首页>
根据【检索词:航空电子产品 可靠性 故障物理】搜索到相关结果 14751 条
-
探析航空发动机常见故障诊断技术
-
作者:
景晓旭
来源:
内燃机与配件
年份:
2020
文献类型 :
期刊
关键词:
航空发动机
故障诊断
实施方法
技术分析
-
描述:
航空发动机在运行过程中难免会发生故障,想要第一时间迅速了解故障起因,进行维修,掌握航空发动机常见的故障诊断技术是维持发动机正常运行的重要一环。航空发动机故障诊断技术是实现航空发动机视情维修的重要一环
-
航空活塞发动机故障的主要特点及预防
-
作者:
周克家
邓志奇
孙晓建
来源:
科学技术创新
年份:
2020
文献类型 :
期刊
关键词:
航空
活塞发动机
故障
预防
航空器
-
描述:
航空活塞发动机是保证航空器正常运行,提供动力的重要方式。但是,航空活塞发动机故障具有多样性,不同故障有其不同特点,故障发生缺乏硬性规律,无法及时预见。为进一步落实航空活塞发动机维护管理,找到故障发生
-
探析航空发动机常见故障诊断技术
-
作者:
景晓旭
来源:
内燃机与配件
年份:
2020
文献类型 :
期刊
关键词:
航空发动机
故障诊断
实施方法
技术分析
-
描述:
航空发动机在运行过程中难免会发生故障,想要第一时间迅速了解故障起因,进行维修,掌握航空发动机常见的故障诊断技术是维持发动机正常运行的重要一环。航空发动机故障诊断技术是实现航空发动机视情维修的重要一环
-
基于深度学习的航空传感器故障诊断方法
-
作者:
郑晓飞
郭创
姚斌
冯华鑫
来源:
计算机工程
年份:
2018
文献类型 :
期刊
关键词:
信号重构
故障诊断
深度学习
航空传感器
深度置信网络
故障隔离
-
描述:
为解决传统神经网络进行传感器故障诊断时存在的过拟合、泛化能力有限等问题,提出一种基于深度置信网络观测器的航空传感器故障诊断方法。利用深度置信网络替代浅层神经网络,在优化网络结构的基础上,给出深度置信
-
免疫支持向量机用于航空发动机磨损故障诊断
-
作者:
张建
李艳军
曹愈远
张丽娜
来源:
北京航空航天大学学报
年份:
2018
文献类型 :
期刊
关键词:
免疫算法
航空发动机
支持向量机(SVM)
铁谱分析
磨损故障诊断
-
描述:
航空发动机在使用寿命周期内会不断磨损最终出现故障,通过对发动机油液监测铁谱分析数据的挖掘可实现磨损故障的诊断。本文研究免疫算法优化的支持向量机(SVM)在航空发动机磨损故障诊断中的运用。首先,总结
-
灰色关联故障树在航空发动机滑油系统的应用
-
作者:
陈可嘉
陈媛媛
吴兴旺
来源:
武汉理工大学学报(信息与管理工程版)
年份:
2018
文献类型 :
期刊
关键词:
灰色关联分析
航空发动机
滑油系统
故障树分析
-
描述:
航空发动机故障严重影响飞行安全性,其中发动机滑油系统故障占较大比例,因此针对发动机滑油系统故障进行研究,提出了灰色关联分析法与故障树分析法相结合的航空发动机滑油系统故障分析方法。根据发动机滑油系统
-
航空发动机气路系统故障机理分析
-
作者:
陈晶
李波
高智
尹晓静
来源:
长春工业大学学报
年份:
2018
文献类型 :
期刊
关键词:
机理
航空发动机
故障
-
描述:
分析了航空发动机气路系统中常见部件的故障机理,为航空发动机气路系统的故障诊断及维护提供支持。
-
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
-
航空发动机故障诊断方法研究
-
作者:
高树伟
来源:
科技展望
年份:
2018
文献类型 :
期刊
关键词:
BP神经网络
故障诊断
指印图
模糊聚类分析
-
描述:
针对航空发动机的特点,提出一种利用BP神经网络和模糊聚类分析的航空发动机故障诊断方法,进行了BP神经网络的建立及训练相关初始化参数的设置,提取指印图中的故障数据,并引入噪声作为发动机的故障数据,分别利用这两种方法进行故障诊断,并对两种方法做出比较。
-
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