关键词
基于复合推进系统动态模型-状态变量模型的航空发动机直接推力预测控制
作者: 金崇文   郑前钢   张海波   房娟   胡忠志   来源: 推进技术 年份: 2022 文献类型 : 期刊 关键词: 直接推力控制   航空发动机   状态变量模型   复合推进系统动态模型   预测控制  
描述: 直接推力控制可以有效改善推力控制的品质,针对航空发动机直接推力控制问题,进行了模型预测控制(Model Predictive Control, MPC)研究。为了提升航空发动机推力控制的精度,提出
基于特征注意力机制的GRU-GAN航空发动机剩余寿命预测
作者: 袁烨   黄虹   程骋   虞文武   丁汉   来源: 中国科学:技术科学 年份: 2022 文献类型 : 期刊 关键词: 注意力机制   生成对抗网络   特征提取   航空航天   剩余寿命预测  
描述: 涡扇发动机作为航空航天领域的核心设备之一,其健康状况决定了航空器能否稳定可靠地运行.涡扇发动机的剩余寿命预测是航天器设备监测与维护的重要一环.然而涡扇发动机的监测过程具有工况复杂、监测数据多样
航空发动机在翼清洗时机Wiener预测模型研究
作者: 闫锋   姚星宇   来源: 机械设计与制造 年份: 2022 文献类型 : 期刊 关键词: 发动机清洗   柔性时间间隔   排气温度裕度   wiener预测  
描述: ,得到发动机性能参数(EGTM)阀值,通过Wiener退化模型模拟EGTM参数衰退规律,融合运行数据预测最佳清洗时机。最后通过采用此方法清洗的80台发动机运行数据与未采用此方法清洗的108架飞机的数据作为对比,结果表明前者衰退速率慢,表明该方法较好。
基于KPCA-BLSTM的航空发动机多信息融合剩余寿命预测
作者: 胡启国   白熊   杜春超   来源: 航空工程进展 年份: 2022 文献类型 : 期刊 关键词: 航空发动机   剩余寿命   多信息融合   核主成分分析   双向长短时记忆  
描述: 复杂航空发动机在运行过程中易出现多退化信息而导致寿命预测不精确的问题,为此提出基于核主成分分析(KPCA)和双向长短时记忆(BLSTM)神经网络的多信息融合寿命预测模型。首先采用KPCA对多维退化
基于Transformer的多特征融合的航空发动机剩余使用寿命预测
作者: 马依琳   陶慧玲   董启文   王晔   来源: 华东师范大学学报(自然科学版) 年份: 2022 文献类型 : 期刊 关键词: 航空发动机   Transformer   深度学习   剩余使用寿命  
描述: 发动机作为飞机的核心部件,对飞机运行起着至关重要的作用.对航空发动机做准确的剩余使用寿命预测,能够提前进行维护诊断,预防重大事故的发生,节约维护成本.针对现有的方法缺乏对不同时间步长的考虑以及不同
双通道深度卷积神经网络的航空发动机剩余使用寿命预测方法
作者: 苗青林   张晓丰   高杨军   刘显光   秦丕胜   来源: 空军工程大学学报(自然科学版) 年份: 2022 文献类型 : 期刊 关键词: 航空发动机   深度卷积神经网络   最大相关系数   双通道   剩余使用寿命  
描述: 提出了一种基于双通道的深度卷积神经网络方法,用来预测航空发动机剩余使用寿命。该方法在传统卷积神经网络上,应用最大信息系数进行数据降维、卡尔曼滤波进行数据降噪;通过数据切片,将数据片标签设置为最后一个
基于二次分解集成方法的航空货运量预测研究
作者: 李智   来源: 兰州交通大学 年份: 2022 文献类型 : 学位论文 关键词: 确定性预测   二次分解   不确定性预测   组合预测   航空货运量预测  
描述: 基于二次分解集成方法的航空货运量预测研究
基于QAR的A320系列飞机空调故障分析和预测方法研究
作者: 张灵杰   来源: 电子科技大学 年份: 2022 文献类型 : 学位论文 关键词: QAR数据   支持向量机   极限学习机   BP神经网络   A320空调系统  
描述: 基于QAR的A320系列飞机空调故障分析和预测方法研究
基于多特征量的航空发动机气路系统健康状态预测方法研究
作者: 彭寿鑫   来源: 长春工业大学 年份: 2022 文献类型 : 学位论文 关键词: 航空发动机气路系统   监测误差   模糊C均值   多特征置信规则库   并串行置信规则库  
描述: 基于多特征量的航空发动机气路系统健康状态预测方法研究
基于改进卷积神经网络的航空发动机RUL预测方法研究
作者: 孙行行   来源: 河南大学 年份: 2022 文献类型 : 学位论文 关键词: 特征提取   卷积神经网络   多故障   剩余使用寿命预测  
描述: 基于改进卷积神经网络的航空发动机RUL预测方法研究
< 1 2 3 ... 10 11 12
Rss订阅