全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 航空发动机虚拟自学习控制方法研究
- 作者： 董建华 朱建铭 黎瀚涛 刘文烁 唐炜 来源： 航空工程进展 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 LSTM神经网络 智能控制 强化学习 TD3算法
- 描述： 随着人工智能技术的发展，智能航空发动机逐渐成为当今航空领域研究的热点。传统的航空发动机控制对发动机模型的依赖性过强，而基于发动机气热动力学公式的机理建模会引入较大的建模误差，给控制器设计带来困难
- 基于内嵌物理约束神经网络模型的航空发动机数字工程模型
- 作者： 林志富 肖洪 王占学 张晓博 来源： 推进技术 年份： 2023 文献类型 ： 期刊 关键词： 特征处理 航空发动机 数字工程模型 性能参数预估 内嵌物理约束神经网络
- 描述： 基于数字化模型的航空发动机故障诊断与健康管理系统是航空发动机数字化智能化的重要应用，用于航空发动机状态监测和性能预估的数字化模型是健康管理系统的核心之一。本文给出了一种融合航空发动机领域知识与
- 基于深度学习的航空发动机磨损部位识别方法
- 作者： 苗慧慧 曹桂松 孙智君 康玉祥 马佳丽 陈果 来源： 润滑与密封 年份： 2023 文献类型 ： 期刊 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
- 描述： 针对航空发动机润滑系统中摩擦副部件复杂、磨损颗粒能谱监测元素众多，靠人工经验难于进行磨损部位精确识别的问题，提出一种基于深度学习的航空发动机润滑系统磨损部位识别方法。该方法应用一维卷积核为计算单元
- 航空发动机部件和整机通流数值模拟研究
- 作者： 杨晨 吴虎 杜娟 张宏武 杨金广 来源： 工程热物理学报 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 通流 时间推进 整机 部件
- 描述： 针对航空发动机部件和整机，为实现快速准确的流场与性能分析，基于时间推进通流方法开展了相关研究，并开发了相应求解程序。以严格守恒型通流模型为基础，结合计算流体力学求解理论，依次进行了轴流、离心压气
- 考虑起飞工况的航空发动机性能退化预测研究
- 作者： 赵洪利 许博文 张青 来源： 推进技术 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 非线性维纳 局部线性嵌入算法 性能退化 工况修正
- 描述： 针对现阶段航空发动机性能退化建模研究没有考虑起飞工况的影响问题，提出了基于修正的非线性维纳过程发动机性能退化建模方法。该方法结合了同类型号发动机的历史性能退化数据与个体发动机的实时退化和工况数据
- 基于ANSYS的航空发动机叶片减振特性分析
- 作者： 朱阳阳 单兴兰 李张辉 来源： 机械制造与自动化 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 能量法 阻尼结构 减振 叶片
- 描述： 在全世界各种航空事故中，机翼叶片损坏的情况频繁发生，且损坏的大半是叶片结构。大多数的叶片损坏是强度失效或者振幅过大引起的。所以对叶片减振措施进行研究十分重要。使用二维整体-局部统一滑动模型公式，通过能量法求解所用模型中的等效刚度和等效阻尼。根据改编的涡轮叶片振动计算分析程序，计算阻尼结构减振效果，分析输入不同外激励下产生各种正压力时的减振效果。计算结果表明：二维摩擦振动加上阻尼器后，叶片的振幅明显减少，减振效果良好。
- 航空发动机加力燃烧燃油控制系统主动容错控制
- 作者： 杭杰 李运华 杨丽曼 来源： 航空学报 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 内泄漏故障 传感器故障 非线性未知输入状态观测器 主动容错控制
- 描述： 为提高航空发动机加力燃烧燃油控制系统的容错性和可靠性,针对同时存在非匹配扰动、传感器故障和内泄漏故障的燃油计量装置,本文提出一种新型自适应积分鲁棒主动容错控制策略。其中,基于自适应参数估计的非线性
- 一种基于TCN-LGBM的航空发动机气路故障诊断方法
- 作者： 吕卫民 孙晨峰 任立坤 赵杰 李永强 来源： 兵工学报 年份： 2023 文献类型 ： 期刊 关键词： 轻量级梯度提升机 注意力机制 航空发动机 故障诊断 时间卷积神经网络
- 描述： 长时间工作在高温高压、强振动等恶劣气路环境下的航空发动机经常面临部件疲劳、腐蚀和性能退化的问题，且其故障诊断时序逻辑性不强、故障参数耦合较深等特点十分明显，为此提出一种基于时间卷积神经网络(TCN
- 基于改进LSTM的航空发动机气路参数预测方法
- 作者： 马帅 吴亚锋 郑华 缑林峰 来源： 测控技术 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 性能参数预测 特征注意力机制 LSTM网络 故障诊断
- 描述： 以航空燃气涡轮发动机气路故障诊断为导向,提出了一种用于发动机气路参数预测的特征注意力增强型长短时记忆网络(Feature Attention Enhanced Long Short/Term Memory Network,FAE/LSTM)。FAE/LSTM是具有编码/解码结构的动态网络,首先通过编码器中的特征注意力单元对工况序列进行动态特征提取,然后通过特征拼接层融合编码器输出序列、工况序列以及历史性能参数,最后通过解码器实现最终的参数预测。FAE/LSTM基于发动机飞行过程数据建立发动机在健康状态下的动态模型,从而作为参数预测模型应用于基于残差的故障诊断系统中。针对网络的预测性能和应用方式进行了仿真分析,结果表明,相比于其他常用多变量时间序列预测模型,FAE/LSTM的长期预测误差最低减少24.5%;相比于使用串/并联结构,故障检测系统使用并联结构的FAE/LSTM网络能够获得更精确的检测结果。