首页>
根据【检索词:疲劳寿命】搜索到相关结果 232 条
-
基于CAE与LSTM的航空发动机剩余寿命预测
-
作者:
王旭
艾红
来源:
北京信息科技大学学报(自然科学版)
年份:
2021
文献类型 :
期刊
关键词:
卷积自编码器
航空发动机
长短期记忆
健康因子
剩余寿命预测
-
描述:
通过深度学习方法构建航空发动机的健康状况评估模型,并在此模型基础上进行剩余寿命预测。基于卷积自编码器构建航空发动机的健康因子(health indicator,HI),以其HI值反映健康状况;通过
-
基于深度学习的航空发动机剩余使用寿命预测研究
-
作者:
温海茹
来源:
内燃机与配件
年份:
2021
文献类型 :
期刊
关键词:
航空发动机
深度学习
剩余使用寿命预测
-
描述:
随着深度学习不断的发展,航空发动机成为近年来的研究热点,其寿命预测的研究也受到了研究学者的关注。本文主要介绍航空发动机的剩余使用寿命预测背景,数据获取过程及基于深度学习的剩余使用寿命的预测方法,以及深度学习在航空发动方面预测的难点和发展趋势。
-
基于改进GRU的航空发动机剩余寿命预测
-
作者:
车畅畅
王华伟
倪晓梅
付强
来源:
航空计算技术
年份:
2021
文献类型 :
期刊
关键词:
航空发动机
时间序列预测
性能退化分析
GRU神经网络
剩余寿命预测
-
描述:
针对航空发动机状态参数多样且非线性相关、退化过程复杂的特点,提出了基于改进GRU(Gated Recurrent Units)神经网络的航空发动机剩余寿命预测模型。模型具有多层的GRU神经网络,将多
-
名义应力法在航空发动机部件寿命估算中的实现与应用
-
作者:
那岚
来源:
内燃机与配件
年份:
2019
文献类型 :
期刊
关键词:
雨流计数法
名义应力法
寿命估算
-
描述:
本文深入研究了雨流计数法的应用原理,应用雨流计数法分析了发动机飞参数据,获得了发动机使用载荷谱。详细阐述了基于名义应力法估算航空发动机部件寿命的实现方法,针对某航空发动机定制开发了部件寿命估算系统
-
再制造航空发动机涡轮盘LCF寿命预测研究
-
作者:
王常浩
刘淑杰
王轶凡
张洪潮
来源:
大连理工大学学报
年份:
2019
文献类型 :
期刊
关键词:
低周疲劳寿命预测
再制造涡轮盘
疲劳寿命修正系数
局部应力
应变法
-
描述:
针对缺乏航空发动机再制造涡轮盘低周疲劳(low cycle fatigue,LCF)参数数据,无法直接利用传统寿命预测方法进行再制造涡轮盘LCF寿命预测的现状,考虑疲劳极限与疲劳寿命的关系,提出利用
-
基于RF-SVR的燃油计量装置性能衰退检测和剩余寿命估计方法
-
作者:
来晨阳
郭迎清
于华锋
来源:
航空动力学报
年份:
2019
文献类型 :
期刊
关键词:
支持向量回归
随机森林
健康管理
剩余使用寿命
性能衰退
发动机燃油系统
-
描述:
为了实现航空发动机燃油系统的安全状态监测和健康管理,开展了燃油系统性能衰退检测和剩余使用寿命估计方面的研究。以燃油系统燃油计量装置为例,分析了其主要的性能衰退模式,设计了基于电流-速度数据的健康指标
-
基于健康指数相似的航空发动机剩余寿命预测
-
作者:
曹惠玲
梁佳旺
崔科璐
来源:
科学技术与工程
年份:
2020
文献类型 :
期刊
关键词:
健康指数
时间序列
航空发动机
相似性寿命预测
聚类分析
-
描述:
基于健康指数相似的航空发动机剩余寿命预测
-
基于改进GRU的航空发动机剩余寿命预测
-
作者:
车畅畅
王华伟
倪晓梅
付强
来源:
航空计算技术
年份:
2020
文献类型 :
期刊
关键词:
学习型工厂
思考与实践
高技能人才培养模式
技师学院
发动机部件
综合职业能力
发动机装配
高技能人才培训
-
描述:
针对航空发动机状态参数多样且非线性相关、退化过程复杂的特点,提出了基于改进GRU(Gated Recurrent Units)神经网络的航空发动机剩余寿命预测模型。模型具有多层的GRU神经网络,将多
-
基于超统计的多阶段航空发动机剩余寿命预测
-
作者:
刘君强
胡东斌
潘春露
雷凡
赵倩茹
来源:
北京航空航天大学学报
年份:
2020
文献类型 :
期刊
关键词:
非线性
航空发动机
无迹卡尔曼滤波
超统计
剩余寿命
多阶段
-
描述:
针对传统航空发动机剩余寿命预测模型无法客观描述多阶段性能衰退过程及对于剩余寿命预测精度不高的问题,本文提出了一个新的多阶段航空发动机剩余寿命预测模型,包括超统计理论、突变点检测、无迹卡尔曼滤波与
-
基于LSTM-DBN的航空发动机剩余寿命预测
-
作者:
李京峰
陈云翔
项华春
蔡忠义
来源:
系统工程与电子技术
年份:
2020
文献类型 :
期刊
关键词:
长短时记忆网络
健康指标
深度置信网络
剩余寿命预测
-
描述:
针对航空发动机剩余寿命预测中多传感器监测数据维度高、规模大以及时间序列信息考虑不充分等问题,提出一种融合长短时记忆网络和深度置信网络的剩余寿命预测方法。首先,利用长短时记忆网络分别对单一传感器进行
<
1
2
3
...
18
19
20
...
22
23
24
>