融合注意力和多尺度特征的航空发动机缺陷检测

作者： 赵崇林   朱江   胡永进   李祖泽   王鹏举   谢涛   来源： 北京航空航天大学学报 年份： 2023 文献类型 ： 期刊 关键词： 注意力机制   航空发动机   YOLOv5   深度学习   缺陷检测  

描述： 损失，实现对缺陷目标快速、准确地定位和识别。实验结果表明，本文算法检测缺陷的平均精确度达到了89.7％，较基准网络提升了6.3％，训练后的模型大小仅为14.0M。因此，所提方法可以有效地检测航空发动机的主要缺陷。

航空发动机转子结构布局优化设计方法

作者： 李超   金福艺   张卫浩   来源： 北京航空航天大学学报 年份： 2019 文献类型 ： 期刊 关键词： 转子系统   构型设计   航空发动机   结构效率   结构布局  

描述： 结构是航空发动机功能、性能及可靠性设计水平的综合体现,一切技术要求、性能指标、强度指标或者结构的安全性和可靠性都应建立在合理的结构布局设计上。提出了航空发动机转子结构布局并对其进行优化设计的观点

航空发动机转子结构布局优化设计方法

作者： 李超   金福艺   张卫浩   来源： 北京航空航天大学学报 年份： 2019 文献类型 ： 期刊 关键词： 转子系统   构型设计   航空发动机   结构效率   结构布局  

描述： 结构是航空发动机功能、性能及可靠性设计水平的综合体现,一切技术要求、性能指标、强度指标或者结构的安全性和可靠性都应建立在合理的结构布局设计上。提出了航空发动机转子结构布局并对其进行优化设计的观点

航空发动机传感器与执行机构信息重构算法

作者： 孙浩   郭迎清   赵万里   来源： 北京航空航天大学学报 年份： 2020 文献类型 ： 期刊 关键词： 航空发动机   故障诊断   广义似然比(GLR)   故障幅值估计   信息重构  

描述： 航空发动机传感器与执行机构信息重构算法

基于超统计的多阶段航空发动机剩余寿命预测

作者： 刘君强   胡东斌   潘春露   雷凡   赵倩茹   来源： 北京航空航天大学学报 年份： 2020 文献类型 ： 期刊 关键词： 非线性   航空发动机   无迹卡尔曼滤波   超统计   剩余寿命   多阶段  

描述： 针对传统航空发动机剩余寿命预测模型无法客观描述多阶段性能衰退过程及对于剩余寿命预测精度不高的问题，本文提出了一个新的多阶段航空发动机剩余寿命预测模型，包括超统计理论、突变点检测、无迹卡尔曼滤波与

航空发动机传感器与执行机构信息重构算法

作者： 孙浩   郭迎清   赵万里   来源： 北京航空航天大学学报 年份： 2020 文献类型 ： 期刊 关键词： 航空发动机   故障诊断   广义似然比(GLR)   故障幅值估计   信息重构  

描述： 航空发动机传感器与执行机构信息重构算法

基于超统计的多阶段航空发动机剩余寿命预测

作者： 刘君强   胡东斌   潘春露   雷凡   赵倩茹   来源： 北京航空航天大学学报 年份： 2020 文献类型 ： 期刊 关键词： 非线性   航空发动机   无迹卡尔曼滤波   超统计   剩余寿命   多阶段  

描述： 针对传统航空发动机剩余寿命预测模型无法客观描述多阶段性能衰退过程及对于剩余寿命预测精度不高的问题，本文提出了一个新的多阶段航空发动机剩余寿命预测模型，包括超统计理论、突变点检测、无迹卡尔曼滤波与

融合注意力和多尺度特征的航空发动机缺陷检测

作者： 赵崇林   朱江   胡永进   李祖泽   王鹏举   谢涛   来源： 北京航空航天大学学报 年份： 2023 文献类型 ： 期刊 关键词： 注意力机制   航空发动机   YOLOv5   深度学习   缺陷检测  

描述： 损失，实现对缺陷目标快速、准确地定位和识别。实验结果表明，本文算法检测缺陷的平均精确度达到了89.7％，较基准网络提升了6.3％，训练后的模型大小仅为14.0M。因此，所提方法可以有效地检测航空发动机的主要缺陷。

航空发动机中气液两相流的可视化检测

作者： 赵愉   岳士弘   张洋洋   王化祥   来源： 北京航空航天大学学报 年份： 2017 文献类型 ： 期刊 关键词： 灵敏度矩阵   电阻抗断层成像   测量电压   FCM聚类算法   两相流型  

描述： 的FCM算法相比,优化后算法对两相流型的定位准确度更高,得到的重建图像的空间分辨率与之前相比误差降低了5%~15%,相关系数提高了5%~20%。

融合注意力和多尺度特征的航空发动机缺陷检测

作者： 赵崇林   朱江   胡永进   李祖泽   王鹏举   谢涛   来源： 北京航空航天大学学报 年份： 2023 文献类型 ： 期刊 关键词： 注意力机制   航空发动机   YOLOv5   深度学习   缺陷检测  

描述： 损失，实现对缺陷目标快速、准确地定位和识别。实验结果表明，本文算法检测缺陷的平均精确度达到了89.7％，较基准网络提升了6.3％，训练后的模型大小仅为14.0M。因此，所提方法可以有效地检测航空发动机的主要缺陷。