关键词
作者: 殷萌暄     胡明华     尹嘉男     乔沛然     姚梦芸   来源: 航空计算技术 年份: 2024 文献类型 : 期刊 关键词: 注意力机制   特征提取   机场场面   滑行轨迹预测   自然语言处理  
描述:
作者: 王丽芳   来源: 装备维修技术 年份: 2024 文献类型 : 期刊 关键词: 滚动轴承   特征提取   增强包络谱   齿轮箱   快速谱相干  
描述:
基于自动编码器和支持向量机的飞机机动智能识别方法
作者: 岳龙飞     杨任农     杨文达     左家亮     刘会亮     许凌凯   来源: 兵器装备工程学报 年份: 2024 文献类型 : 期刊 关键词: 支持向量机   机动动作识别   特征提取   无监督学习   正则化自动编码器  
描述: 飞机机动动作识别是空战意图识别和智能决策的基础。针对传统机动动作识别方法存在的高维数据分析和特征提取能力不足、识别准确率不高的问题,考虑到机动数据的高维性、时序性的特点,提出基于正则化自动编码
基于频域特征的航空轴承智能诊断
作者: 李宏宇     苏越     陈康     王俨剀   来源: 航空动力学报 年份: 2024 文献类型 : 期刊 关键词: 特征提取   滚动轴承   故障诊断   双向循环长短期记忆网络   神经网络  
描述: 针对航空发动机滚动轴承的故障诊断,提出一种基于频域特征的故障诊断模型。将原始振动信号进行包络解调预处理,仅取每段数据处理后的512个点作为故障特征,将其作为双向循环长短期记忆网络(BiLSTM)模型的输入,可对内圈故障、外圈故障、滚动体故障及每种故障所对应3种不同的故障程度进行诊断。该模型不仅弥补完全由原始振动信号输入导致输入数据冗长,特征不明显等缺点,也弥补由人工提取振动特征来进行故障诊断的不确定性。在滚动轴承公开数据集上进行实验,结果表明故障识别的准确度达到99.8%以上。搭建航空轴承实验器来对方法与模型进行检验。基于频域特征的双向循环长短期记忆网络模型能够更准确地对轴承进行故障诊断,所提方法对于航空发动机滚动轴承故障诊断具有重要工程价值。
基于数模联合驱动的航空发动机转子系统滚动轴承故障诊断
作者: 胡伟钧     李道全     胡继军     苏哲磊   来源: 兵器装备工程学报 年份: 2025 文献类型 : 期刊 关键词: 航空发动机   滚动轴承   特征提取   故障诊断   数模联合  
描述: 基于数模联合驱动的航空发动机转子系统滚动轴承故障诊断
基于邻域点特征分割与对应的航空发动机叶片损伤点云配准
作者: 蔡舒妤     郝峰伟     史涛   来源: 北京航空航天大学学报 年份: 2025 文献类型 : 期刊 关键词: 特征提取   损伤检测   压气机叶片   点云配准   迭代最近点  
描述: 基于邻域点特征分割与对应的航空发动机叶片损伤点云配准
基于文本特征提取的航空情报语料词频分析
作者: 赖欣     张恒嫣     冯嘉宇     唐凯   来源: 中国民航飞行学院学报 年份: 2025 文献类型 : 期刊 关键词: 文本挖掘   特征提取   航空情报   词频分析   语料库  
描述: 基于文本特征提取的航空情报语料词频分析
稀疏驱动的航空发动机主轴承智能监测研究(英文)
作者: 丁宝庆   武靖耀   孙闯   王诗彬   陈雪峰   李应红   来源: Transactions of Nanjing University of Aeronautics and Astronautics 年份: 2021 文献类型 : 期刊 关键词: 特征提取   稀疏模型   变分自编码   智能监测   深度学习   航空发动机主轴承  
描述: 微弱特征提取是航空发动机健康监测与智能诊断的关键技术之一。本文针对航空发动机主轴承微弱故障智能监测难题,基于信号先验提出增强稀疏驱动的智能监测方法。通过分析经典凸稀疏诊断模型难以兼顾信号降噪与特征
基于特征提取的航空发动机滚动轴承故障诊断
作者: 周卓峰   刘伟   喻鸣   来源: 内燃机与配件 年份: 2023 文献类型 : 期刊 关键词: 滚动轴承   特征提取   深度信念网络   机器学习   故障诊断   旋转机械  
描述: 特征提取的滚动轴承故障诊断方法,通过特征提取获得更全面数据信息,再将深度信念网络模型用于信号识别,全方位反映航空发动机滚动轴承的运行状态。经实验验证,DBN模型在噪声环境下的平均准确率可达99%以上,具有较强的抗噪能力。
航空发动机信号采集处理及故障检测方法研究
作者: 刘伟   周卓峰   黄新阳   来源: 内燃机与配件 年份: 2023 文献类型 : 期刊 关键词: 集成学习   滚动轴承   特征提取   机器学习   故障诊断   旋转机械  
描述: 的方式分别学习数据在时域、频域、时频域上的深层特征进行综合诊断。经实验验证,EDNN模型在噪声环境、变载环境下的平均准确率分别达到了98%和97%,具有比SVM、1D-CNN、DBN等模型更强的抗噪与变负载适应性能力。
< 1 2 3 4 5 6
Rss订阅