全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
按文献类别分组
关键词
- 航空装备激光增材制造技术发展及路线图
- 作者： 王天元 黄帅 周标 郑涛 张国栋 郭绍庆 来源： 航空材料学报 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 金属材料 发展路线图 飞机 激光增材制造
- 描述： 激光增材制造支持结构设计创新、快速研制和验证，是当前航空装备领域最具代表性的增材制造方法，其中激光选区熔化主要应用于复杂精密功能结构的精确近净成形制造，激光直接沉积主要用于大尺寸复杂承载结构的制造。为支撑航空领域增材制造技术发展的战略布局，本文对激光增材制造现状和发展趋势进行梳理，指出增材制造发展重点必然会转向产品的冶金质量、力学性能及其稳定性控制方面，增材制造设备的在线监测、参数自整定控制等智能化功能的研究开发正成为设备的研发热点，基于损伤失效分析、寿命预测研究的增材制件力学行为研究以及基于元件、特征结构的性能考核验证技术，开始引起工程应用部门的关注。在对技术发展趋势分析的基础上，提出2035年航空领域激光增材制造技术发展目标和相应的政策和环境支撑、保障需求，并给出2035年技术发展路线图建议。
- 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
- 航空发动机反推作动器楔形缓冲结构研究
- 作者： 田杨涛 王胜 袁杰 王文山 来源： 航空科学技术 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 节流缓冲 SIMULINK 仿真分析 作动器
- 描述： 为了削弱航空发动机反推作动器在展开过程末端的强烈机械冲击，将楔形液压缸缓冲结构应用于该反推作动器。本文建立了该反推作动器节流缓冲的数学模型和Simulink仿真模型，对该作动器在缓冲过程中的速度特性
- 基于增强最小熵解卷积的航空发动机故障诊断
- 作者： 赵艺珂 王家序 张新 吴磊 刘治汶 来源： 中国机械工程 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 无偏自相关 故障诊断 轴承 最小熵解卷积
- 描述： 。仿真信号分析结果表明，所提方法在复杂干扰下仍能准确提取轴承故障冲击序列。航空发动机故障诊断案例分析证实了该方法对复杂机械结构中轴承故障诊断的有效性。
- 航空发动机气动失稳检测管路设计研究
- 作者： 詹轲倚 刘有云 陈航 耿佳 来源： 测控技术 年份： 2023 文献类型 ： 期刊 关键词： 管路 航空发动机 设计流程 频率响应 失稳检测
- 描述： 为满足航空发动机旋转失速和喘振失稳信号的实时监测需求，探讨了试验测量和机载测量失稳判别信号测量方法，两种使用场景均须考虑测压管路响应频率。分析了喘振和旋转失速过程中的压力脉动特征，喘振信号频率与
- 基于改进YOLOv5的航空发动机表面缺陷检测模型
- 作者： 李鑫 李香蓉 汪诚 李秋良 李卓越 来源： 激光与光电子学进展 年份： 2023 文献类型 ： 期刊 关键词： 注意力机制 航空发动机 机器视觉 YOLOv5 表面缺陷检测
- 描述： 针对目前航空发动机表面人工缺陷检测效率低的问题，本文提出了一种基于改进YOLOv5的缺陷检测模型YOLOv5-CE。首先在网络中融合数据增强策略搜索算法，自动为当前数据集搜索最佳的数据增强策略，实现
- 航空发动机机械磨损故障的诊断分析
- 作者： 刘永亚 来源： 科技资讯 年份： 2023 文献类型 ： 期刊 关键词： 机械磨损故障 航空发动机 磨损机理 故障诊断 诊断方法
- 描述： 航空运输由于其舒适性和便捷性成为大多数人出现方式的第一选择，但是，因为航空发动机磨损导致的事故问题较多，影响到了航空运输安全。故而，该文以航空发动机机械磨损故障为例，首先从航空发动机机械磨损
- 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。