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

基于部件特性图优化的民航发动机性能退化建模

作者： 郭庆   黄启廉   陈金亮   来源： 北京航空航天大学学报 年份： 2023 文献类型 ： 期刊 关键词： 民航发动机   缩放基准点优化   气路分析   部件级建模   曲面拟合  

描述： 为了从单元体层级给出民航发动机气路性能退化的理论依据，以CFM56/3发动机为研究对象，首先，在使用特性图缩放法获取部件特性方程的基础之上，优化了风扇通用特性图缩放基准点的选取过程，提出了特性图

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%。

基于部件特性图优化的民航发动机性能退化建模

作者： 郭庆   黄启廉   陈金亮   来源： 北京航空航天大学学报 年份： 2023 文献类型 ： 期刊 关键词： 民航发动机   缩放基准点优化   气路分析   部件级建模   曲面拟合  

描述： 为了从单元体层级给出民航发动机气路性能退化的理论依据，以CFM56/3发动机为研究对象，首先，在使用特性图缩放法获取部件特性方程的基础之上，优化了风扇通用特性图缩放基准点的选取过程，提出了特性图

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。

基于截断p-shrinkage范数的航空发动机数据重构

作者： 张红梅     武江南     赵永梅     曾航     李全根   来源： 北京航空航天大学学报 年份： 2024 文献类型 ： 期刊 关键词： 截断p   shrinkage范数   交替乘子法   航空发动机   张量   数据缺失  

描述： 针对航空发动机传感器的数据缺失问题，提出基于张量奇异值阈值(TSVT)的张量重构模型LRTC-PTNN，对航空发动机的传感器数据进行重构。LRTC-PTNN模型运用截断pshrinkage范数的方式

基于融合卷积Transformer的航空发动机故障诊断

作者： 赵洪利   杨佳强   来源： 北京航空航天大学学报 年份： 2023 文献类型 ： 期刊 关键词： 自注意力机制   航空发动机   故障诊断   深度神经网络   融合卷积Transformer  

描述： ， BP网络）、卷积神经网络（Convolutional Neural Networks， CNN）和循环神经网络（Recurrent Neural Network， RNN）相比，准确率分别提高了6.552%、28.117%、13.189%和10.29%，证明了本文方法的有效性，可为航空发动机故障诊断提供一定的参考。

基于融合卷积Transformer的航空发动机故障诊断

作者： 赵洪利   杨佳强   来源： 北京航空航天大学学报 年份： 2023 文献类型 ： 期刊 关键词： 自注意力机制   航空发动机   故障诊断   深度神经网络   融合卷积Transformer  

描述： ， BP网络）、卷积神经网络（Convolutional Neural Networks， CNN）和循环神经网络（Recurrent Neural Network， RNN）相比，准确率分别提高了6.552%、28.117%、13.189%和10.29%，证明了本文方法的有效性，可为航空发动机故障诊断提供一定的参考。