首页>
根据【关键词:飞机防滑刹车系统,人工蜂群算法,BP神经网络,故障诊断,数据增强,故障注入】搜索到相关结果 106 条
-
基于改进的神经网络对航空发动机故障率预测研究
-
作者:
薛永亮
陈振林
来源:
计算机测量与控制
年份:
2019
文献类型 :
期刊
关键词:
BP神经网络
预测
故障率
-
描述:
以某俄式发动机为研究对象,根据该发动机故障分布,使用优化后的BP神经网络对该故障率模拟;针对BP神经网络可能陷入局部极小值点的问题,在激励函数中加入模糊参数;与原网络相比,在不同学习速率的条件下,优化后的BP神经网络预测结果与实际故障率更为拟合,预测结果更为准确;该模型对于该型号发动机的故障预测具有一定参考意义。
-
基于多种预测的飞机故障率预测
-
作者:
王常衡
罗钦
卢曼
李嘉伟
来源:
计算机产品与流通
年份:
2019
文献类型 :
期刊
关键词:
灰色预测
BP神经网络
飞机故障率
-
描述:
本文使用BP神经网络和灰色预测对主要燃料系统故障率进行预测,并对两种方法的预测结果进行分析对比。
-
基于改进的神经网络对航空发动机故障率预测研究
-
作者:
薛永亮
陈振林
来源:
计算机测量与控制
年份:
2019
文献类型 :
期刊
关键词:
BP神经网络
预测
故障率
-
描述:
以某俄式发动机为研究对象,根据该发动机故障分布,使用优化后的BP神经网络对该故障率模拟;针对BP神经网络可能陷入局部极小值点的问题,在激励函数中加入模糊参数;与原网络相比,在不同学习速率的条件下,优化后的BP神经网络预测结果与实际故障率更为拟合,预测结果更为准确;该模型对于该型号发动机的故障预测具有一定参考意义。
-
基于BP神经网络的飞机目标识别算法
-
作者:
夏海琴
彭章友
来源:
电子测量技术
年份:
2019
文献类型 :
期刊
关键词:
小波变换
RCS
BP神经网络
飞机目标识别
-
描述:
针对飞机目标识别中模板匹配等方法存在的识别率低的问题,提出一种基于多层BP神经网络的飞机目标识别算法。该算法首先利用CST电磁仿真软件精确仿真目标的全空域RCS数据,根据飞行的航迹获取动态RCS时间序列。其次,计算目标动态RCS时间序列的均值、极大值等统计特性以及对目标动态RCS时间序列进行多尺度小波分解和重构,计算每层近似信号重构能量和细节信号重构能量,之后提取目标RCS的时频特征。最后,构建多层BP神经网络模型来识别3种类型的目标。仿真结果表明,该目标识别算法能够有效的识别3种不同类型的飞机目标,识别率达到了90%。
-
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。
-
基于人工神经网络的航空瞬变电磁拟电阻率成像方法研究
-
作者:
李栋
来源:
长安大学
年份:
2019
文献类型 :
学位论文
关键词:
BP神经网络
拟电阻率成像
航空瞬变电磁法
-
描述:
基于人工神经网络的航空瞬变电磁拟电阻率成像方法研究
-
民用飞机环控系统仿真研究
-
作者:
刘浩
来源:
南京航空航天大学
年份:
2019
文献类型 :
学位论文
关键词:
BP神经网络
环控系统
仿真分析
民用飞机
-
描述:
民用飞机环控系统仿真研究
-
基于人工神经网络的航空瞬变电磁拟电阻率成像方法研究
-
作者:
李栋
来源:
长安大学
年份:
2019
文献类型 :
学位论文
关键词:
BP神经网络
拟电阻率成像
航空瞬变电磁法
-
描述:
基于人工神经网络的航空瞬变电磁拟电阻率成像方法研究
-
民用飞机环控系统仿真研究
-
作者:
刘浩
来源:
南京航空航天大学
年份:
2019
文献类型 :
学位论文
关键词:
BP神经网络
环控系统
仿真分析
民用飞机
-
描述:
民用飞机环控系统仿真研究
-
基于集合经验模态分解的交流航空故障电弧识别
-
作者:
高飞
董伟
桂美景
张俊民
来源:
电工电能新技术
年份:
2019
文献类型 :
期刊
关键词:
电弧动态特性
BP神经网络
能量熵
集合经验模态分解
交流航空故障电弧
-
描述:
故障电弧作为一种破坏性强,识别难度大的电路故障,给飞机的安全带来很大的威胁。然而目前航空业应用的电弧识别方法远不能达到要求。所以本文提出了一种将集合经验模态分解和LM优化的BP神经网络相结合的交流航空故障电弧识别方法。首先建立串联和并联交流电弧实验模拟平台,采集电弧电流波形,分析波形动态特性。将波形进行集合经验模态分解,选取差别明显模态分量作为故障特征分量。计算故障特征分量的能量熵作为交流故障电弧的特征量,输入到LM算法优化的BP神经网络,进行识别。结果表明,识别率达到90%以上,较好地识别出了航空故障电弧。