排序方式: 共有18条查询结果,搜索用时 390 毫秒
1.
利用正交小波变换在时-频域均有良好局部化的品质,提出了一种对动态系统故障诊断中非平稳信号进行分析与处理的方法.仿真结果表明,该方法不仅使测试结果更加精确,而且便于进行快速的故障诊断. 相似文献
2.
涡扇发动机部件特性的BP网络研究 总被引:2,自引:0,他引:2
在发动机特性计算中,建立了BP神经网络对部件特性数据进行识别学习,实现了特性数据的精确插值和对未知特性数据的推测。通过对网络输出结果的检验与分析,表明该方法精确实用。 相似文献
3.
基于B参数的轴流压气机过失速稳定性分析 总被引:2,自引:1,他引:1
基于2阶Greitzer模型,按照B参数的变化,通过对系统方程进行局部线性化,把从失速到喘振的过失速过程划分为4个阶段进行非线性分析,不仅观察到了临界点附近的系统变化规律,而且可以准确判定临界点的位置。在B参数大于临界点时的情况下,引入了Lyapunov稳定性理论和局部不变集定理对系统进行全局稳定性分析,结合仿真结果,表明系统轨迹趋近于稳定的喘振极限环。 相似文献
4.
LabWindows/CVI在某型飞机地面检测系统软件开发中的应用 总被引:1,自引:0,他引:1
在基于虚拟仪器架构的VXI总线硬件平台上,利用LabWindows/CVI集成化开发环境,实现了某型飞机地面检测系统软件的开发.实践证明,这种开发方式保证了检测软件功能和可靠性要求,同时易于使用和维护. 相似文献
5.
对JSSG 2007B、GJB 241A-2010中航空发动机数控系统的要求和验证方法进行了分析,对下一步标准制修订工作提出了建议. 相似文献
6.
7.
支持向量机在航空发动机起动模型辨识中的应用研究 总被引:1,自引:0,他引:1
支持向量机(SVM)可以优化网络,有效降低模型复杂性,不存在维数灾难和局部极小问题。本文以某型发动机起动调整试验的试车数据为样本,使用SVM对某一大气条件下的发动机起动模型进行了辨识,并使用另外一组试车数据.通过辨识模型对起动过程进行了仿真;最后,比较了SVM和RBF神经网络起动模型的辨识精度。结果表明,用SVM辨识发动机起动过程模型,方法简单,学习速度快,辨识精度较高。 相似文献
8.
为解决基于气动热力学方程建立发动机起动模型时存在的困难,本文以某型发动机起动调整试验的试车数据为样本,使用径向基函数(RBF)神经网络对在某一大气条件下的发动机起动模型进行了辨识;并使用另外一组试车数据,通过辨识模型对起动过程进行了仿真。结果表明,用RBF神经网络辨识发动机起动模型,具有方法简单、学习速度快、辨识精度较高等优点。 相似文献
9.
10.
基于支持向量机的航空发动机辨识模型 总被引:7,自引:3,他引:4
针对航空发动机具有强非线性、时变性的特点以及采用常规神经网络辨识时存在的局部较小,过学习等问题,提出了一种基于支持向量机的通用发动机模型辨识方法。该方法基于现代统计学习理论,采用结构风险最小化准则,保证了网络具有很强的推广特性,通过求解凸二次规划确保网络结构全局最优化自动生成。本文采用实测到的发动机飞行记录数据作为训练样本,利用回归型支持向量机建立了发动机的辨识模型,研究结果表明该方法的辨识精度较高,鲁棒性、容错性较好,具有较大的实用价值。 相似文献