您当前的位置：
首页 >
文章列表页 >
基于密集连接卷积网络和支持向量机的飞行器机械部件故障诊断
车辆工程·机械工程 | 更新时间：2025-05-26
上一篇|下一篇

    • 基于密集连接卷积网络和支持向量机的飞行器机械部件故障诊断

    • Fault diagnosis of key mechanical components of aircraft based on densenet and support vector machine

    • “在旋转机械故障诊断领域，专家提出了基于DenseNet和SVM的故障诊断方法，有效提高了诊断准确率。”
    • 院老虎 ，连冬杉 ，张亮 ，刘义
    • 吉林大学学报（工学版） 2021年51卷第5期 页码：1635-1641
    • 作者机构：

      1.沈阳航空航天大学 航空宇航学院，沈阳 110136

      2.北京宇航系统工程研究所，北京 100076

      3.北京机械工业自动化研究所有限公司，北京 100120

    • 作者简介：

      院老虎（1978-），男，副教授，博士.研究方向：飞行器健康监测与故障诊断.E-mail：ylhhit@126.com

    • 基金信息：
      国家自然科学基金项目(11302134)

    • DOI： 10.13229/j.cnki.jdxbgxb20200702     

      中图分类号：

    移动端阅览

  •  
  •  

  • AI导读

  • HTML全文

  • 图( 5 ) 表( 5 )

  • 参考文献

  • 出版信息

  • 数据统计

50

浏览量

36

下载量

10

CSCD

文章被引用时，请邮件提醒。
提交
工具集
  • BibTeX下载
  • Endnote下载
  • RefMan 下载
  • NoteExpress下载
  • NoteFirst下载

相关文章

基于PSO-SVM及时序环节的数控刀架故障诊断方法
基于多通道融合的齿轮箱故障诊断方法
基于扩散模型和DenseNet的少样本齿轮箱故障诊断方法
基于混沌不变量的多任务人体运动行为特征识别方法
基于动态残差注意力和LSTM的跨工况滚动轴承故障诊断

相关作者

罗巍
卢博
陈菲
马腾
冯志刚
王颖
王宇
曹洁

相关机构

吉林大学 数控装备可靠性教育部重点实验室
吉林大学 机械与航空航天工程学院
长春设备工艺研究所
深圳技术大学 中德智能制造学院
沈阳航空航天大学 自动化学院