首页>
根据【关键词:FTA,RBF神经网络,起落架,故障诊断】搜索到相关结果 16 条
-
飞机起落架液压电磁阀智能检测装置设计
-
作者:
陈良
李罡
潘柏全
贾春鹏
来源:
机床与液压
年份:
2020
文献类型 :
期刊
关键词:
起落架
电磁阀
检测装置
飞机
-
描述:
根据某型飞机起落架收放液压电磁阀的工作原理、技术标准和实验大纲,设计一种智能检测装置。该智能检测装置以计算机控制为核心,集机、电、液技术于一体,实现了对起落架液压电磁阀的外部密封性能、内漏性能
-
飞机起落架液压电磁阀智能检测装置设计
-
作者:
陈良
李罡
潘柏全
贾春鹏
来源:
机床与液压
年份:
2021
文献类型 :
期刊
关键词:
起落架
电磁阀
检测装置
飞机
-
描述:
根据某型飞机起落架收放液压电磁阀的工作原理、技术标准和实验大纲,设计一种智能检测装置。该智能检测装置以计算机控制为核心,集机、电、液技术于一体,实现了对起落架液压电磁阀的外部密封性能、内漏性能
-
飞机起落架液压电磁阀智能检测装置设计
-
作者:
陈良
李罡
潘柏全
贾春鹏
来源:
机床与液压
年份:
2020
文献类型 :
期刊
关键词:
起落架
电磁阀
检测装置
飞机
-
描述:
根据某型飞机起落架收放液压电磁阀的工作原理、技术标准和实验大纲,设计一种智能检测装置。该智能检测装置以计算机控制为核心,集机、电、液技术于一体,实现了对起落架液压电磁阀的外部密封性能、内漏性能
-
飞机起落架液压电磁阀智能检测装置设计
-
作者:
陈良
李罡
潘柏全
贾春鹏
来源:
机床与液压
年份:
2021
文献类型 :
期刊
关键词:
起落架
电磁阀
检测装置
飞机
-
描述:
根据某型飞机起落架收放液压电磁阀的工作原理、技术标准和实验大纲,设计一种智能检测装置。该智能检测装置以计算机控制为核心,集机、电、液技术于一体,实现了对起落架液压电磁阀的外部密封性能、内漏性能
-
基于虚拟样机技术的典型民用飞机起落架多体动力学联合仿真
-
作者:
张沈瞳
黄喜平
来源:
机床与液压
年份:
2018
文献类型 :
期刊
关键词:
收放系统
起落架
等效负载
联合仿真
-
描述:
起落架系统是飞机重要承力并兼有操纵特性的机构,其包括动力学、控制、液压等系统。在严重影响飞机安全的起降着陆过程中,担负着十分重要的使命。以典型民用飞机起落架收放系统为研究对象,分析其动力学行为,采用
-
基于虚拟样机技术的典型民用飞机起落架多体动力学联合仿真
-
作者:
张沈瞳
黄喜平
来源:
机床与液压
年份:
2018
文献类型 :
期刊
关键词:
收放系统
起落架
等效负载
联合仿真
-
描述:
起落架系统是飞机重要承力并兼有操纵特性的机构,其包括动力学、控制、液压等系统。在严重影响飞机安全的起降着陆过程中,担负着十分重要的使命。以典型民用飞机起落架收放系统为研究对象,分析其动力学行为,采用
-
飞机起落架自适应模糊神经PID控制方法的研究
-
作者:
李明鹏
胡俊宏
智鑫
来源:
机床与液压
年份:
2024
文献类型 :
期刊
关键词:
起落架
PID
姿态控制
模糊神经网络
-
描述:
针对传统PID控制与模糊PID控制的飞机起落架控制系统存在达不到理想控制精度以及控制速度的问题,提出一种基于模糊控制和神经网络的模糊神经PID控制算法。通过对起落架运动特点以及动力学相关的理论分析
-
基于空时模型的航空管路卡箍故障诊断研究
-
作者:
王铜宇
袁晟友
李开泰
米承权
林洁如
杨同光
来源:
机床与液压
年份:
2024
文献类型 :
期刊
关键词:
航空管路卡箍
故障诊断
空间特征提取
时间特征提取
-
描述:
针对航空液压管路卡箍振动信号受强噪声干扰,导致航空卡箍故障难以精准识别的问题,提出一种空时模型的航空卡箍故障诊断新方法。建立空间特征提取模型,对航空卡箍的故障特征进行局部融合。在空间模型中引入GRU
-
基于优化CNN的航空液压管路卡箍故障诊断
-
作者:
窦金鑫
薛政坤
于晓光
范玉鑫
刘忠鑫
杨同光
来源:
机床与液压
年份:
2021
文献类型 :
期刊
关键词:
液压管路卡箍
卷积神经网络
故障诊断
优化变分模态分解
-
描述:
箍智能故障诊断方法。基于优化的VMD将液压管路系统-卡箍振动信号分解成一系列固有模态函数;将含有卡箍故障信号明显的IMF输入到卷积神经网络训练模型,采用CNN进行自主特征学习和模式识别。并将该方法应用于实例中,结果表明:该方法不仅能有效地对信号进行分解,同时对不同类型的卡箍故障可达到精准识别和故障诊断。
-
基于优化CNN的航空液压管路卡箍故障诊断
-
作者:
窦金鑫
薛政坤
于晓光
范玉鑫
刘忠鑫
杨同光
来源:
机床与液压
年份:
2021
文献类型 :
期刊
关键词:
液压管路卡箍
卷积神经网络
故障诊断
优化变分模态分解
-
描述:
箍智能故障诊断方法。基于优化的VMD将液压管路系统-卡箍振动信号分解成一系列固有模态函数;将含有卡箍故障信号明显的IMF输入到卷积神经网络训练模型,采用CNN进行自主特征学习和模式识别。并将该方法应用于实例中,结果表明:该方法不仅能有效地对信号进行分解,同时对不同类型的卡箍故障可达到精准识别和故障诊断。