首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   15篇
  免费   0篇
机械仪表   14篇
建筑科学   1篇
  2021年   3篇
  2020年   4篇
  2018年   2篇
  2017年   1篇
  2016年   2篇
  2014年   2篇
  2010年   1篇
排序方式: 共有15条查询结果,搜索用时 16 毫秒
1.
直升机行星传动轮系结构复杂、工况多变,其振动信号受工况影响大,在故障样本较少的情况下导致行星齿轮箱故障诊断准确率不高,早期故障诊断困难。针对上述问题,提出将堆栈收缩自动编码网络(stacked contractive autoencoder,简称SCAE)与辅助分类生成式对抗网络(auxiliary classifier generative adversarial networks,简称ACGAN)相结合的SCAE-ACGAN故障诊断方法。ACGAN的生成器产生与真实样本具有类似分布的生成样本,扩展训练样本集,并与真实样本一起输入至判别器进行训练。ACGAN采用SCAE作为判别器,利用SCAE良好的抗数据波动能力,从扩展样本集中挖掘出有效的深度特征,并实现样本的真伪与类别的判定。ACGAN的判别器和生成器在对抗学习训练机制下交替优化,提高方法的样本生成质量与故障判定能力。将SCAE-ACGAN应用于直升机行星轮裂纹故障诊断,结果表明,SCAE-ACGAN的故障诊断性能好,在样本数量少与工况变化情况下具有较好的健壮性和适应性。  相似文献   
2.
针对飞机液压泵故障难以准确预测的技术难题,提出了基于模糊综合评判和层次分析法的飞机液压泵故障预测方法。根据液压泵的工作机理及形成机制,分析液压泵在运行过程中的几种常见故障形式,得到液压泵常见故障模式和故障因素集,采用层次分析法计算故障预测中的各项权重,运用模糊综合评判法对液压泵的故障进行预测。以某型飞机液压泵为具体研究对象,对提出的方法进行试验验证。结果表明,该方法能够实现飞机液压泵故障预测的效能,对其他航空设备的故障预测也具有良好的应用前景。  相似文献   
3.
针对舰用燃气轮机结构复杂、工作环境恶劣,难以对其状态进行有效识别问题,提出一种基于核主元分析(kernel principal component analysis,简称KPCA)和模糊积分相结合的状态识别新方法。采用专用试验平台对舰用燃气轮机进行试验,获取其不同工况下的高压转子转速、低压转子转速、涡轮后排气温度及机匣振动等9个状态表征参数的原始信息,采用KPCA方法提取其状态表征参数的不同核主元,构建特征向量空间。并由提取的核主元特征向量分别创建GRNN,Elman神经网络状态识别模型,对燃气轮机状态进行识别。在此基础上,采用模糊积分方法对两种状态识别结果进行决策层融合,得到唯一的状态识别结果,提升了状态识别准确率。研究表明,采用核主元分析和模糊积分相结合的方法,能有效识别出舰用燃气轮机健康与故障状态,具有很好的实际应用价值。  相似文献   
4.
肖浩  解涛 《特种结构》2010,27(5):85-87
在Mohr-Coulomb强度准则的基础上,提出矸咿.混凝土短柱极限承载力计算时的基本假定,考虑截面有效约束和混凝土单轴抗压强度的影响,利用极限平衡法推导了FRP-混凝土短柱的极限承载力新解,通过与文献试验结果的比较,验证了理论公式的正确性,并得出核心混凝土极限抗压强度提高值、混凝土单轴抗压强度及FRP筒约束程度的影响特性。该结果为FRP-混凝土短柱的极限承载力分析提供了理论依据,对实际工程设计有一定的参考价值。  相似文献   
5.
为有效解决航空发动机的故障诊断难题,提出了基于深度自编码网络的航空发动机故障诊断方法,对发动机进行故障诊断技术研究。首先,对监测数据进行预处理,根据数据特征构建深度自编码网络的基本结构,采用无标签数据样本集对深度自编码网络进行预先训练,得到网络参数的初始值;其次,利用有标签的数据样本集对该网络进行训练,对网络参数进行微量调整,创建基于深度自编码神经网络的航空发动机故障诊断模型;最后,采用含有标签的测试样本集对创建的故障诊断模型进行诊断测试。为了表明所提出方法的优越性,将本研究方法与其他几种常用故障诊断方法的故障诊断结果进行了对比。结果表明,与反向传播神经网络、径向基神经网络等常用的故障诊断方法相比,所提出方法的诊断正确率更高,诊断效果更好。  相似文献   
6.
针对飞机液压泵工作强度高、工作环境复杂而导致传统性能预测方法对飞机液压泵性能变化趋势预测精度不高的问题,提出了一种基于自回归积分滑动平均-长短期记忆(autoregressive integrated moving average-long shortterm memory,简称ARIMA-LSTM)网络的飞机液压泵性能趋势预测方法。首先,将获取的飞机液压泵性能表征参数回油流量数据进行线性分解,得到趋势项数据和细节项数据;其次,采用自回归积分滑动平均(autoregressive integrated moving average,简称ARIMA)方法对趋势项数据进行预测,同时采用长短期记忆(long short term memory,简称LSTM)网络方法对归一化处理后的细节项数据进行预测;最后,将两部分预测结果进行叠加,得到最终的性能趋势预测结果。研究结果表明,采用ARIMA-LSTM的联合预测方法对飞机液压泵性能变化趋势的预测效果明显优于单一的ARIMA与LSTM预测方法,为飞机液压泵性能变化趋势预测的工程应用提供了一种新方法。  相似文献   
7.
由于载荷变化会削弱准零刚度隔振器的隔振特性,设计了一种可变负载的准零刚度隔振器。首先,阐述了该隔振器的隔振原理,建立了数学模型,分析了隔振器的静力学特性;其次,采用平均法研究了振动的主共振响应,得到了相对位移的幅频特性及振动的位移传递率,并分析了隔振参数对振动特性的影响。研究结果表明:该隔振器可以通过改变准零刚度弹簧的夹角,来适应负载的变化,而且角度增加能削弱共振,降低起始隔振频率;隔振器同时还具有渐硬-渐软特性,能压缩共振频段,降低向下跳跃频率,可变负载的准零刚度隔振器低频隔振性能优于普通准零刚度隔振器。  相似文献   
8.
针对某型涡轴发动机整机台架测振时频谱分量多且对应激振源或调制因素不明确的问题,采用经验模式分解(empirical mode decomposition,简称EMD)对其振动数据进行滤波处理,发现某一中低频分量包含了原始数据较为显著的信息。经过多传感器、多状态测量,将测振参数进行时频分析,证明该频率分量为燃气发生器联合转子的亚同步频率,且二者之比为0.443。通过排除法和整机断滑油实验,确定该分量为燃气发生器转子前定心弹性支撑外挤压油膜涡动的特征频率。  相似文献   
9.
为提升航空发动机气路系统状态监测的有效性,提出一种采用深度学习并结合独立分量分析(independent component analysis,简称ICA)的新方法,对航空发动机气路系统的健康状态进行了监测技术研究。首先,对实际采集的航空发动机气路系统健康监测参数进行预处理,对预处理后的参数数据采用独立分量分析方法进行处理,提取代表当前状态的特征系数矩阵;其次,由提取的特征矩阵创建深度学习状态监测模型;最后,由创建的状态监测模型对航空发动机气路系统健康状态进行监测。为验证所提方法的有效性,采用典型神经网络与支持向量机分别对由主成分分析(principal components analysis,简称PCA)和ICA构建的特征矩阵进行了状态监测研究。结果表明,采用ICA和深度学习相结合的状态监测方法,可以更好地实现对航空发动机气路系统的状态监测,有良好的应用与推广前景。  相似文献   
10.
针对轴承故障信号比较微弱的特点,提出了一种基于耦合隐马尔可夫模型(coupled hidden Markov model,简称CHMM)的轴承故障诊断方法。首先,根据轴承传动结构特点,设计能够监测轴承振动状态的传感器网络;其次,通过非线性特征提取方法获取能够反映轴承健康状态的少数关键特征,利用传感信号的矢量量化代替提取其频域微弱特征的方法,可有效提高故障诊断效率和准确率;然后,在多通道信息融合中引入隐马尔可夫模型,采用左右型齐次隐马尔可夫链实现故障诊断;最后,通过对各种轴承故障状态构建其对应的耦合隐马尔可夫模型的方式,实现对轴承故障类型的辨识。试验结果表明,该方法能够有效地实现对轴承故障类型的识别。  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号