全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 航空发动机叶片制造及再制造技术研究
- 作者： 刘国库 王威 来源： 科技创新与应用 年份： 2023 文献类型 ： 期刊 关键词： 制造技术 缺陷类型 加工过程 再制造 航空发动机叶片
- 描述： 。该文论述叶片制造过程的关键技术，除了叶片的正常加工过程，针对其主流的缺陷，对于航空发动机叶片的再制造技术进行介绍，指出再制造相应技术的主要原理以及优势和缺点，并对叶片再制造技术的趋势进行展望，以期为同行业的发展提供参考。
- 航空发动机零件柔性制造系统技术应用研究
- 作者： 杨杏梅 张益 宋文 索鸣阳 周子同 来源： 现代制造技术与装备 年份： 2023 文献类型 ： 期刊 关键词： 柔性制造系统(FMS) 机械加工 航空制造
- 描述： 为解决柔性制造系统（Flexible Manufacturing System,FMS）加工航空发动机零部件效率低、产品质量不稳定及机床设备利用率低等问题，以某系列航空发动机壳体零件柔性制造系统技术
- 超声红外热像技术发展现状及其在航空材料缺陷检测中的应用
- 作者： 冯辅周 朱俊臻 李志农 来源： 航空制造技术 年份： 2023 文献类型 ： 期刊 关键词： 超声红外热像 无损检测 主动热像 航空材料 缺陷检测
- 描述： 超声红外热像技术兼具缺陷定位精准、热像信噪比高、材料适用范围广等特点，在航空材料检测方面已有不俗表现，主要应用于发动机叶片、起落架、机翼、蜂窝夹层等关键部件和结构的缺陷检测。在简要介绍超声红外热像
- 航空发动机用树脂基复合材料无损检测技术研究与应用
- 作者： 何方成 王铮 宋永锋 李雄兵 来源： 失效分析与预防 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 复合材料 无损检测
- 描述： 无损检测技术是发动机用树脂基复合材料内部质量的有效监控手段，提升无损检测技术水平有助于进一步推动复合材料的应用，提升发动机性能和降低发动机制造和维护成本。树脂基复合材料内部主要缺陷包含分层、脱粘
- 民用航空发动机燃烧室试验技术分析与研究
- 作者： 孟刚 何敏 张经纬 陈志龙 秦皓 郑丹 来源： 实验流体力学 年份： 2023 文献类型 ： 期刊 关键词： 民用航空 航空发动机 试验技术 燃烧室 低排放
- 描述： 、多头部和全环燃烧室3个研发阶段的试验技术进行了重点分析，介绍了每一阶段的主要试验内容、试验过程、试验设备、测试技术、关键环节以及各阶段试验面临的共性问题；同时，在燃烧室试验压力与温度、测试技术、试验
- 基于正射影像图的航空光电载荷成像仿真技术
- 作者： 韩景壮 宋健 王鹤淇 罗瑞琦 李祥琛 郑智勇 葛欣宏 来源： 机电工程技术 年份： 2023 文献类型 ： 期刊 关键词： 航空光电载荷 反解法 正射影像图 成像区域 姿态转换
- 描述： 航空光电载荷在专业领域中的作用越来越重要，其结构与功能越来越复杂，造价也愈加昂贵，相关仿真技术的研究越来越迫切。介绍了航空光电载荷的结构组成、系统功能和工作原理以及现有仿真技术的不足。针对图像制导
- 基于LSTM的航空发电机整流电路诊断技术
- 作者： 陈文杰 崔江 来源： 电机与控制应用 年份： 2023 文献类型 ： 期刊 关键词： 整流电路 长短时记忆网络 电励磁双凸极发电机 故障诊断
- 描述： 整流电路是航空发电机的重要组成部分，存在故障频发且维修困难等问题。为对电励磁双凸极发电机(DSEG)的整流电路进行故障诊断，研究了一种基于长短时记忆(LSTM)网络的故障诊断方法。首先，采集多种故障模式下发电机的三相电枢电流信号。其次，利用不同的信号处理方法处理故障信号以获取故障特征信息。然后，将获得的故障特征数据分为训练和测试样本输入LSTM网络进行故障分类。最后，计算并分析诊断结果。仿真与试验结果表明所提方法具有良好的故障诊断效果。
- 基于深度学习的航空发动机涡轮叶片自动射线检测技术研究
- 作者： 王栋欢 肖洪 吴丁毅 来源： 推进技术 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 涡轮叶片 射线图像 深度学习 射线检测 缺陷检测
- 描述： 一直以来，航空发动机涡轮叶片的射线检测依靠检验员人工评片。为避免经验差异、眼睛疲劳、标准理解等人为因素影响，有效改善传统射线检测费时费力、效率低下等问题，针对航空发动机涡轮叶片射线图像，基于YOLOv4模型提出了一种双主干特征融合的缺陷自动检测算法（DBFF-YOLOv4）；通过设计包含所有特征映射的新型连接结构搭建缺陷检测颈部网络，建立了适用于涡轮叶片射线图像的缺陷自动检测模型；针对每个缺陷，采用9次裁剪、旋转和亮度增减的图像数据增强方法扩充样本数据，在此基础上进行了模型训练与测试。结果表明，针对完整涡轮叶片，建立的缺陷检测模型在0.5的置信度阈值下可获得96.7%的平均查准率和91.87%的平均查全率，优于通用目标检测算法YOLOv4模型。9次缺陷裁剪、旋转和亮度增减的图像数据增强方法能够显著提高模型的缺陷检测精度（平均精度分别得到了59.19%和2.53%的提升）。该研究为涡轮叶片自动射线检测提供了一种新方法。