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
- 基于神经网络的航空发动机滑油金属含量预测
- 作者： 陈庆贵 于光辉 谢静 于海滨 蔡娜 谢镇波 来源： 兵器装备工程学报 年份： 2020 文献类型 ： 期刊 关键词： RBF神经网络 航空发动机 BP神经网络 预测 滑油
- 描述： 基于神经网络的航空发动机滑油金属含量预测
- 基于递归径向基神经网络的航空发动机盘腔瞬态壁温预测
- 作者： 李振环 王海 丁小飞 刘太秋 王春华 来源： 推进技术 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 RBF神经网络 空气系统 瞬态壁温预测 多维重构
- 描述： 针对航空发动机空气系统盘腔瞬态壁温动态预测难的问题，提出了一种基于径向基神经网络的递归预测模型。首先通过时序数据多维重构的方法建立训练样本，强化径向基神经网络对“时滞性”的预测能力，分析了模型固有超
- 基于改进滑模趋近律的航空发动机控制器设计
- 作者： 刘帅 王金环 白杰 戴士杰 来源： 科学技术与工程 年份： 2020 文献类型 ： 期刊 关键词： 趋近律 航空发动机 多幂次 滑模控制
- 描述： 基于改进滑模趋近律的航空发动机控制器设计
- 基于证据理论的航空发动机状态评估
- 作者： 徐德一 王潇 赵兴华 曲娜 来源： 沈阳航空航天大学学报 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 RBF神经网络 信息融合 D S证据理论 健康状态评估模型
- 描述： 针对航空发动机状态监测数据的参数多、不确定性和冲突性，将航空发动机作为研究对象，构建了基于D-S证据理论与RBF神经网络相结合的健康状态评估模型。首先选取关键传感器参数，进行归一量化处理并计算各参数
- 基于BP-RBF神经网络的飞机舵机电液伺服加载系统研究
- 作者： 刘志伟 来源： 科技与创新 年份： 2017 文献类型 ： 期刊 关键词： 飞机舵机电液伺服加载系统 RBF神经网络 多余力 BP神经网络
- 描述： 飞机舵机电液伺服加载系统中存在多余力的干扰会影响系统加载的精确度,因此,为加载系统建模,建立整个电液伺服加载系统的非线性模型。在BP神经网络的PID控制器基础上加入了RBF神经网络,构成复合控制器,通过RBF神经网络的辨识,神经网络PID控制器控制精度高、效果好,参数实现了自整定,提高了非线性系统的控制精度,同时,也提高了加载精度,有效抑制了多余力。
- 基于RBF神经网络的波音737NG飞机引气系统故障诊断模型
- 作者： 肖晓阳 来源： 航空维修与工程 年份： 2021 文献类型 ： 期刊 关键词： RBF神经网络 故障诊断 引气系统 排故
- 描述： 鉴于波音737NG飞机引气系统故障率高、无系统衰退指示、无系统自检计算机、系统故障难放行、排故困难等特点,为快速准确地排除引气系统故障,提出利用RBF神经网络建立故障诊断模型,经实例验证,该模型能有效诊断引气系统故障,可辅助用于引气系统的排故。
- 基于RBF神经网络的波音737NG飞机引气系统故障诊断模型
- 作者： 肖晓阳 来源： 航空维修与工程 年份： 2021 文献类型 ： 期刊 关键词： RBF神经网络 故障诊断 引气系统 排故
- 描述： 鉴于波音737NG飞机引气系统故障率高、无系统衰退指示、无系统自检计算机、系统故障难放行、排故困难等特点,为快速准确地排除引气系统故障,提出利用RBF神经网络建立故障诊断模型,经实例验证,该模型能有效诊断引气系统故障,可辅助用于引气系统的排故。
- 基于BP-RBF神经网络的飞机舵机电液伺服加载系统研究
- 作者： 刘志伟 来源： 科技与创新 年份： 2019 文献类型 ： 期刊 关键词： 飞机舵机电液伺服加载系统 RBF神经网络 多余力 BP神经网络
- 描述： 飞机舵机电液伺服加载系统中存在多余力的干扰会影响系统加载的精确度,因此,为加载系统建模,建立整个电液伺服加载系统的非线性模型。在BP神经网络的PID控制器基础上加入了RBF神经网络,构成复合控制器,通过RBF神经网络的辨识,神经网络PID控制器控制精度高、效果好,参数实现了自整定,提高了非线性系统的控制精度,同时,也提高了加载精度,有效抑制了多余力。
- 压燃式航空活塞发动机转矩复合预测控制
- 作者： 叶桐 黄国勇 徐劲松 来源： 电子测量技术 年份： 2022 文献类型 ： 期刊 关键词： RBF神经网络 压燃式航空活塞发动机 转矩复合预测控制 模拟退火粒子群优化算法
- 描述： 由于压燃式航空活塞发动机工作过程具有强非线性等特点，只采用模型预测控制(MPC)算法来实现压燃式航空活塞发动机的转矩控制，会导致基于状态空间模型的转矩预测精度不理想。采用径向基(RBF)神经网络结合MPC的发动机转矩复合预测控制能解决上述问题。首先，通过脉谱(MAP)控制方式获得发动机的运行数据，以此作为自行搭建的发动机联合仿真平台上的神经网络训练样本集。其次，在粒子群优化(PSO)算法中引入模拟退火(SA)机制，训练RBF神经网络转矩预测模型。最后，通过联合仿真不断修正控制算法，验证了SA+PSO算法在RBF神经网络上训练发动机转矩预测模型的优越性，还能有效改善PSO算法容易陷入局部最优的问题，并通过发动机台架实验验证了转矩复合预测控制的有效性。