排序方式: 共有7条查询结果,搜索用时 171 毫秒
1
1.
为提升发动机性能监控的智能化水平,实现性能数据的高效利用,提出了基于图像化变差函数的发动机性能数据异常判别方法。通过研究发动机性能数据的标准化修正方法和图像转化方法,将数值型表示的发动机性能数据转化为发动机性能图像。通过引入变差函数理论,采用4方向的变差函数值表示性能特征值,融合不同时刻不同参数的性能数据。在提取发动机性能图像关键特征点的基础上,定义性能图像间的差异距离,实现基于变差函数的发动机性能图像异常判别方法,从而实现对发动机性能状态的判别。选用若干组实际发动机性能数据对方法进行验证。验证结果表明:该方法运算高效,实现了高维性能数据的降维和对性能图像运行状态的分类,从而判别发动机性能数据的运行状态。 相似文献
2.
为提升发动机性能监控的智能化水平,实现性能数据的高效利用,提出了基于图像化变差函数的发动机性能数据异常
判别方法。 通过研究发动机性能数据的标准化修正方法和图像转化方法,将数值型表示的发动机性能数据转化为发动机性能图像。 通过引入变差函数理论,采用 4
方向的变差函数值表示性能特征值,融合不同时刻不同参数的性能数据。 在提取发动机性能图像关
键特征点的基础上,定义性能图像间的差异距离,实现基于变差函数的发动机性能图像异常判别方法,从而实现对发动机性能状态 的判别。 选用若干组实际发动机性能数据对方法进行验证O
验证结果表明:该方法运算高效,实现了高维性能数据的降维和对性能 图像运行状态的分类,从而判别发动机性能数据的运行状态。 相似文献
3.
为提升飞机结构损伤维修分析的智能化水平,实现飞机结构损伤模型的高效重构,提出了基于结构张量特征的动态阈值损伤区域划分方法。首先,引入结构张量理论,特征表示图像局部颜色结构纹理,完备损伤图像特征表示;其次,通过构建共性分布的结构张量特征空间,从而使不同损伤图像具有一致性损伤区域划分流程;在此基础上,定义了动态阈值划分算子,并通过对动态阈值划分算子参数的计算,实现结构张量特征空间中的动态阈值划分;最后,选用不同飞机结构损伤实例图像对方法进行了对比验证。验证结果表明,相比于传统灰度方法、固定阈值划分和其他动态阈值划分算子,椭圆算子划分得到的损伤边界连贯完整,能够有效分割微小裂纹,噪点较少,质量较优。该方法运算高效、流程统一、特征表示完备,对不同类型结构损伤的适用性好。 相似文献
4.
为了解决深度学习在航空发动机性能异常检测中出现的数据不平衡的问题,在高频次纹理片段对应性能稳定状态、低
频次纹理片段对应异常波动状态的合理假设下,提出了一种航空发动机性能图像纹理片段划分方法。通过研究性能数据空间与
RGB彩色空间的映射,提出高维性能数据图像化。引入分形盒维理论,定义纹理特征维数表征性能图像纹理特征,提出基于高频
次生长树的图像纹理片段划分方法,实现性能图像按纹理出现频次的精细划分,建立正常样本和异常样本数量接近的数据集。选
取多个航段发动机性能数据,与时频图和采样法生成的数据集进行对比验证。验证结果表明:该方法可以生成数量相当且真实
客观的正常样本和异常样本,在ResNet50模型上的准确率达91.72%,减小了数据不平衡对准确率的影响。 相似文献
5.
6.
7.
1