基于多传感器融合卷积神经网络的航空发动机轴承故障诊断

作者： 杨洁   万安平   王景霖   单添敏   缪徐   李客   左强   来源： 中国电机工程学报 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机   卷积神经网络   多传感器信息融合   故障诊断   深度学习  

描述： 航空发动机轴承进行故障诊断。该模型采用一维卷积神经网络(one dimensional convolutional neural network,1D-CNN)对实验获取的某航空发动机的轴承故障

航空发动机外形点云特征分割的训练集构建

作者： 文思扬   周来水   闫杰琼   胡少乾   来源： 机械制造与自动化 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机   深度学习   点云分割   训练集   逆向工程  

描述： 在航空发动机外形重建过程中，需要将外形点云数据进行分割，获得更小、连贯、具有相同属性点的点云片段，以利于之后点云数据的分类提取。设计一种用于航空发动机外形特征点云分割的深度学习训练数据集的构建方法

基于堆栈自编码器和DeepAR的航空发动机剩余寿命预测

作者： 李浩   王卓健   李哲   陈煊   李园   来源： 推进技术 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机   寿命预测   深度学习   预测模型   数据融合  

描述： 针对现有航空发动机剩余寿命预测大多基于单点预测模式，不能准确给出预测结果置信区间的问题，提出了一种基于堆栈自编码器结合DeepAR模型的概率分布预测模型。首先，堆栈自编码器通过无监督式深度学习对

融合注意力和多尺度特征的航空发动机缺陷检测

作者： 赵崇林   朱江   胡永进   李祖泽   王鹏举   谢涛   来源： 北京航空航天大学学报 年份： 2023 文献类型 ： 期刊 关键词： 注意力机制   航空发动机   YOLOv5   深度学习   缺陷检测  

描述： 损失，实现对缺陷目标快速、准确地定位和识别。实验结果表明，本文算法检测缺陷的平均精确度达到了89.7％，较基准网络提升了6.3％，训练后的模型大小仅为14.0M。因此，所提方法可以有效地检测航空发动机的主要缺陷。

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

基于改进差分时域特征和深度学习优化的航空发动机剩余寿命预测算法

作者： 高峰   曲建岭   袁涛   高峰娟   来源： 电子测量与仪器学报 年份： 2019 文献类型 ： 期刊 关键词： 航空发动机   长短时记忆网络   寿命预测   深度学习   差分时域特征  

描述： 实现航空发动机剩余寿命的准确预测对于保证飞行安全和提高维修效率具有重要意义,但现有的预测算法往往只是浅层结构,且对各传感器参数之间的相互关系缺乏关联性考虑,限制了对发动机参数信息的深度挖掘。在

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

基于改进差分时域特征和深度学习优化的航空发动机剩余寿命预测算法

作者： 高峰   曲建岭   袁涛   高峰娟   来源： 电子测量与仪器学报 年份： 2019 文献类型 ： 期刊 关键词： 航空发动机   长短时记忆网络   寿命预测   深度学习   差分时域特征  

描述： 实现航空发动机剩余寿命的准确预测对于保证飞行安全和提高维修效率具有重要意义,但现有的预测算法往往只是浅层结构,且对各传感器参数之间的相互关系缺乏关联性考虑,限制了对发动机参数信息的深度挖掘。在

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

融合注意力和多尺度特征的航空发动机缺陷检测

作者： 赵崇林   朱江   胡永进   李祖泽   王鹏举   谢涛   来源： 北京航空航天大学学报 年份： 2023 文献类型 ： 期刊 关键词： 注意力机制   航空发动机   YOLOv5   深度学习   缺陷检测  

描述： 损失，实现对缺陷目标快速、准确地定位和识别。实验结果表明，本文算法检测缺陷的平均精确度达到了89.7％，较基准网络提升了6.3％，训练后的模型大小仅为14.0M。因此，所提方法可以有效地检测航空发动机的主要缺陷。