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LSTM分类器的航空发动机预测性维护模型
- 作者： 蔺瑞管 王华伟 车畅畅 倪晓梅 熊明兰 来源： 系统工程与电子技术 年份： 2022 文献类型 ： 期刊 关键词： 二分类 长短期记忆网络 时间窗 故障预测与健康管理 预测性维护
- 描述： 长短期记忆网络(long short-term memory network, LSTM)分类器的预测性维护模型。LSTM分类器通过门控单元对长时间序列信息进行充分筛选，并将有效信息用于时间序列预测。首先
- 基于LSTM分类器的航空发动机预测性维护模型
- 作者： 蔺瑞管 王华伟 车畅畅 倪晓梅 熊明兰 来源： 系统工程与电子技术 年份： 2022 文献类型 ： 期刊 关键词： 二分类 长短期记忆网络 时间窗 故障预测与健康管理 预测性维护
- 描述： 长短期记忆网络(long short-term memory network, LSTM)分类器的预测性维护模型。LSTM分类器通过门控单元对长时间序列信息进行充分筛选，并将有效信息用于时间序列预测。首先
- 基于可自动扩展的LSTM模型的航空发动机剩余寿命预测方法
- 作者： 胡立坤 何旭杰 殷林飞 来源： 计算机应用研究 年份： 2023 文献类型 ： 期刊 关键词： 长短期记忆网络 航空发动机 自动扩展 子模块级联 剩余寿命预测
- 描述： 对航空发动机进行实时状态监测与健康管理可以有效降低发动机故障风险，确保飞机飞行安全。准确预测航空发动机的剩余寿命是有效监测发动机运行状态的一种重要手段，其中长短期记忆(Long-Short Term Memory,LSTM)网络常被使用。但由于航空发动机复杂的机械结构与运行模式，使用传统的LSTM网络对航空发动机的剩余寿命进行单次预测后，所得预测结果的准确率不足以满足其寿命预测的精度要求。基于LSTM网络的广泛使用以及它对时间序列数据的有效预测能力，并考虑到采用多级预测的方法能够有效降低预测误差，提出了一种新型的可自动扩展的长短期记忆(AutomaticallyExpandableLSTM,AELSTM)预测模型。AELSTM模型依托多个子模块逐级连接的网络结构，不断地提取前一级模块的输出误差作为后一级模块的训练值，形成了误差的多级预测机制，有效降低了模型的预测误差，提升了预测结果的准确性。最后，基于美国国家航空航天局发布的C-MAPSS数据集的四个子集，对AELSTM模型的预测效果进行了测试。实验结果表明，与传统的LSTM网络相比，AELSTM模型在四个子集上的均方根误差平均减少了95.44%，同时它的预测效果也优于现有的一些先进算法。实验充分验证了AELSTM模型在提升航空发动机剩余寿命预测准确度方面的有效性与优势。
- 某型军用飞机下降阶段燃油消耗模型研究
- 作者： 吴祯涛 李学仁 杜军 来源： 信号处理 年份： 2020 文献类型 ： 期刊 关键词： 互信息 长短期记忆网络 飞参数据 深度学习 燃油消耗
- 描述： 某型军用飞机下降阶段燃油消耗模型研究
- 航空器爬升与下降阶段4D航迹预测
- 作者： 赵元棣 李科频 朱文心 来源： 科学技术与工程 年份： 2023 文献类型 ： 期刊 关键词： 长短期记忆网络 4D航迹预测 循环神经网络 机器学习 航空运输
- 描述： 神经网络(recurrent neural network, RNN)和长短期记忆网络(long short/term memory, LSTM);其次，在下降阶段进行数据维度拓展，构建RNN
- 基于长短期记忆网络与轻梯度提升机的航空发动机大修期内剩余寿命预测
- 作者： 杨硕 高成 来源： 航空发动机 年份： 2024 文献类型 ： 期刊 关键词： 长短期记忆网络 航空发动机 组合模型 轻梯度提升机 剩余寿命预测
- 描述： 针对航空发动机大修期内由性能主导的剩余使用寿命预测中复杂设备具有状态变量多、非线性特征严重的特点以及单一模型面临特征提取不充分、预测精度不足等问题，提出一种长短期记忆网络（LSTM）与轻梯度提升机
- 基于深度学习方法的航空发动机寿命预测模型
- 作者： 郭晓静 贠玉晶 徐晓慧 来源： 振动.测试与诊断 年份： 2024 文献类型 ： 期刊 关键词： 注意力机制 长短期记忆网络 航空发动机 剩余寿命预测 协方差分析
- 描述： 为提高航空发动机剩余寿命（remaining useful life，简称RUL）预测能力，构建了一种注意力机制与长短期记忆网络（long short-term memory，简称LSTM）融合
- 基于BiGRU-AE与融入加性注意力机制的双层BiLSTM模型的航空发动机RUL预测
- 作者： 何宜霖 来源： 科学技术创新 年份： 2025 文献类型 ： 期刊 关键词： 长短期记忆网络 注意力机制 航空发动机 自编码器 剩余使用寿命
- 描述： 基于BiGRU-AE与融入加性注意力机制的双层BiLSTM模型的航空发动机RUL预测