首页>
根据【关键词:航空发动机,故障诊断,元胞自动机,故障模式】搜索到相关结果 1225 条
-
元胞自动机模型在航空发动机故障诊断中的应用
-
作者:
郭宏志
李帅
赵理
来源:
测控技术
年份:
2021
文献类型 :
期刊
关键词:
航空发动机
故障诊断
元胞自动机
故障模式
-
描述:
航空发动机一般在高温、高压和高速转动的状态下工作,因此很难获取其全生命周期试验数据。针对无完整生命周期数据的小样本集合进行设计,提出一种基于元胞自动机的航空发动机故障诊断方法,该方法在获取发动机故障
-
元胞自动机模型在航空发动机故障诊断中的应用
-
作者:
郭宏志
李帅
赵理
来源:
测控技术
年份:
2020
文献类型 :
期刊
关键词:
航空发动机
故障诊断
元胞自动机
故障模式
-
描述:
航空发动机一般在高温、高压和高速转动的状态下工作,因此很难获取其全生命周期试验数据。针对无完整生命周期数据的小样本集合进行设计,提出一种基于元胞自动机的航空发动机故障诊断方法,该方法在获取发动机故障
-
基于IETM的航空装备故障诊断
-
作者:
郭杨翘楚
欧阳成
来源:
测控技术
年份:
2021
文献类型 :
期刊
关键词:
故障诊断
交互式电子技术手册(IETM)
故障隔离程序
故障模式
-
描述:
航空装备维护保障是航空产品全生命周期中的一个重要阶段。基于S1000D标准,通过对复杂的航空装备故障隔离程序的分析,确定故障诊断模型,并根据故障隔离Schema结构以及Fault信息集,给出了故障
-
基于IETM的航空装备故障诊断
-
作者:
郭杨翘楚
欧阳成
来源:
测控技术
年份:
2020
文献类型 :
期刊
关键词:
故障诊断
交互式电子技术手册(IETM)
故障隔离程序
故障模式
-
描述:
航空装备维护保障是航空产品全生命周期中的一个重要阶段。基于S1000D标准,通过对复杂的航空装备故障隔离程序的分析,确定故障诊断模型,并根据故障隔离Schema结构以及Fault信息集,给出了故障
-
多工况下航空发动机的故障模式分类
-
作者:
韩光洁
田晨
缑林峰
邵冬
罗斌
徐甜甜
林川
来源:
小型微型计算机系统
年份:
2022
文献类型 :
期刊
关键词:
航空发动机
一维卷积神经网络
故障模式
分类
-
描述:
航空发动机在多个操作条件下具有不同的故障模式.针对现有航空发动机数据集的故障模式和数据特点,本文在多工况下提出了一种基于一维卷积神经网络的航空发动机故障模式分类方法.该方法无需其他特征提取算法
-
多工况下航空发动机的故障模式分类
-
作者:
韩光洁
田晨
缑林峰
邵冬
罗斌
徐甜甜
林川
来源:
小型微型计算机系统
年份:
2022
文献类型 :
期刊
关键词:
航空发动机
一维卷积神经网络
故障模式
分类
-
描述:
航空发动机在多个操作条件下具有不同的故障模式.针对现有航空发动机数据集的故障模式和数据特点,本文在多工况下提出了一种基于一维卷积神经网络的航空发动机故障模式分类方法.该方法无需其他特征提取算法
-
自动检测技术在航空发动机方面的应用
-
作者:
吕伟
来源:
电子测试
年份:
2017
文献类型 :
期刊
关键词:
航空发动机
故障诊断
自动检测技术
状态监控
-
描述:
自动化的重要基础,航空发动机故障诊断技术是实现航空发动机视情维修的重要一环,在航空发动机的设计、生产、使用和维护中起着非常重要的指导作用。
-
基于ABC-BP神经网络的航空发动机故障诊断方法研究
-
作者:
朱涛
来源:
电子制作
年份:
2021
文献类型 :
期刊
关键词:
ABC
航空发动机
BP神经网络
故障诊断
-
描述:
航空航天领域是国家科技发展的重点创新项目,航空发动机是航天飞机的动力保障系统,其故障诊断研究一直处于重要的研究地位,运用ABC-BP神经网络的诊断模型构建,是目前正在发展创新的诊断方法。本文首先对
-
基于GSA-Elman神经网络的航空发动机故障诊断
-
作者:
尹玥
吴闯洋
来源:
科技与创新
年份:
2019
文献类型 :
期刊
关键词:
万有引力算法
航空发动机
故障诊断
Elman神经网络
-
描述:
、BP和Elman神经网络用于航空发动机气路故障诊断,从发动机故障诊断的网络训练速度以及诊断精度两个方面进行综合比较分析。结果表明,三种网络都能对发动机故障做出准确的诊断,其中GSA-Elman网络的收敛速度比其他两种网络更快,且诊断的精度更高。
-
基于GSA-Elman神经网络的航空发动机故障诊断
-
作者:
尹玥
吴闯洋
来源:
科技与创新
年份:
2019
文献类型 :
期刊
关键词:
万有引力算法
航空发动机
故障诊断
Elman神经网络
-
描述:
、BP和Elman神经网络用于航空发动机气路故障诊断,从发动机故障诊断的网络训练速度以及诊断精度两个方面进行综合比较分析。结果表明,三种网络都能对发动机故障做出准确的诊断,其中GSA-Elman网络的收敛速度比其他两种网络更快,且诊断的精度更高。