首页>
根据【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】搜索到相关结果 2447 条
-
航空发动机故障智能检测技术研究
-
作者:
郝立华
来源:
电子设计工程
年份:
2021
文献类型 :
期刊
关键词:
相关向量机
航空发动机
遗传算法
故障诊断
光谱分析
-
描述:
针对当前航空发动机故障诊断技术中支持向量机(SVM)培训时间较长、相关向量机(RVM)误差较大的问题。文中根据航空发动机的工作原理,以某款发动机为例,通过检测发动机油耗颗粒信息,提出了一种基于
-
航空发动机故障智能检测技术研究
-
作者:
郝立华
来源:
电子设计工程
年份:
2021
文献类型 :
期刊
关键词:
相关向量机
航空发动机
遗传算法
故障诊断
光谱分析
-
描述:
针对当前航空发动机故障诊断技术中支持向量机(SVM)培训时间较长、相关向量机(RVM)误差较大的问题。文中根据航空发动机的工作原理,以某款发动机为例,通过检测发动机油耗颗粒信息,提出了一种基于
-
航空发动机传感器与执行机构信息重构算法
-
作者:
孙浩
郭迎清
赵万里
来源:
北京航空航天大学学报
年份:
2021
文献类型 :
期刊
关键词:
航空发动机
故障诊断
广义似然比(GLR)
故障幅值估计
信息重构
-
描述:
为实现航空发动机传感器与执行结构在故障情形下的故障幅值估计及信息重构,缓解故障对发动机性能的影响,在已有故障检测和故障隔离算法的基础上,提出一种基于修正的广义似然比(GLR)方法的信息重构算法。针对
-
基于傅里叶分解方法的航空发动机转子故障诊断
-
作者:
刘洋
刘晓波
梁珊
来源:
中国机械工程
年份:
2019
文献类型 :
期刊
关键词:
航空发动机
故障诊断
时频分析
转子碰摩
傅里叶分解方法
-
描述:
针对传统时频分析法无法提取转子故障特征信息的问题,提出了基于傅里叶分解方法(FDM)的转子碰摩故障诊断方法.构造了调频调幅仿真信号,对比FDM、集合经验模态分解(EEGMD)、变分模态分解(VMD
-
航空发动机传感器与执行机构信息重构算法
-
作者:
孙浩
郭迎清
赵万里
来源:
北京航空航天大学学报
年份:
2020
文献类型 :
期刊
关键词:
航空发动机
故障诊断
广义似然比(GLR)
故障幅值估计
信息重构
-
描述:
航空发动机传感器与执行机构信息重构算法
-
基于贝叶斯网络的航空发动机故障诊断研究
-
作者:
徐嫄乐
缪志松
姜哲
来源:
航空计算技术
年份:
2020
文献类型 :
期刊
关键词:
蒙特卡罗仿真
航空发动机
贝叶斯网络
故障诊断
气路系统
-
描述:
针对航空发动机气路系统故障诊断,采用贝叶斯统计方法,建立气路部件健康参数与测量参数残差构成的贝叶斯网络模型,采用离散化方法计算得到贝叶斯网络中各个节点的条件概率分布,结合测量残差的实测信息,实现气路
-
基于深度学习的航空发动机故障融合诊断
-
作者:
车畅畅
王华伟
倪晓梅
洪骥宇
来源:
北京航空航天大学学报
年份:
2018
文献类型 :
期刊
关键词:
航空发动机
故障诊断
深度学习
抗干扰能力
决策融合
-
描述:
通过对航空发动机故障诊断,能够正确判断各部件工作状态,快速确定维修方案,保证飞行安全。在结合深度信念网络和决策融合理论的基础上,提出了基于深度学习的航空发动机故障融合诊断模型。该模型通过分析发动机
-
基于相关时间规整的航空发动机缓变故障诊断
-
作者:
周媛
左洪福
刘鹏鹏
来源:
电子测量与仪器学报
年份:
2018
文献类型 :
期刊
关键词:
航空发动机
相关时间规整
故障诊断
缓变故障
并发故障
-
描述:
针对航空发动机退化导致的缓变故障诊断问题,提出了一种基于相关时间规整算法的诊断模型,该模型通过挖掘发动机退化过程中过渡信息,根据退化数据中发动机状态变化特征来识别故障模式。通过仿真数据和实际案例
-
基于IPSO-Elman神经网络的航空发动机故障诊断
-
作者:
皮骏
黄江博
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
改进粒子群优化算法
Elman神经网络
平均影响值
-
描述:
为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选,降低输入维度;采用改进粒子群优化算法对
-
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
<
1
2
3
...
5
6
7
...
243
244
245
>