作者:高峰,曲建岭,袁涛,高峰娟 单位:中国电子学会 出版:《电子测量与仪器学报》2019年第03期 页数:8页  (PDF与DOC格式可能不同) PDF编号:PDFDZIY2019030030 DOC编号:DOCDZIY2019030039 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于长短时记忆网络的人体姿态检测方法》PDF+DOC2018年第06期 郑毅,李凤,张丽,刘守印 《以“不变特征点集”为控制数据集的遥感图像自动化处理框架》PDF+DOC2016年第05期 唐娉,郑柯,单小军,胡昌苗,霍连志,赵理君,李宏益 《基于深度学习的应急手势识别算法研究》PDF+DOC2018年第02期 张雨晨,甘俊英,余飞,曾军英 《基于深度学习的航空发动机传感器故障检测》PDF+DOC2017年第09期 刘云龙,谢寿生,郑晓飞,边涛 《车辆再识别技术综述》PDF+DOC2020年第01期 刘凯,李浥东,林伟鹏 《基于LSTM-DBN的航空发动机剩余寿命预测》PDF+DOC2020年第07期 李京峰,陈云翔,项华春,蔡忠义 《基于深度学习理论的车载智能健康系统的设计及应用》PDF+DOC2019年第14期 李川鹏,王耀福 《基于全连接神经网络的雷达目标航迹识别》PDF+DOC2019年第03期 冯诀宵,樊玉琦 《基于CWRU数据集进行系统参数识别的智能化发展方向》PDF+DOC2018年第10期 杨静 《基于多变量LSTM的工业传感器时序数据预测》PDF+DOC2018年第05期 易利容,王绍宇,殷丽丽,杨青,顾欣
  • 实现航空发动机剩余寿命的准确预测对于保证飞行安全和提高维修效率具有重要意义,但现有的预测算法往往只是浅层结构,且对各传感器参数之间的相互关系缺乏关联性考虑,限制了对发动机参数信息的深度挖掘。在深度学习理论的基础上,着重考虑不同传感器之间的参数关系,引入差分时域特征扩充特征集,构建了基于长短时记忆网络的寿命预测模型DTF-LSTM。在C-MAPSS数据集上的实验结果表明,该算法相较于其他深度学习算法具有更低的均方根误差(RMSE)值,可以有效实现发动机剩余寿命预测。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。