本文主要研究内容
作者林嘉琦,徐建国,刘星怡（2019）在《基于深度信念网络的航空发动机气路故障诊断技术研究》一文中研究指出：针对传统的航空发动机故障诊断方法正确率较低,并且对异常数据不敏感的问题,将智能诊断算法引入航空发动机气路故障诊断领域。以涡轴发动机为例,分析了常见气路部件故障类型的成因和表现,并在Tensorflow上建立基于深度信念网络的故障诊断模型。与传统的故障诊断方法相比,具有更高的故障诊断正确率。
Abstract
zhen dui chuan tong de hang kong fa dong ji gu zhang zhen duan fang fa zheng que lv jiao di ,bing ju dui yi chang shu ju bu min gan de wen ti ,jiang zhi neng zhen duan suan fa yin ru hang kong fa dong ji qi lu gu zhang zhen duan ling yu 。yi guo zhou fa dong ji wei li ,fen xi le chang jian qi lu bu jian gu zhang lei xing de cheng yin he biao xian ,bing zai Tensorflowshang jian li ji yu shen du xin nian wang lao de gu zhang zhen duan mo xing 。yu chuan tong de gu zhang zhen duan fang fa xiang bi ,ju you geng gao de gu zhang zhen duan zheng que lv 。
论文参考文献
论文详细介绍
论文作者分别是来自机械制造与自动化的林嘉琦,徐建国,刘星怡，发表于刊物机械制造与自动化2019年05期论文，是一篇关于航空发动机论文,气路部件论文,深度信念网络论文,故障诊断论文,机械制造与自动化2019年05期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自机械制造与自动化2019年05期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：航空发动机论文; 气路部件论文; 深度信念网络论文; 故障诊断论文; 机械制造与自动化2019年05期论文;