-
公开(公告)号：CN111175054A
公开(公告)日：2020-05-19
申请号：CN202010017901.7
申请日：2020-01-08
申请人： 沈阳航空航天大学
摘要： 本发明提供一种基于数据驱动的航空发动机故障诊断方法，涉及航空发动机故障诊断技术领域。本发明的方法为将获取的数据样本集分为训练样本集和测试样本集；建立初始深度自编码神经网络；并对其进行预训练,得到深度自编码神经网络；根据深度自编码神经网络建立故障诊断模型；对故障诊断模型进行训练并微调，得到基于深度自编网络的航空发动机故障诊断模型，并将测试样本集输入到基于深度自编网络的航空发动机故障诊断模型中输出航空发动机的工作状态，其中故障诊断模型输出[1 0]则表示为健康状态，输出[0 1]则表示为故障状态。本方法可以更加快速、有效地诊断出航空发动机的故障，较大提高发动机的故障诊断准确率，提高工作效率。
-
公开(公告)号：CN111241629A
公开(公告)日：2020-06-05
申请号：CN202010017890.2
申请日：2020-01-08
申请人： 沈阳航空航天大学
摘要： 本发明提供一种基于数据驱动的飞机液压泵性能变化趋势智能预测方法，涉及航空航天预测技术领域。本发明首先获取飞机液压泵的回油流量性能表征参数形成初始参数集合；将性能表征参数分解为D个趋势项数据和D个细节项数据；然后将细节项数据归一化得到参数数据集合；建立细节项训练数据集，并构建细节项数据趋势预测模型；对细节项数据进行趋势预测得到细节项趋势预测结果；再建立ARIMA趋势项预测模型；对趋势项数据进行预测；最后将趋势项预测结果与细节项预测结果进行了叠加，得到飞机液压泵性能变化趋势预测结果。本方法使预测精确性和实时性都高于单一模型，能够实现对液压泵性能变化趋势的预测，有一定的工程实际意义。
-
公开(公告)号：CN111241629B
公开(公告)日：2023-07-14
申请号：CN202010017890.2
申请日：2020-01-08
申请人： 沈阳航空航天大学
摘要： 本发明提供一种基于数据驱动的飞机液压泵性能变化趋势智能预测方法，涉及航空航天预测技术领域。本发明首先获取飞机液压泵的回油流量性能表征参数形成初始参数集合；将性能表征参数分解为D个趋势项数据和D个细节项数据；然后将细节项数据归一化得到参数数据集合；建立细节项训练数据集，并构建细节项数据趋势预测模型；对细节项数据进行趋势预测得到细节项趋势预测结果；再建立ARIMA趋势项预测模型；对趋势项数据进行预测；最后将趋势项预测结果与细节项预测结果进行了叠加，得到飞机液压泵性能变化趋势预测结果。本方法使预测精确性和实时性都高于单一模型，能够实现对液压泵性能变化趋势的预测，有一定的工程实际意义。
-
公开(公告)号：CN111175054B
公开(公告)日：2021-12-03
申请号：CN202010017901.7
申请日：2020-01-08
申请人： 沈阳航空航天大学
摘要： 本发明提供一种基于数据驱动的航空发动机故障诊断方法，涉及航空发动机故障诊断技术领域。本发明的方法为将获取的数据样本集分为训练样本集和测试样本集；建立初始深度自编码神经网络；并对其进行预训练,得到深度自编码神经网络；根据深度自编码神经网络建立故障诊断模型；对故障诊断模型进行训练并微调，得到基于深度自编网络的航空发动机故障诊断模型，并将测试样本集输入到基于深度自编网络的航空发动机故障诊断模型中输出航空发动机的工作状态，其中故障诊断模型输出[1 0]则表示为健康状态，输出[0 1]则表示为故障状态。本方法可以更加快速、有效地诊断出航空发动机的故障，较大提高发动机的故障诊断准确率，提高工作效率。
-
-
-
搜索结果
4 条记录 (耗时 0.025 秒)
