基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
油样分析方法目前已成为航空发动机磨损故障诊断的重要手段,但单一油样分析技术的诊断准确率均有限,为了提高故障诊断的精度,本文提出了基于D-S证据理论的发动机磨损故障智能融合诊断方法.首先用BP神经网络实现发动机磨损故障的单项智能诊断,然后,充分利用神经网络诊断结果,用D-S证据理论实现了磨损故障的融合诊断.最后,算例验证了本文方法的有效性.
推荐文章
基于D-S证据理论的航空发动机早期故障诊断方法
D-S证据理论
航空发动机
早期故障
数据融合
基于D-S证据理论的航空发动机振动故障分析
D-S证据理论
信息融合
BP神经网络
航空发动机
航空发动机磨损故障的智能融合诊断
航空发动机
磨损
专家系统
数据融合
D-S证据理论
基于多分类器融合的航空发动机气路故障诊断
航空发动机
气路故障诊断
神经网络
支持向量机
D-S证据理论
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于D-S证据理论的航空发动机磨损故障智能融合诊断方法
来源期刊 机械科学与技术 学科 物理学
关键词 航空发动机 磨损 故障诊断 数据融合 神经网络 D-S证据理论
年,卷(期) 2005,(9) 所属期刊栏目
研究方向 页码范围 1018-1021
页数 4页 分类号 O329|F201
字数 4401字 语种 中文
DOI 10.3321/j.issn:1003-8728.2005.09.003
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈果 南京航空航天大学民航学院 178 3333 32.0 49.0
2 文振华 南京航空航天大学民航学院 12 189 8.0 12.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (19)
共引文献  (423)
参考文献  (10)
节点文献
引证文献  (22)
同被引文献  (44)
二级引证文献  (49)
1967(3)
  • 参考文献(0)
  • 二级参考文献(3)
1987(4)
  • 参考文献(1)
  • 二级参考文献(3)
1996(2)
  • 参考文献(2)
  • 二级参考文献(0)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(6)
  • 参考文献(2)
  • 二级参考文献(4)
2001(3)
  • 参考文献(1)
  • 二级参考文献(2)
2002(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(3)
  • 参考文献(3)
  • 二级参考文献(0)
2005(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2006(2)
  • 引证文献(2)
  • 二级引证文献(0)
2007(8)
  • 引证文献(7)
  • 二级引证文献(1)
2008(4)
  • 引证文献(2)
  • 二级引证文献(2)
2009(6)
  • 引证文献(2)
  • 二级引证文献(4)
2010(9)
  • 引证文献(2)
  • 二级引证文献(7)
2011(5)
  • 引证文献(0)
  • 二级引证文献(5)
2012(7)
  • 引证文献(1)
  • 二级引证文献(6)
2013(6)
  • 引证文献(1)
  • 二级引证文献(5)
2014(3)
  • 引证文献(1)
  • 二级引证文献(2)
2015(8)
  • 引证文献(3)
  • 二级引证文献(5)
2017(3)
  • 引证文献(0)
  • 二级引证文献(3)
2018(4)
  • 引证文献(0)
  • 二级引证文献(4)
2019(5)
  • 引证文献(1)
  • 二级引证文献(4)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
航空发动机
磨损
故障诊断
数据融合
神经网络
D-S证据理论
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
机械科学与技术
月刊
1003-8728
61-1114/TH
大16开
西安友谊西路127号
52-193
1981
chi
出版文献量(篇)
8073
总下载数(次)
15
总被引数(次)
69926
论文1v1指导