原文服务方: 航空计算技术       
摘要:
航空发动机大修具有影响因素多、因素之间耦合关系复杂等特点,针对数据驱动的航空发动机大修周期预测,提出基于主成分分析和反向传播神经网络(PCA-BP)的航空发动机大修周期预测方法。在分析影响航空发动机大修周期主要因素的基础上,采用PCA方法得到影响航空发动机大修周期的主成分因素,并将其作为BP神经网络的输入。基于某型航空发动机大修数据对PCA-BP模型进行训练和测试,并与BP神经网络模型进行比较,结果表明PCA-BP模型预测精度更高,验证了方法的有效性。
推荐文章
基于竞争失效的航空发动机剩余寿命预测
航空发动机
机电系统
竞争失效
寿命预测
基于Lyapunov函数的航空发动机控制方法的研究
非线性控制
稳定性
Lyapunov函数
航空发动机
多源统计数据驱动的航空发动机剩余寿命预测方法
剩余寿命
航空发动机
概率密度函数
统计数据驱动
基于人工神经网络的航空发动机故障诊断方法
故障诊断
BP神经网络
BP算法
航空发动机
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PCA-BP的航空发动机大修周期预测方法
来源期刊 学科 航空航天
关键词 航空发动机 大修周期 主成分分析 BP神经网络
年,卷(期) 2022,(3) 所属期刊栏目 计算方法
研究方向 页码范围 62-66
页数 4页 分类号 V23,O242
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(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)
研究主题发展历程
节点文献
航空发动机
大修周期
主成分分析
BP神经网络
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
航空计算技术
双月刊
1671-654X
61-1276/TP
大16开
西安市太白北路156号
1971-01-01
中文
出版文献量(篇)
3985
总下载数(次)
0
总被引数(次)
18592
论文1v1指导