关键词
基于特征注意力机制的GRU-GAN航空发动机剩余寿命预测
作者: 袁烨   黄虹   程骋   虞文武   丁汉   来源: 中国科学:技术科学 年份: 2022 文献类型 : 期刊 关键词: 注意力机制   生成对抗网络   特征提取   航空航天   剩余寿命预测  
描述: 涡扇发动机作为航空航天领域的核心设备之一,其健康状况决定了航空器能否稳定可靠地运行.涡扇发动机的剩余寿命预测是航天器设备监测与维护的重要一环.然而涡扇发动机的监测过程具有工况复杂、监测数据多样
基于KPCA-BLSTM的航空发动机多信息融合剩余寿命预测
作者: 胡启国   白熊   杜春超   来源: 航空工程进展 年份: 2022 文献类型 : 期刊 关键词: 航空发动机   剩余寿命   多信息融合   核主成分分析   双向长短时记忆  
描述: 复杂航空发动机在运行过程中易出现多退化信息而导致寿命预测不精确的问题,为此提出基于核主成分分析(KPCA)和双向长短时记忆(BLSTM)神经网络的多信息融合寿命预测模型。首先采用KPCA对多维退化
基于Transformer的多特征融合的航空发动机剩余使用寿命预测
作者: 马依琳   陶慧玲   董启文   王晔   来源: 华东师范大学学报(自然科学版) 年份: 2022 文献类型 : 期刊 关键词: 航空发动机   Transformer   深度学习   剩余使用寿命  
描述: 发动机作为飞机的核心部件,对飞机运行起着至关重要的作用.对航空发动机做准确的剩余使用寿命预测,能够提前进行维护诊断,预防重大事故的发生,节约维护成本.针对现有的方法缺乏对不同时间步长的考虑以及不同
双通道深度卷积神经网络的航空发动机剩余使用寿命预测方法
作者: 苗青林   张晓丰   高杨军   刘显光   秦丕胜   来源: 空军工程大学学报(自然科学版) 年份: 2022 文献类型 : 期刊 关键词: 航空发动机   深度卷积神经网络   最大相关系数   双通道   剩余使用寿命  
描述: 提出了一种基于双通道的深度卷积神经网络方法,用来预测航空发动机剩余使用寿命。该方法在传统卷积神经网络上,应用最大信息系数进行数据降维、卡尔曼滤波进行数据降噪;通过数据切片,将数据片标签设置为最后一个
基于数据驱动模型的航空发动机剩余使用寿命预测及故障诊断研究
作者: 赵舒安   来源: 重庆邮电大学 年份: 2022 文献类型 : 学位论文 关键词: 时间序列   航空发动机   故障诊断   剩余使用寿命预测  
描述: 基于数据驱动模型的航空发动机剩余使用寿命预测及故障诊断研究
航空发动机主轴承疲劳寿命预测及可靠性分析
作者: 余奥迪   来源: 电子科技大学 年份: 2022 文献类型 : 学位论文 关键词: 主轴承   航空发动机   可靠性分析   平均应力   疲劳寿命  
描述: 航空发动机主轴承疲劳寿命预测及可靠性分析
航空发动机涡轮轴概率疲劳寿命预测与可靠性评估方法研究
作者: 吴军   来源: 电子科技大学 年份: 2022 文献类型 : 学位论文 关键词: 概率疲劳寿命预测   航空发动机   可靠性评估   不确定性   涡轮轴  
描述: 航空发动机涡轮轴概率疲劳寿命预测与可靠性评估方法研究
航空材料、零件知识库
作者: 肖晨   来源: 西安工业大学学报 年份: 2022 文献类型 : 期刊 关键词: 知识库   定制化   开发周期  
描述: 由西安工业大学曹岩团队自主设计、研发和建立的航空材料、零件知识库适配于企业现有的多种主流三维建模平台,与常用的ERP、CAD等系统无缝衔接,可根据企业需求进行定制化裁剪,满足不同业务场景下的特定需求
航空复合材料典型缺陷数据库建设
作者: 原赛男   李凯铭   于闯   来源: 无损检测 年份: 2022 文献类型 : 期刊 关键词: 缺陷数据库   智能检测与评估   航空复合材料  
描述: 对复合材料全生命周期的缺陷形成机理、缺陷信号模型及对应的可靠检测技术进行研究,构建基于国产大飞机、面向航空全产业链开放的复合材料体系缺陷数据库。该缺陷数据库可提高人员检测的规范性和一致性,也可为航空复合材料缺陷智能辅助识别与评估技术提供数据基础,推动航空复合材料检测的自动化和智能化发展。
航空金属材料的损伤机制与预测方法
作者: 尚晓晴   曾小勤   来源: 民用飞机设计与研究 年份: 2022 文献类型 : 期刊 关键词: 应力状态   晶体塑性有限元   微观组织   损伤   疲劳  
描述: ,以受力状态为切入点,阐述了不同应力状态下损伤演化的差异性,介绍了基于应力状态损伤模型在航空材料中的应用。对于疲劳损伤问题,总结了不同体系合金中的微观影响因素,如第二相颗粒、晶体取向等,讨论了疲劳预测
< 1 2 3 ... 7 8 9 ... 23 24 25
Rss订阅