航空发动机故障实体识别方法及应用

作者： 张亮   吴闯   唐希浪   冯少林   来源： 空军工程大学学报(自然科学版) 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机   智能故障诊断   实体识别   知识图谱  

描述： 故障实体识别是自主获取航空发动机故障知识的基础，对实现航空发动机故障智能诊断起到至关重要的作用。为准确快速搭建航空发动机大规模故障知识库，在定义了“单元”“故障状态”“表征信号”“检查方法”和“解决措施”5种航空发动机故障实体类型的基础上，初步构建了一种以Bert-BiLSTM-CRF模型为基础的航空发动机故障实体识别方法。基于某型航空发动机大规模数据集分析抽取了故障实体，搭建了滑油压力异常故障知识图谱，验证了该方法识别航空发动机多源异构故障数据的有效性。

航空发动机故障实体识别方法及应用

作者： 张亮   吴闯   唐希浪   冯少林   来源： 空军工程大学学报(自然科学版) 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机   智能故障诊断   实体识别   知识图谱  

描述： 故障实体识别是自主获取航空发动机故障知识的基础，对实现航空发动机故障智能诊断起到至关重要的作用。为准确快速搭建航空发动机大规模故障知识库，在定义了“单元”“故障状态”“表征信号”“检查方法”和“解决措施”5种航空发动机故障实体类型的基础上，初步构建了一种以Bert-BiLSTM-CRF模型为基础的航空发动机故障实体识别方法。基于某型航空发动机大规模数据集分析抽取了故障实体，搭建了滑油压力异常故障知识图谱，验证了该方法识别航空发动机多源异构故障数据的有效性。

十一柱塞航空泵转子系统轴径比对功重比的影响

作者： 郭长虹   罗进   权凌霄   张青松   来源： 机械科学与技术 年份： 2022 文献类型 ： 期刊 关键词： 转子系统   航空柱塞泵   有限元分析   功重比  

描述： 为研究不同轴径比转子系统对航空泵功重比的影响，建立了十一柱塞航空液压泵缸体、传动轴、支撑轴承这3部分组成的转子系统。首先，建立了泵排量、流量和功率的计算模型，基于排量不变原则，设计了16组不同轴径比

十一柱塞航空泵转子系统轴径比对功重比的影响

作者： 郭长虹   罗进   权凌霄   张青松   来源： 机械科学与技术 年份： 2022 文献类型 ： 期刊 关键词： 转子系统   航空柱塞泵   有限元分析   功重比  

描述： 为研究不同轴径比转子系统对航空泵功重比的影响，建立了十一柱塞航空液压泵缸体、传动轴、支撑轴承这3部分组成的转子系统。首先，建立了泵排量、流量和功率的计算模型，基于排量不变原则，设计了16组不同轴径比

十一柱塞航空泵转子系统轴径比对功重比的影响

作者： 郭长虹   罗进   权凌霄   张青松   来源： 机械科学与技术 年份： 2022 文献类型 ： 期刊 关键词： 转子系统   航空柱塞泵   有限元分析   功重比  

描述： 为研究不同轴径比转子系统对航空泵功重比的影响，建立了十一柱塞航空液压泵缸体、传动轴、支撑轴承这3部分组成的转子系统。首先，建立了泵排量、流量和功率的计算模型，基于排量不变原则，设计了16组不同轴径比

十一柱塞航空泵转子系统轴径比对功重比的影响

作者： 郭长虹   罗进   权凌霄   张青松   来源： 机械科学与技术 年份： 2022 文献类型 ： 期刊 关键词： 转子系统   航空柱塞泵   有限元分析   功重比  

描述： 为研究不同轴径比转子系统对航空泵功重比的影响，建立了十一柱塞航空液压泵缸体、传动轴、支撑轴承这3部分组成的转子系统。首先，建立了泵排量、流量和功率的计算模型，基于排量不变原则，设计了16组不同轴径比

基于提升卷积神经网络的航空发动机高速轴承智能故障诊断

作者： 韩淞宇   邵海东   姜洪开   张笑阳   来源： 航空学报 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机高速轴承   不平衡数据   智能故障诊断   自适应权重   多尺度特征提取   提升卷积神经网络   损失函数补偿  

描述： 航空发动机轴承长时间工作在高速重载的恶劣条件下，将不可避免地产生性能衰退甚至引发各种故障，自动准确的航空发动机高速轴承故障诊断方法有助于提升运行安全性和维修经济性。航空发动机高速轴承的原始振动信号具有强烈的非平稳性，且其故障样本数量远小于健康样本，传统的智能诊断方法更容易向大样本偏斜，从而导致诊断性能的降低。针对上述问题，提出了一种基于自适应权重和多尺度卷积的提升卷积神经网络（CNN）。首先构造多尺度卷积网络提取故障样本的多尺度特征，挖掘具有识别性的有用信息；然后设计自适应权重单元对多尺度特征进行加权融合，增加重要特征的贡献度，减少非相关特征的影响；最后采用Focal Loss作为损失函数，使训练过程中网络模型更关注故障样本和易混淆样本。通过航空发动机高速轴承振动数据的测试与分析，证实了所提方法在不平衡数据故障诊断任务中的可行性。

基于提升卷积神经网络的航空发动机高速轴承智能故障诊断

作者： 韩淞宇   邵海东   姜洪开   张笑阳   来源： 航空学报 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机高速轴承   不平衡数据   智能故障诊断   自适应权重   多尺度特征提取   提升卷积神经网络   损失函数补偿  

描述： 航空发动机轴承长时间工作在高速重载的恶劣条件下，将不可避免地产生性能衰退甚至引发各种故障，自动准确的航空发动机高速轴承故障诊断方法有助于提升运行安全性和维修经济性。航空发动机高速轴承的原始振动信号具有强烈的非平稳性，且其故障样本数量远小于健康样本，传统的智能诊断方法更容易向大样本偏斜，从而导致诊断性能的降低。针对上述问题，提出了一种基于自适应权重和多尺度卷积的提升卷积神经网络（CNN）。首先构造多尺度卷积网络提取故障样本的多尺度特征，挖掘具有识别性的有用信息；然后设计自适应权重单元对多尺度特征进行加权融合，增加重要特征的贡献度，减少非相关特征的影响；最后采用Focal Loss作为损失函数，使训练过程中网络模型更关注故障样本和易混淆样本。通过航空发动机高速轴承振动数据的测试与分析，证实了所提方法在不平衡数据故障诊断任务中的可行性。