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
- 基于LSTM分类器的航空发动机预测性维护模型
- 作者： 蔺瑞管 王华伟 车畅畅 倪晓梅 熊明兰 来源： 系统工程与电子技术 年份： 2022 文献类型 ： 期刊 关键词： 二分类 长短期记忆网络 时间窗 故障预测与健康管理 预测性维护
- 描述： 利用传感器数据进行预测性维护是航空发动机故障预测与健康管理(prognostic and health management, PHM)的关键问题。针对发动机剩余寿命预测准确性低的问题，提出基于长短期记忆网络(long short-term memory network, LSTM)分类器的预测性维护模型。LSTM分类器通过门控单元对长时间序列信息进行充分筛选，并将有效信息用于时间序列预测。首先，采用滑动时间窗口制备训练样本。其次，将预处理后的样本输入LSTM,预测设备在特定时间窗口内的失效概率。然后，通过调整窗口大小，得到最优性能的二分类模型，以更好地适应预测维护需求。最后，利用美国航空航天局C-MAPSS数据集验证了该模型的有效性，相比于已有分类方法，其在剩余使用寿命分类方面更加准确。
- 基于改进LSTM模型的航空安全预测方法研究
- 作者： 曾航 张红梅 任博 崔利杰 武江南 来源： 系统工程与电子技术 年份： 2022 文献类型 ： 期刊 关键词： 堆叠式 长短期记忆 多步预测 神经网络 航空安全
- 描述： memory, LSTM)模型的航空安全预测新方法。首先基于相关系数热图优选致因指标,再以步进搜索和Adam算法相结合的方式优化LSTM模型超参数,最后以2019年某型运输机事故数据为算例,选取多种常用
- 基于多任务学习图卷积模型的航空网络节点分类
- 作者： 樊成 王布宏 田继伟 来源： 系统工程与电子技术 年份： 2022 文献类型 ： 期刊 关键词： 图神经网络 节点分类 多任务学习 航空网络
- 描述： 准确识别航空网络关键节点，做好针对性防护，对于保证航空网络正常运行至关重要。传统的方法，如基于复杂网络中心性指标的方法，或基于机器学习的算法，只单一考虑网络结构或节点特征来评价节点的重要性。然而评价节点的重要性应该同时考虑网络结构特征和节点特征。为解决上述问题，本文提出了一种名为多任务图卷积网络(multi tasks graph convolution network, MTGCN)航空网络节点分类模型，该模型在图卷积网络的基础上，引入多任务学习及自适应加权策略，将“节点—节点相关性”作为辅助任务加入模型的训练过程中，并根据训练情况自适应分配各任务权重。3个不同规模的航空网络数据集中的仿真实验表明本文所提模型的性能优于现有的图卷积模型，为图卷积在航空网络节点分类方向的应用提供了思路。