典型文献
基于改进的SENet航空发动机振动预测
文献摘要：
为实时监测和预警航空发动机振动状态,基于气路及振动参数,提出一种使用改进的SENet(squeeze-and-excitationnetwork)模型,对航空发动机近未来的振动进行预测.该研究相比以往采用的实验室模拟数据和仿真数据,使用了真实的QAR(quick access recorder)数据并进行随机采样,以求更能表征发动机振动和工作参数之间的关系.同时,不仅使用其他振动信号进行验证,还在其他型号的发动机上进行测试.结果表明:针对航空发动机的振动进行预测是可行的,SENet模型可以有效并实时追踪振动的突变和波动.此外,该方法对于其他振动信号和不同类型的发动机具有一定的适用性.而且相较于以往采用的其他经典的深度模型,SENet模型在振动的预测中能得到更小的误差.实验证明,相较于以往只使用振动这个单参数进行预测,并行使用与振动相关的多参数融合进行研究更能提高预测的准确性.
文献关键词：
振动预测;数据驱动;卷积神经网络;注意力机制;多参数融合
中图分类号：
作者姓名：
夏存江;詹于游
作者机构：
中国民用航空飞行学院航空工程学院,四川广汉618307
文献出处：
引用格式：
[1]夏存江;詹于游-.基于改进的SENet航空发动机振动预测)[J].航空动力学报,2022(12):2807-2817
A类：
excitationnetwork
B类：
SENet,航空发动机,发动机振动,振动预测,振动状态,气路,振动参数,squeeze,实验室模拟,模拟数据,仿真数据,QAR,quick,access,recorder,随机采样,征发,工作参数,振动信号,机具,深度模型,单参数,多参数融合,注意力机制
AB值：
0.341026
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
