首页>
根据【检索词:航空发动机 基于模型的设计 非线性控制】搜索到相关结果 71 条
-
基于信息源特征的航空部附件故障预测研究
-
作者:
李文峰
许爱强
王学伟
苏振超
来源:
计算机测量与控制
年份:
2016
文献类型 :
期刊
关键词:
信息源 航空部附件 故障预测 通用性 不确定性
-
描述:
的复杂性进行了分析;其次,根据航空部附件故障频率和平均停机维修时间采用四象限图实现航空关键部附件的判定;最后,基于信息源不同可用信息选择不同的故障预测方法,并介绍了智能融合的神经网络算法和能够消除不确定性的非线性滤波方法,提高了航空部附件故障预测方法的通用性和准确性。
-
基于深度信念网络的民航发动机状态监测
-
作者:
吴瑀倩
李静
吴晓舟
王华伟
来源:
计算机测量与控制
年份:
2018
文献类型 :
期刊
关键词:
深度学习理论
大数据处理
发动机状态
-
描述:
神经网络降维算法——深度学习理论,其通过模拟人脑分析过程建立由浅入深的算法模型,数据处理效果较好;将民航发动机自身特点与深度学习理论有机结合提出了基于深度信念网络发动机状态监测方法;其优势在于克服
-
基于案例推理和粗糙集的商用飞机故障诊断研究
-
作者:
晏震乾
曹磊
陈金
来源:
计算机测量与控制
年份:
2021
文献类型 :
期刊
关键词:
海明距离
基于案例推理
粗糙集
MongoDB
同义词替换
-
描述:
为了实现国产商用飞机维修和自动化故障诊断的需要,将商用飞机在役维修积累的维修故障描述记录文档进行信息化和智能化故障诊断;采用基于案例推理和粗糙集结合的方法进行国产商用飞机故障诊断的研究;其中,用
-
基于飞参数据的飞机操纵系统故障评估方法
-
作者:
吴祯涛
李学仁
杜军
丁超
来源:
计算机测量与控制
年份:
2019
文献类型 :
期刊
关键词:
极限学习机
飞参数据
差分进化
故障评估
-
描述:
针对某型飞机的操纵系统故障评估问题,提出了一种基于飞参数据建立的差分进化极限学习机(DE-ELM)算法;该算法融合了差分进化(DE)和极限学习机(ELM)两种算法,通过对飞参数据进行训练,构建
-
基于改进BP神经网络的航空液压油软测量
-
作者:
虞文胜
来源:
计算机测量与控制
年份:
2016
文献类型 :
期刊
关键词:
软测量 BP神经网络 PCA GA
-
描述:
航空液压油的软测量,先是对航空液压油软测量参数进行分析,包括辅助变量的选择和数据预处理,然后进行基于改进型BP神经网络的建模与仿真实验;实验结果表明,基于改进BP神经网络的航空液压油软测量效果优于传统神经网络,具有更强的泛化能力,因此可进行更广泛的应用。
-
基于自编码神经网络的航空物探遥感数据分类方法研究
-
作者:
于刘
来源:
计算机测量与控制
年份:
2023
文献类型 :
期刊
关键词:
物探遥感数据
自编码神经网络
航空数据
数据分类
-
描述:
航空物探遥感数据的采集过程中受到电磁波辐射等外界因素的影响,导致航空物探遥感数据分类准确率较低,为此提出基于自编码神经网络的航空物探遥感数据分类方法。根据航空物探对象的基本特征,设置遥感数据的分类
-
基于改进ABC-RBF的飞机全电刹车系统智能故障诊断
-
作者:
吴鹏
张洋
罗守华
来源:
计算机测量与控制
年份:
2024
文献类型 :
期刊
关键词:
RBF神经网络
飞机全电刹车系统
故障诊断
故障信号采集器
信号降噪
改进ABC
-
描述:
基于改进ABC-RBF的飞机全电刹车系统智能故障诊断
-
基于自编码神经网络的航空物探遥感数据分类方法研究
-
作者:
于刘
来源:
计算机测量与控制
年份:
2024
文献类型 :
期刊
关键词:
物探遥感数据
自编码神经网络
航空数据
数据分类
-
描述:
航空物探遥感数据的采集过程中受到电磁波辐射等外界因素的影响,导致航空物探遥感数据分类准确率较低,为此提出基于自编码神经网络的航空物探遥感数据分类方法;根据航空物探对象的基本特征,设置遥感数据的分类
-
基于改进YOLOv5的飞机舱门识别与定位方法研究
-
作者:
张长勇
郭聪
李玉洲
张朋武
来源:
计算机测量与控制
年份:
2024
文献类型 :
期刊
关键词:
舱门识别与定位
YOLOv5
机场特种车辆
自动靠机
三维定位
-
描述:
机场特种车辆的自动靠机是未来智慧机场发展的必然要求,实现自动靠机的关键是对飞机舱门进行准确识别与定位;针对于此问题,提出一种基于改进YOLOv5和单目视觉的舱门识别与定位方法,通过在模型中加入了一种
-
基于层次分析法和指标评分标准的民用飞机客舱舒适性评价方法研究
-
作者:
刘剑
任和
来源:
计算机测量与控制
年份:
2020
文献类型 :
期刊
关键词:
客舱
层次分析法
舒适性评价
飞机
-
描述:
基于层次分析法和指标评分标准的民用飞机客舱舒适性评价方法研究