暂无评论
该书由李应红院士主持编写,主要是面向航空发动机的机器学习的使用。书上着重介绍了支持向量机,覆盖机器学习等方法在航空发动机故障诊断上的使用。
摘要:航空发动机故障诊断是航空发动机领域的重要研究方向,已经成为了目前国内外十分关注的一个研究热点。信息融合是近年来兴起的一门学科,在许多领域得到了广泛的应用和研究。在航空发动机故障诊断领域的应用尚处
航空发动机的开发规律,电子技术的应用,材料技术的发展,对发动机性能提升
主要阐述了涡轮叶片的故障分析。首先介绍了涡轮叶片的一些基本知识;其次对涡轮叶片的故障与故障模式作了说明;最后列举了一些例子(WJ5甲型发动机以及涡轮工作叶片折断故障、涡轮工作叶片裂纹故障)对叶片的故障
支持向量机在航空发动机故障诊断领域有了更多的应用,
基于BP神经网络的转子振动故障诊断专家系统,总结了前人研究的成果,并在模拟转子实验台上实现了信号的采集,把采集到的故障特征利用LM算法的BP神经网络训练,对转子故障进行诊断
动态主元分析在航空发动机传感器故障诊断的应用,秦艳,石敏超,针对发动机多个传感器的相互关联的时序测量数据,在只存在传感器故障的前提下,提出了一种基于动态主元分析(DPCA)的传感器故障诊断
利用LabVIEW和C语言、MATLAB混合编程,设计并实现了航空发动机故障诊断系统。利用C语言设计了数据采集仪的DLL驱动程序,LabVIEW调用DLL实现了数据采集;针对航空发动机振动信号的特点,
电控汽油发动机故障诊断 故障诊断流程图
阐述航空发动机涡轮基本理论问题和气动计算方法,分析涡轮级基本设计参数对涡轮级效率的影响问题,介绍涡轮通道方案的选择和尺寸的确定。
暂无评论