关键词
“理论-实践-创新”三位一体教学方法在《航空发动机原理》课程教学中的探索与实践
作者: 孙振生   胡宇   华明军   张世英   来源: 教育教学论坛 年份: 2019 文献类型 : 期刊 关键词: 教学改革   发动机原理   三位一体  
描述: 本文在深入剖析《航空发动机原理》课程特点的基础上,针对创新型复合型人才培养的需要,提出了以培养学生综合实践创新能力为导向的"理论-实践-创新"三位一体教学方法,在重构理论教学体系、强化实践教学导向
基于约束卡尔曼滤波的航空发动机状态变量模型辨识方法
作者: 郑斐华   胡春艳   李伟   韩博   来源: 热能动力工程 年份: 2019 文献类型 : 期刊 关键词: 航空发动机   约束卡尔曼滤波   状态变量   系统辨识  
描述: 为建立高精度的航空发动机状态变量模型,采用约束卡尔曼滤波算法辨识民用涡扇发动机非线性模型以及某型涡轴发动机试车数据状态变量方程矩阵参数。研究表明:基于约束卡尔曼滤波算法能够辨识得到高精度的状态变量模型,相比标准卡尔曼滤波算法,改进的卡尔曼滤波算法可以明显加快模型参数收敛速度、减小稳态误差。
基于特定域建模方法的航空发动机MBSE实施方法
作者: 郝彬彬   鲁金直   李军   王国新   兰小平   陈建江   吴新   来源: 科技导报 年份: 2019 文献类型 : 期刊 关键词: 代码生成   自动验证   基于模型的系统工程   航空发动机研发   特定域建模  
描述: 提出一种基于模型系统工程(MBSE)的方法,将基于系统工程航空发动机系统的研发与基于模型的研发有效结合起来:采用系统思维方法对航空发动机需求、架构及验证进行形式化表达,并采用特定域建模方法与代码生成
一种基于油液分析数据挖掘的航空发动机磨损故障诊断知识获取方法
作者: 张全德   陈果   郑宏光   陈明衡   王培文   王洪伟   李华   来源: 润滑与密封 年份: 2019 文献类型 : 期刊 关键词: 界限值   特征融合   故障诊断   规则提取   数据挖掘  
描述: 针对航空发动机磨损故障诊断自动化及智能化程度不高的问题,提出一种基于油液数据挖掘的航空发动机磨损故障诊断知识获取方法。该方法利用自组织神经网络对原始多维特征数据进行特征融合,得到融合值;利用
基于改进差分时域特征和深度学习优化的航空发动机剩余寿命预测算法
作者: 高峰   曲建岭   袁涛   高峰娟   来源: 电子测量与仪器学报 年份: 2019 文献类型 : 期刊 关键词: 航空发动机   长短时记忆网络   寿命预测   深度学习   差分时域特征  
描述: 实现航空发动机剩余寿命的准确预测对于保证飞行安全和提高维修效率具有重要意义,但现有的预测算法往往只是浅层结构,且对各传感器参数之间的相互关系缺乏关联性考虑,限制了对发动机参数信息的深度挖掘。在深度
航空发动机研制中的技术验证机、工程验证机及原型机特点分析
作者: 刘庆东   史妍妍   张明   来源: 航空发动机 年份: 2019 文献类型 : 期刊 关键词: 航空发动机   研制过程   原型机   工程验证机   技术验证机  
描述: 为加强航空发动机产品的研制进程管控,通过分析技术验证机、工程验证机及原型机的技术特点,提出这3类样机是集中体现产品研制进程的载体,进而研究并建立各样机的研制过程模型,并且依托研制过程模型分析各样
航空发动机转子关键构件疲劳寿命预测及可靠性评估方法研究
作者: 赵丙峰   来源: 东北大学 年份: 2019 文献类型 : 学位论文 关键词: 多轴疲劳   场强法   航空发动机转子   临界面法   疲劳寿命   系统可靠性  
描述: 航空发动机转子关键构件疲劳寿命预测及可靠性评估方法研究
基于残余应力的航空发动机压气机叶片剩余寿命预测研究
作者: 答宇航   来源: 西安电子科技大学 年份: 2019 文献类型 : 学位论文 关键词: 支持向量机   BP神经网络   压气机叶片   X射线衍射法   残余应力  
描述: 基于残余应力的航空发动机压气机叶片剩余寿命预测研究
基于智能算法的航空发动机气路参数基线建模与状态识别研究
作者: 黄曦   来源: 厦门大学 年份: 2019 文献类型 : 学位论文 关键词: 发动机状态识别   发动机气路参数基线建模   发动机健康管理  
描述: 基于智能算法的航空发动机气路参数基线建模与状态识别研究
基于QAR水洗数据与神经网络的航空发动机气路状态分类方法研究
作者: 韩志斌   来源: 厦门大学 年份: 2019 文献类型 : 学位论文 关键词: QAR数据   航空发动机   气路   状态分类   神经网络  
描述: 基于QAR水洗数据与神经网络的航空发动机气路状态分类方法研究
< 1 2 3 ... 58 59 60 61
Rss订阅