期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于ABC-LSTM的飞机发动机故障诊断
被引量:
2
1
作者
崔建国
宋博文
+5 位作者
崔霄
王景霖
杜文友
于明月
刘冬
蒋丽英
《沈阳航空航天大学学报》
2022年第3期50-55,共6页
发动机是飞机重要的组成部分,是飞机正常安全飞行的保障。由于其工作环境恶劣,难以进行准确的故障诊断。为此,提出了基于ABC-LSTM的飞机发动机故障诊断方法。该方法首先设计了长短时记忆神经网络(Long Short-Term Memory,LSTM)故障诊断...
发动机是飞机重要的组成部分,是飞机正常安全飞行的保障。由于其工作环境恶劣,难以进行准确的故障诊断。为此,提出了基于ABC-LSTM的飞机发动机故障诊断方法。该方法首先设计了长短时记忆神经网络(Long Short-Term Memory,LSTM)故障诊断模型;然后采用人工蜂群算法(Artificial Bee Colony Algorithm,ABC)对所设计的长短时记忆神经网络故障诊断模型中的隐含层节点数进行优化,确定最优隐含层节点个数,创建ABC-LSTM的飞机发动机故障诊断模型;最后采用发动机监测数据对所创建的ABC-LSTM故障诊断模型进行测试和验证。为表明所设计的故障诊断模型的优越性,设计了PSO-LSTM和GA-LSTM故障诊断模型。研究结果表明,所提出的ABC-LSTM方法的故障诊断率达93.14%,与LSTM、PSO-LSTM、GA-LSTM故障诊断方法相比具有更好的诊断效果,为飞机发动机故障诊断提供了一种新思路。
展开更多
关键词
飞机发动机
故障诊断
人工蜂群算法
长短时记忆神经网络
隐含层节点
下载PDF
职称材料
题名
基于ABC-LSTM的飞机发动机故障诊断
被引量:
2
1
作者
崔建国
宋博文
崔霄
王景霖
杜文友
于明月
刘冬
蒋丽英
机构
沈阳
航空
航天大学自动化学院
航空
工业
空气动力研究院模型天平
与
风洞设备五部
中航
工业
集团
故障诊断
与
健康
管理
技术
航空
科技
重点
实验室
出处
《沈阳航空航天大学学报》
2022年第3期50-55,共6页
基金
国家自然科学基金(项目编号:51605309)
中国航空科学基金(项目编号:20163354004,201933054002)
辽宁省教育厅基金项目(项目编号:JYT2020021)。
文摘
发动机是飞机重要的组成部分,是飞机正常安全飞行的保障。由于其工作环境恶劣,难以进行准确的故障诊断。为此,提出了基于ABC-LSTM的飞机发动机故障诊断方法。该方法首先设计了长短时记忆神经网络(Long Short-Term Memory,LSTM)故障诊断模型;然后采用人工蜂群算法(Artificial Bee Colony Algorithm,ABC)对所设计的长短时记忆神经网络故障诊断模型中的隐含层节点数进行优化,确定最优隐含层节点个数,创建ABC-LSTM的飞机发动机故障诊断模型;最后采用发动机监测数据对所创建的ABC-LSTM故障诊断模型进行测试和验证。为表明所设计的故障诊断模型的优越性,设计了PSO-LSTM和GA-LSTM故障诊断模型。研究结果表明,所提出的ABC-LSTM方法的故障诊断率达93.14%,与LSTM、PSO-LSTM、GA-LSTM故障诊断方法相比具有更好的诊断效果,为飞机发动机故障诊断提供了一种新思路。
关键词
飞机发动机
故障诊断
人工蜂群算法
长短时记忆神经网络
隐含层节点
Keywords
aircraft engine
fault diagnosis
ABC
LSTM
hidden layer node
分类号
TP2063 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于ABC-LSTM的飞机发动机故障诊断
崔建国
宋博文
崔霄
王景霖
杜文友
于明月
刘冬
蒋丽英
《沈阳航空航天大学学报》
2022
2
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部