关键词
离港航空器滑出时间的BP神经网络预测模型
作者: 夏正洪   贾鑫磊   来源: 航空工程进展 年份: 2022 文献类型 : 期刊 关键词: 离港航空器   BP神经网络   滑出时间预测   滑出时间影响因素   1小时内平均滑出时间  
描述: 准确地预测离港航空器滑出时间可有效提升机场场面运行效率,降低运行成本。构建基于BP神经网络的离港航空器滑出时间预测模型,分析影响离港航空器滑出时间的可量化因素,并对其相关性进行检验;通过我国中南某
离港航空器滑出时间的BP神经网络预测模型
作者: 夏正洪   贾鑫磊   来源: 航空工程进展 年份: 2022 文献类型 : 期刊 关键词: 离港航空器   BP神经网络   滑出时间预测   滑出时间影响因素   1小时内平均滑出时间  
描述: 准确地预测离港航空器滑出时间可有效提升机场场面运行效率,降低运行成本。构建基于BP神经网络的离港航空器滑出时间预测模型,分析影响离港航空器滑出时间的可量化因素,并对其相关性进行检验;通过我国中南某
基于云模型SDG的航空发动机多工况故障诊断方法
作者: 张振良   何荣荣   张鉴靓   来源: 航空发动机 年份: 2022 文献类型 : 期刊 关键词: 多工况   航空发动机   故障诊断   故障传播   气源系统   符号有向图   云模型  
描述: 转换矩阵快速得到不同工况下的SDG模型,同时根据具体工况改变模型阈值,对不同工况下的异常节点进行快速推理预测。发动机气源系统的诊断实例表明:基于云模型SDG的多工况故障诊断方法可以帮助决策者做出正确的检测策略,快速制定维修措施,能够有效地运用在复杂系统内的故障传播诊断
基于提升卷积神经网络的航空发动机高速轴承智能故障诊断
作者: 韩淞宇   邵海东   姜洪开   张笑阳   来源: 航空学报 年份: 2022 文献类型 : 期刊 关键词: 航空发动机高速轴承   不平衡数据   智能故障诊断   自适应权重   多尺度特征提取   提升卷积神经网络   损失函数补偿  
描述: 具有强烈的非平稳性,且其故障样本数量远小于健康样本,传统的智能诊断方法更容易向大样本偏斜,从而导致诊断性能的降低。针对上述问题,提出了一种基于自适应权重和多尺度卷积的提升卷积神经网络(CNN)。首先构造
基于特征融合的注意力增强卷积神经网络的航空发动机滚动轴承故障诊断方法
作者: 李泽东   李志农   陶俊勇   毛清华   张旭辉   来源: 兵工学报 年份: 2022 文献类型 : 期刊 关键词: 注意力增强卷积   深度卷积神经网络   特征融合   故障诊断   航空发动机滚动轴承  
描述: 针对现有基于深度卷积神经网络的故障诊断方法只考虑对信息局部特征的提取、忽视全局信息的不足,将可以把握全局信息的注意力机制融入卷积层,使得注意力机制参数和卷积层参数参与网络的训练,提出一种注意力增强
基于故障树模型的航空雷达在线入侵诊断系统设计
作者: 徐新星   来源: 计算技术与自动化 年份: 2022 文献类型 : 期刊 关键词: 诊断流程设计   在线入侵   故障树模型   航空雷达  
描述: 面对传统航空雷达在线入侵诊断系统受到刷新率影响,导致诊断精准度较低的问题,提出了基于故障树模型的航空雷达在线入侵诊断系统设计。使用FS-N40型号光纤传感器,将待测物理量转换为相位或振幅形式,由此
基于CNN-Seq2Seq的航空发动机喘振诊断模型的研究
作者: 姚艳玲   袁化成   陆超   唐晓澜   黄爱华   来源: 测控技术 年份: 2022 文献类型 : 期刊 关键词: 序列到序列   卷积神经网络   故障诊断   发动机喘振  
描述: 和价值。当前针对航空发动机喘振故障诊断模型存在诊断时间长、诊断准确率不高的特点。为了解决这些问题,在序列到序列(Seq2Seq)模型的基础上,使用卷积神经网络(CNN)代替Seq2Seq中编码器
基于VMD和LSTM模型的航空液压管路卡箍故障诊断
作者: 张小龙   汪曦   于晓光   薛政坤   崔芷宁   吕佳文   来源: 液压与气动 年份: 2022 文献类型 : 期刊 关键词: 液压管路卡箍   故障诊断   LSTM神经网络   VMD  
描述: Decomposition, VMD)-长短时记忆(Long Short-Term Memory, LSTM)神经网络模型的智能故障诊断方法。首先,利用遗传算法对VMD的模态分量k值和惩罚因子α进行参数优化;然后
基于CNN-Seq2Seq的航空发动机喘振诊断模型的研究
作者: 姚艳玲   袁化成   陆超   唐晓澜   黄爱华   来源: 测控技术 年份: 2022 文献类型 : 期刊 关键词: 序列到序列   卷积神经网络   故障诊断   发动机喘振  
描述: 和价值。当前针对航空发动机喘振故障诊断模型存在诊断时间长、诊断准确率不高的特点。为了解决这些问题,在序列到序列(Seq2Seq)模型的基础上,使用卷积神经网络(CNN)代替Seq2Seq中编码器
基于数据驱动模型的航空发动机剩余使用寿命预测及故障诊断研究
作者: 赵舒安   来源: 重庆邮电大学 年份: 2022 文献类型 : 学位论文 关键词: 时间序列   航空发动机   故障诊断   剩余使用寿命预测  
描述: 基于数据驱动模型的航空发动机剩余使用寿命预测及故障诊断研究
< 1 2 3 ... 17 18 19
Rss订阅