基于融合卷积Transformer的航空发动机故障诊断

作者： 赵洪利   杨佳强   来源： 北京航空航天大学学报 年份： 2023 文献类型 ： 期刊 关键词： 自注意力机制   航空发动机   故障诊断   深度神经网络   融合卷积Transformer  

描述： ， BP网络）、卷积神经网络（Convolutional Neural Networks， CNN）和循环神经网络（Recurrent Neural Network， RNN）相比，准确率分别提高了6.552%、28.117%、13.189%和10.29%，证明了本文方法的有效性，可为航空发动机故障诊断提供一定的参考。

飞机异常动载荷快速定位的深度神经网络方法

作者： 梁舒雅     徐昕炜     杨特     王乐     杨智春   来源： 振动工程学报 年份： 2024 文献类型 ： 期刊 关键词： 深度神经网络   LSTM神经网络   反问题   动载荷定位   飞机结构  

描述： 飞机异常动载荷快速定位的深度神经网络方法

基于融合卷积Transformer的航空发动机故障诊断

作者： 赵洪利   杨佳强   来源： 北京航空航天大学学报 年份： 2023 文献类型 ： 期刊 关键词： 自注意力机制   航空发动机   故障诊断   深度神经网络   融合卷积Transformer  

描述： ， BP网络）、卷积神经网络（Convolutional Neural Networks， CNN）和循环神经网络（Recurrent Neural Network， RNN）相比，准确率分别提高了6.552%、28.117%、13.189%和10.29%，证明了本文方法的有效性，可为航空发动机故障诊断提供一定的参考。

飞机异常动载荷快速定位的深度神经网络方法

作者： 梁舒雅     徐昕炜     杨特     王乐     杨智春   来源： 振动工程学报 年份： 2024 文献类型 ： 期刊 关键词： 深度神经网络   LSTM神经网络   反问题   动载荷定位   飞机结构  

描述： 飞机异常动载荷快速定位的深度神经网络方法

自动飞行员复诵指令生成方法研究

作者： 潘卫军     蒋培元     李煜琨     王腾     陈宽明   来源： 科学技术与工程 年份： 2024 文献类型 ： 期刊 关键词： 集成学习   自动飞行员   管制员培训   文本生成   微调策略  

描述： 为了提高效率，降低培训成本并推广使用计算机来取代管制模拟机中的飞行员席位，采用集成学习的策略来生成飞行员复诵指令。选用5个大规模预训练语言模型进行微调，并使用K折交叉验证来筛选出性能较好的4个模型

基于CNN-BiLSTM的航空发动机滑油流量故障诊断预测方法研究

作者： 张青     赵洪利     杨佳强   来源： 内燃机与配件 年份： 2024 文献类型 ： 期刊 关键词： 航空发动机   CNN   深度神经网络   BiLSTM   快速存取(QAR)数据   滑油流量预测  

描述： %和7.85,右发预测准确率提升了7.97%和10.82%,证明了本文所提方法的有效性，为航空发动机滑油流量故障诊断的预测方法提供了新的解决方案。

基于新型深度神经网络的民机表面缺陷识别

作者： 张德银   陈从翰   黄选红   徐志强   来源： 计算技术与自动化 年份： 2020 文献类型 ： 期刊 关键词： 深度神经网络   表面缺陷识别   Inception   Net   残差   民航飞机  

描述： 为解决机务人员依靠经验来对民航飞机的表面缺陷进行识别时易发生误判的问题,开发了一种用于民机表面的缺陷识别的结合Inception-net和残差模块的新型深度神经网络。首先,通过对各机场的在修飞机表面

基于新型深度神经网络的民机表面缺陷识别

作者： 张德银   陈从翰   黄选红   徐志强   来源： 计算技术与自动化 年份： 2020 文献类型 ： 期刊 关键词： 深度神经网络   表面缺陷识别   Inception   Net   残差   民航飞机  

描述： 为解决机务人员依靠经验来对民航飞机的表面缺陷进行识别时易发生误判的问题,开发了一种用于民机表面的缺陷识别的结合Inception-net和残差模块的新型深度神经网络。首先,通过对各机场的在修飞机表面

应用深度核极限学习机的航空发动机部件故障诊断

作者： 逄珊   杨欣毅   张勇   韦祥   来源： 推进技术 年份： 2018 文献类型 ： 期刊 关键词： 极限学习机   故障诊断   深度神经网络   核方法   涡扇发动机   部件  

描述： 运用传统单隐层的神经网络进行航空发动机部件故障诊断识别受其浅层结构影响,精度不高,而用深度置信网络(Deep belief network,DBN)等深度学习方法则存在耗时、参数训练复杂的问题。为解决现有的基于数据驱动的发动机部件故障诊断方法的不足,提高诊断精度,缩短训练时间,将核方法和多层极限学习机(Multilayer extreme learning machine,M-ELM)相结合,提出一种深度核极限学习机(Deep kernel extreme learning machine,DK-ELM)。算法首先利用深度网络结构对输入数据进行逐层的特征提取,抽象得到的特征通过核函数实现高维空间映射分类。这些措施有利于提高算法的分类精度和泛化性能,在训练速度上较深度学习也有明显的提高。将该算法与深度学习和其他极限学习机算法进行综合比较研究,结果表明:基于DK-ELM的诊断方法有效、可靠,便于实现,为航空发动机部件故障诊断提供一个更为优秀实用的工具。

应用深度核极限学习机的航空发动机部件故障诊断

作者： 逄珊   杨欣毅   张勇   韦祥   来源： 推进技术 年份： 2018 文献类型 ： 期刊 关键词： 极限学习机   故障诊断   深度神经网络   核方法   涡扇发动机   部件  

描述： 运用传统单隐层的神经网络进行航空发动机部件故障诊断识别受其浅层结构影响,精度不高,而用深度置信网络(Deep belief network,DBN)等深度学习方法则存在耗时、参数训练复杂的问题。为解决现有的基于数据驱动的发动机部件故障诊断方法的不足,提高诊断精度,缩短训练时间,将核方法和多层极限学习机(Multilayer extreme learning machine,M-ELM)相结合,提出一种深度核极限学习机(Deep kernel extreme learning machine,DK-ELM)。算法首先利用深度网络结构对输入数据进行逐层的特征提取,抽象得到的特征通过核函数实现高维空间映射分类。这些措施有利于提高算法的分类精度和泛化性能,在训练速度上较深度学习也有明显的提高。将该算法与深度学习和其他极限学习机算法进行综合比较研究,结果表明:基于DK-ELM的诊断方法有效、可靠,便于实现,为航空发动机部件故障诊断提供一个更为优秀实用的工具。