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对多维退化数据集进行降维处理和信息融合，得到能够表征设备退化的低维特征数据集；然后利用BLSTM神经网络对带有多维退化信息的航空发动机剩余寿命进行预测，得到监测数据与剩余寿命的映射关系；最后采用CMAPSS航空发动机退化数据集对提出的多信息融合寿命预测模型进行仿真验证，并与其他三种模型结果进行对比。结果表明：KPCA-BLSTM神经网络能够对多维退化信息下的剩余寿命进行精准预测，本文提出的预测模型的误差与得分优于其他三种模型，而且预测精度更高。
- 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： 航空发动机液压管路-卡箍系统中卡箍振动信号具有非线性和非平稳性的特点，难以从卡箍故障信号中准确识别出其故障类型。针对该问题，提出了一种基于变分模态分解(Variational Mode 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，将优化后的VMD对卡箍故障振动信号进行分解处理；最后，将分解后的模态分量输入LSTM网络中进行特征学习，从而实现卡箍故障的识别。实验表明：该方法实现了对卡箍螺栓松动状态、根部断裂状态、衬垫磨损等3种典型故障的精准识别，故障总体识别准确率能够达到98.5%以上，有效地提高了航空液压管路卡箍故障识别的准确率。
- 基于CNN-LSTM航空液压管路硬质涂层故障诊断研究
- 作者： 于喜金 来源： 辽宁科技大学 年份： 2022 文献类型 ： 学位论文 关键词： CNN LSTM网络 故障诊断 航空液压管路 管路硬质涂层
- 描述： 基于CNN-LSTM航空液压管路硬质涂层故障诊断研究
- 基于注意力机制和CNN-BiLSTM模型的航空发动机剩余寿命预测
- 作者： 张加劲 来源： 电子测量与仪器学报 年份： 2022 文献类型 ： 期刊 关键词： 注意力机制 航空发动机 卷积神经网络 剩余寿命 双向长短期记忆网络
- 描述： 航空发动机作为飞机的主要动力源，其可靠性是保证飞机安全的关键。剩余使用寿命预测对于提高航空发动机的可用性和降低其寿命周期成本具有重要意义。针对现有的预测算法存在对航空发动机多维数据特征提取不足的问题，提出了一种基于注意力机制的卷积神经网络和双向长短期网络融合模型。首先，采用卷积神经网络提取特征和双向长短期记忆网络获取特征中的长短期依赖关系；其次，使用注意力机制来突出特征中的重要部分，提高模型预测的准确率。为验证所提出方法的有效性，在C-MAPSS数据集上进行了实验。实验表明，模型可以准确地预测出航空发动机的剩余使用寿命，并比传统方法有着更高的预测精度。