期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于TSFFCNN-PSO-SVM的飞机起落架液压系统故障诊断
1
作者 冯东洋 姜春英 +2 位作者 鲁墨武 叶长龙 李胜宇 《航空动力学报》 EI CAS CSCD 北大核心 2024年第1期187-199,共13页
针对飞机起落架液压系统故障诊断精度低,深层故障特征提取困难的问题,提出了一种基于双路特征融合卷积神经网络(TSFFCNN)与粒子群优化支持向量机(PSO-SVM)结合的起落架液压系统故障诊断模型。该诊断模型以起落架多节点压力信号作为输入... 针对飞机起落架液压系统故障诊断精度低,深层故障特征提取困难的问题,提出了一种基于双路特征融合卷积神经网络(TSFFCNN)与粒子群优化支持向量机(PSO-SVM)结合的起落架液压系统故障诊断模型。该诊断模型以起落架多节点压力信号作为输入,采用一维卷积神经网络(1DCNN)与二维卷积神经网络(2DCNN)并行多通道网络结构自适应提取深层特征信息,并在融合层将深层特征信息融合,通过优化后的SVM分类器对融合特征进行故障分类。为验证所提诊断模型的故障分类效果,基于AMESim搭建了典型飞机起落架液压系统仿真模型,构建了几种典型故障类型数据集。基于仿真数据的诊断结果表明,所提故障诊断算法精度能达到99.37%,能够有效实现起落架液压系统故障诊断;与其他智能算法对比,基于TSFFCNNPSO-SVM故障诊断模型具有更好的平稳性与可靠性,诊断精度更高。 展开更多
关键词 飞机起落架液压系统 特征融合 故障诊断 双路特征融合卷积神经网络(tsffcnn) 粒子群优化支持向量机(PSO-SVM)
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部