行预测。选取航空发动机主燃油泵作为具体研究对象,采集
-
LSSVM与HMM在航空发动机状态预测中的应用研究
-
作者:
崔建国
高波
蒋丽英
于明月
郑蔚
来源:
计算机工程
年份:
2018
文献类型 :
期刊
关键词:
隐马尔科夫模型
状态预测
航空发动机
最小二乘支持向量机
小波包分解
振动信号
降噪
-
描述:
传统单一的状态预测方法难以精确预测航空发动机状态的缺陷,而最小二乘支持向量机(LSSVM)具有较强的非线性预测能力和泛化能力,可以有效地对信号进行非线性预测,隐马尔科夫模型(HMM)有利于处理连续
-
航空发动机低温壳体设计需求分析与指标确定策略
-
作者:
赵雷
来源:
航空发动机
年份:
2018
文献类型 :
期刊
关键词:
风险分析
航空发动机
模糊评价
概念设计
壳体
QFD
结构
-
描述:
航空发动机的低温壳体在使用时需要满足相应的强度、刚度指标及质量要求。对发动机低温壳体在不同应用环境下进行定量需求分析以明确设计目标。通过QFD质量功能展开工具逐层分解客户需求、定位功能和物理参数
-
航空发动机气路故障诊断的SANNWA-PF算法
-
作者:
许梦阳
黄金泉
鲁峰
来源:
航空动力学报
年份:
2018
文献类型 :
期刊
关键词:
航空发动机
故障诊断
自适应
粒子滤波
神经网络
非高斯噪声
-
描述:
针对航空发动机非线性、非高斯的特点,提出一种用于航空发动机气路故障诊断的自适应神经网络权值调整粒子滤波(SANNWA-PF)算法。该算法根据粒子分布情况确定分裂和调整的粒子数目,进而根据粒子权重采用
-
基于模糊信息粒化和优化SVM的航空发动机性能趋势预测
-
作者:
李艳军
张建
曹愈远
张丽娜
来源:
航空动力学报
年份:
2018
文献类型 :
期刊
关键词:
模糊信息粒化
航空发动机
遗传算法
参数预测
折交叉验证
k
支持向量机(SVM)
-
描述:
提出采用模糊信息粒化(FIG)和优化的支持向量机(SVM)来预测航空发动机参数的变化趋势和变化空间。利用模糊信息粒化方法对性能参数进行粒化处理。以K-CV验证误差最小作为优化目标,采用遗传算法(GA
<
1
2
3
...
22
23
24
...
30
31
32
>