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
- 航空发动机电气附件绝缘故障分析与性能测试
- 作者： 孙兆荣 袁少帅 英福君 石旭东 来源： 现代电子技术 年份： 2021 文献类型 ： 期刊 关键词： 航空发动机 绝缘性能测试 自动化 电气附件 故障仿真 网络通信
- 描述： 绝缘性能是航空发动机运行及维护中的一项重要指标,关系到飞机的飞行安全。针对航空发动机电气附件两类关键的绝缘故障进行了仿真分析,明确了绝缘电阻值与绝缘性能间的关系。在此基础上,设计航空发动机电气附件
- 基于系统工程的航空发动机安全性评估追溯模型框架
- 作者： 郭放 吴晶峰 杨子江 杨慧赟 刘嘉伟 闫文辉 来源： 内燃机与配件 年份： 2021 文献类型 ： 期刊 关键词： 系统工程 航空发动机 安全性评估 追溯模型框架
- 描述： 航空发动机研制是一个反复迭代的过程,安全性评估是研制过程不可缺少的部分。在航空发动机"正向"研制过程中,通过系统性、规范化的分析、设计和验证等工作,可以有效预防灾难事故的发生和减少事故损失,降低
- 航空发动机叶片加工变形控制方法
- 作者： 李杨 李翊萌 来源： 科技创新与应用 年份： 2021 文献类型 ： 期刊 关键词： 航空发动机 变形控制 叶片
- 描述： 航空发动机的性能很大程度上取决于叶片型面的设计和制造水平,进行叶片加工方法研究有助于提高该类零件的加工精度和效率。随着数控技术的发展,目前较大数量的叶片采用数控铣削工艺进行加工,但铣削加工过程中易
- 一种航空发动机整体叶盘叶型参数检测的测量路径规划方案
- 作者： 樊金侠 来源： 仪器仪表用户 年份： 2021 文献类型 ： 期刊 关键词： 通用性 控制点 路径规划
- 描述： 介绍了一种基于接触式扫描测头三坐标测量机,使用海克斯康PC-DMIS测量软件和相应的叶片模块测量航空发动机整体叶盘叶型参数的测量路径的规划方法。该方法可推广应用于其他类型的整体叶盘、叶轮等检测中,具有普遍适用性,可供同行借鉴。
- 基于真空热处理制度对航空发动机涡轮叶片影响的研究
- 作者： 郑娟 来源： 机械管理开发 年份： 2021 文献类型 ： 期刊 关键词： 疲劳试验 热处理温度 航空发动机 涡轮叶片 尺寸变形 贫化层
- 描述： ,为航空发动机涡轮叶片热处理制度的选择提供了参考依据。该试验研究目的是选择合适的真空热处理制度,既消除机械加工过程中带来的残余应力的同时,又满足航空发动机叶片最终装配特性和材料性能特性。
- 基于系统工程的航空发动机安全性评估敏感性分析
- 作者： 郭放 杨子江 刘嘉伟 杨慧赟 闫文辉 吴晶峰 来源： 内燃机与配件 年份： 2021 文献类型 ： 期刊 关键词： 系统工程 航空发动机 安全性评估
- 描述： 本文依据失效状态为"需要时丧失灭火功能"的安全性评估实例为基础,对需要时丧失灭火功能的故障树中的11个底事件进行敏感性分析,分析结果显示事件1燃烧室破裂,事件2涡轮机匣破裂,事件3热区探测器失效
- 基于随机森林的航空发动机工作状态识别
- 作者： 李鼎哲 彭靖波 赵泽平 王玮轩 赵彪 来源： 空军工程大学学报(自然科学版) 年份： 2021 文献类型 ： 期刊 关键词： 工作状态识别 主成分分析 航空发动机 随机森林 属性约简 飞参数据
- 描述： 为解决人工识别航空发动机工作状态中存在的误判和耗时费力等问题,提高识别准确率,提出了一种基于主成分分析(PCA)的特征提取方法和随机森林(RF)的智能识别方法。首先对飞参数据进行预处理,利用PCA将
- 某型航空发动机弹性涨圈椭圆模型的求法
- 作者： 叶文龙 桂敏 张开强 杨武奎 来源： 航空维修与工程 年份： 2021 文献类型 ： 期刊 关键词： 椭圆模型 弹性涨圈 航空发动机 有限元分析法
- 描述： 某型航空发动机主轴滑油采用弹性涨圈密封,涨圈成型的好坏决定了滑油的密封效果。原涨圈椭圆成型采用热定型工艺进行,定型尺寸不稳定、零件合格率低。拟采取直接加工椭圆的方式替代原有热定型工艺。为了得到自由
- 基于混沌PSO＿Elman网络的航空发动机基线挖掘
- 作者： 瞿红春 林文斌 许旺山 郭龙飞 来源： 中国民航大学学报 年份： 2021 文献类型 ： 期刊 关键词： 基线挖掘 航空发动机 粒子群算法 混沌 Elman神经网络
- 描述： 为提高发动机基线的拟合精度,提出经混沌粒子群优化的Elman神经网络模型。利用混沌算法改进粒子群算法(PSO)的位置公式,以解决局部最优问题。利用非线性递减函数改进PSO粒子的速度公式,以解决收敛精度较低的问题。将该模型用于基线拟合,并与传统的误差反向传播网络(BP)、Elman网络、支持向量机(SVM)等模型的拟合误差进行对比。结果表明:在训练数据、测试数据、训练次数均相同的情况下,混沌PSO_Elman模型的拟合精度高于其他传统模型;当训练样本减少时,其拟合精度依然高于传统模型,证明该模型具有更强的学习能力。