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
- 基于SFA/LOF/LDD的航空发动机异常检测方法研究
- 作者： 李泱 李德文 蔡景 左洪福 张营 韩辰球 来源： 机床与液压 年份： 2023 文献类型 ： 期刊 关键词： 动态阈值 航空发动机 慢特征分析 局部分布差异 局部离群因子
- 描述： 航空发动机异常检测对于准确了解飞机健康状态、支持维修决策、保障飞行安全具有重要意义。针对航空发动机气路部件的长期退化行为，提出一种基于慢特征分析和局部离群因子的动态阈值异常检测方法。首先，充分利用慢
- 连续型飞机油箱检查机器人设计与实现（英文）
- 作者： 牛国臣 王瑾琨 来源： 机床与液压 年份： 2017 文献类型 ： 期刊 关键词： 运动学模型 球笼式万向节 飞机油箱 连续型机器人 负载能力
- 描述： 针对机务人员检查飞机油箱难度大的问题,设计了一种连续型机器人。根据蛇类脊椎骨结构特征和运动机理,采用球笼式万向节和圆柱螺旋弹簧作为连续型结构的关节段主体,以提高机器人的负载能力。基于对球笼式万向节
- 基于改进Faster R-CNN的航空发动机制件表面缺陷检测算法
- 作者： 唐嘉鸿 黄颀 田春岐 来源： 机床与液压 年份： 2022 文献类型 ： 期刊 关键词： R 内容感知重组 CNN算法 Faster 分层采样 制件缺陷检测
- 描述： 针对现有航空发动机制件缺陷检测所存在的检测准确率低、速度慢等问题，提出一种基于改进Faster R-CNN算法的缺陷检测方法。该算法使用深度残差网络提取缺陷特征，采用含有内容感知重组的特征金字塔模型
- 飞机起落架液压电磁阀智能检测装置设计
- 作者： 陈良 李罡 潘柏全 贾春鹏 来源： 机床与液压 年份： 2021 文献类型 ： 期刊 关键词： 起落架 电磁阀 检测装置 飞机
- 描述： 根据某型飞机起落架收放液压电磁阀的工作原理、技术标准和实验大纲,设计一种智能检测装置。该智能检测装置以计算机控制为核心,集机、电、液技术于一体,实现了对起落架液压电磁阀的外部密封性能、内漏性能
- 飞机起落架液压电磁阀智能检测装置设计
- 作者： 陈良 李罡 潘柏全 贾春鹏 来源： 机床与液压 年份： 2020 文献类型 ： 期刊 关键词： 起落架 电磁阀 检测装置 飞机
- 描述： 根据某型飞机起落架收放液压电磁阀的工作原理、技术标准和实验大纲,设计一种智能检测装置。该智能检测装置以计算机控制为核心,集机、电、液技术于一体,实现了对起落架液压电磁阀的外部密封性能、内漏性能
- 某航空整体叶轮高效数控加工关键技术研究
- 作者： 曹明 顾春光 王刘菲 孙红梅 来源： 机床与液压 年份： 2016 文献类型 ： 期刊 关键词： 整体叶轮 高效数控加工 关键技术
- 描述： 整体叶轮是航空发动机中的关键部件,其制造技术及加工精度直接影响航空发动机的性能。介绍了某航空整体叶轮的高效数控加工技术,包括采用五轴定位铣削进行流道的加工、使用“SWARF精加工”策略、应用刀具的侧
- 航空发动机液压负载系统设计及应用
- 作者： 刘涛 丁旭 郭海东 段小维 来源： 机床与液压 年份： 2020 文献类型 ： 期刊 关键词： 功率提取 航空发动机 飞行试验 液压负载
- 描述： 为了提取某型航空发动机带动液压泵的机械功率,通过分析航空发动机液压负载系统现状,结合被试对象和试飞平台设计研制了某型航空发动机液压负载系统,详细阐述了该系统的工作原理,并进行了换热计算、管路压力损失
- 航空发动机液压管路疲劳寿命预测模型研究
- 作者： 闫国华 杜豪 刘勇 刘中华 来源： 机床与液压 年份： 2023 文献类型 ： 期刊 关键词： 液压管路 航空发动机 预测模型 疲劳寿命
- 描述： 为较为准确地评估航空发动机液压管路的疲劳寿命，提出一种疲劳寿命预测模型。该模型重点计算一个循环周期内载荷对液压管路造成的损伤，在此基础上，建立液压管路危险点处的应力与疲劳寿命之间的解析关系式。将该
- 基于Bi/GRU模型的航空发动机外部液压管路故障诊断研究
- 作者： 黄续芳 赵平 冯铃 张丽 来源： 机床与液压 年份： 2023 文献类型 ： 期刊 关键词： 液压管路 故障诊断 深度学习 Bi/GRU模型
- 描述： 针对航空液压管路故障信号含有噪声干扰导致管路故障识别困难的问题，提出一种基于双向门控循环单元(Bi/GRU)的深度学习液压管路故障诊断方法。由Bi/GRU神经网络模型综合液压管路数据进行时序特征提取，基于同一含噪声的液压管路振动实测数据，输入到Bi/GRU、GRU、RNN、SVM、BPNN等5种故障诊断模型中进行训练。最后，为了进一步展示Bi/GRU模型对于航空液压管路不同故障类型特征的学习能力，利用t/SNE降维算法进行液压管路特征可视化。结果表明：基于Bi/GRU航空故障诊断方法能达到99.60%的准确性，明显优于GRU等其他4种神经网络模型，Bi/GRU模型在含有噪声的液压管路数据上具备更出色的特征提取能力，可有效地提取出液压管路故障数据特征，从而实现了液压管路故障的智能化识别。