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:
针对运载火箭动力系统在发动机推力下降故障诊断中存在的推力下降程度及故障时间测算不精确的问题,提出了一种基于深度学习的故障诊断方法.不同时刻及程度的推力故障下,利用运载火箭六自由度运动学模型生成的过载信息作为故障训练样本,采用堆栈自动编码器方法训练网络,利用训练好的网络辨识发动机推力下降程度,带入六自由度仿真模型中可以实现在线故障诊断.数字仿真证实:该方法可以对火箭发动机的不同时刻与不同推力下降程度的推力损失进行故障诊断,与普通神经网络方法相比,精确性更高.
推荐文章
深度学习技术及其故障诊断应用分析与展望
大数据
机械设备
深度学习
基于改进深度置信网络的故障诊断方法
故障诊断
深度置信网络
特征提取
自适应谐振
基于深度置信网络的通信控制设备故障诊断
故障诊断
通信控制设备
深度置信网络
小波变换
基于深度置信网络的炼化空压机故障诊断方法
空压机
深度置信网络模型
故障诊断
稳定性
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 基于深度学习与SAE网络的火箭推力下降故障诊断
来源期刊 载人航天 学科 航空航天
关键词 推力下降故障 运载火箭 故障诊断 深度学习 SAE网络
年,卷(期) 2022,(2) 所属期刊栏目 工程技术|ENGINEERING TECHNOLOGY
研究方向 页码范围 237-243
页数 7页 分类号 V433
字数 语种 中文
DOI 10.3969/j.issn.1674-5825.2022.02.014
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
推力下降故障
运载火箭
故障诊断
深度学习
SAE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
载人航天
双月刊
1674-5825
11-5008/V
大16开
北京海淀区圆明园西路1号院
2-740
2003
chi
出版文献量(篇)
1268
总下载数(次)
0
总被引数(次)
3592
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
陕西省自然科学基金
英文译名:Natural Science Basic Research Plan in Shaanxi Province of China
官方网址:
项目类型:
学科类型:
论文1v1指导