首页>
根据【关键词:航空发动机,特征提取,故障诊断,结构健康,状态监测,状态评估,先进传感,健康基线】搜索到相关结果 4601 条
-
基于状态监测数据的航空发动机剩余寿命在线预测
-
作者:
李航
张洋铭
来源:
南京航空航天大学学报
年份:
2021
文献类型 :
期刊
关键词:
Wiener过程
航空发动机
状态监测
隐含退化建模
剩余寿命预测
-
描述:
针对现有基于状态监测数据的航空发动机剩余寿命预测研究未能综合考虑隐含退化建模和同步更新漂移/扩散系数的问题,提出一种基于状态监测数据的航空发动机剩余寿命在线预测方法。首先,基于非线性Wiener过程
-
静电传感器在航空发动机超转监控中的应用分析
-
作者:
郭家琛
左洪福
甄博
张弓
来源:
南京航空航天大学学报(自然科学版)
年份:
2025
文献类型 :
期刊
关键词:
静电传感器
航空发动机
超转
状态监测
适航审定
-
描述:
静电传感器在航空发动机超转监控中的应用分析
-
基于DBN的航空发电机故障诊断方法研究
-
作者:
马楠
倪优扬
葛红娟
来源:
航空计算技术
年份:
2021
文献类型 :
期刊
关键词:
特征提取
航空发电机
故障诊断
深度置信网络
-
描述:
针对目前故障诊断方法多依赖于信号处理技术、步骤较为繁琐的问题,研究了一种基于深度置信网络的航空主电源故障诊断方法,直接对原始时域信号进行故障特征提取。分析了航空发电机的典型短路故障,构造了深度置信
-
基于DBN的航空发电机故障诊断方法研究
-
作者:
马楠
倪优扬
葛红娟
来源:
航空计算技术
年份:
2021
文献类型 :
期刊
关键词:
特征提取
航空发电机
故障诊断
深度置信网络
-
描述:
针对目前故障诊断方法多依赖于信号处理技术、步骤较为繁琐的问题,研究了一种基于深度置信网络的航空主电源故障诊断方法,直接对原始时域信号进行故障特征提取。分析了航空发电机的典型短路故障,构造了深度置信
-
基于ELM的航空发动机故障诊断方法
-
作者:
崔建国
刘宏伟
陶书弘
于明月
高阳
来源:
火力与指挥控制
年份:
2018
文献类型 :
期刊
关键词:
特征提取
极限学习机
故障诊断
小波包
-
描述:
以航空发动机主燃油泵为具体研究对象,提出了一种基于基于小波包能量比与极限学习机(Extreme Learning Machine,ELM)的故障诊断方法。对于某型真实航空发动机,采用振动传感器感知
-
航空发动机状态评估系统开发
-
作者:
王帅
来源:
中国民用航空学院
年份:
2016
文献类型 :
学位论文
关键词:
航空发动机
发动机维护
状态评估
全寿命管理
隶属函数
模糊层次分析
-
描述:
本文概要地说明了近几年来世界航空公司在发动机维护方面发展的历程,指出了对发动机进行定期维护的弊病,分析了航空发动机视情维护的重要性。进一步阐述了在视情维护的基础上发展起来的航空发动机状态评估系统在整个发动机机群管理方面的意义,并介绍了以发动机健康
-
航空发动机状态评估系统开发
-
作者:
王帅
来源:
中国民用航空学院
年份:
2016
文献类型 :
学位论文
关键词:
航空发动机
发动机维护
状态评估
全寿命管理
隶属函数
模糊层次分析
-
描述:
本文概要地说明了近几年来世界航空公司在发动机维护方面发展的历程,指出了对发动机进行定期维护的弊病,分析了航空发动机视情维护的重要性。进一步阐述了在视情维护的基础上发展起来的航空发动机状态评估系统在整个发动机机群管理方面的意义,并介绍了以发动机健康
-
某型航空发动机中介轴承故障诊断技术研究
-
作者:
董欢
来源:
沈阳航空航天大学
年份:
2017
文献类型 :
学位论文
关键词:
特征提取
故障诊断
随机森林
中介轴承
最小熵解卷积
-
描述:
、环境温度高,因此,故障率高,对飞机的安全运行造成严重威胁。可见,开展航空发动机中介轴承故障诊断与状态监测技术研究,对保证飞机安全可靠运行具有重要意义。本文以某型航空发动机中介轴承为研究对象,利用航空发动机
-
某型航空发动机中介轴承故障诊断技术研究
-
作者:
董欢
来源:
沈阳航空航天大学
年份:
2017
文献类型 :
学位论文
关键词:
特征提取
故障诊断
随机森林
中介轴承
最小熵解卷积
-
描述:
、环境温度高,因此,故障率高,对飞机的安全运行造成严重威胁。可见,开展航空发动机中介轴承故障诊断与状态监测技术研究,对保证飞机安全可靠运行具有重要意义。本文以某型航空发动机中介轴承为研究对象,利用航空发动机
-
基于频域特征的航空轴承智能诊断
-
作者:
李宏宇
苏越
陈康
王俨剀
来源:
航空动力学报
年份:
2024
文献类型 :
期刊
关键词:
特征提取
滚动轴承
故障诊断
双向循环长短期记忆网络
神经网络
-
描述:
针对航空发动机滚动轴承的故障诊断,提出一种基于频域特征的故障诊断模型。将原始振动信号进行包络解调预处理,仅取每段数据处理后的512个点作为故障特征,将其作为双向循环长短期记忆网络(BiLSTM)模型