智慧型航空發動機——基礎理論與關鍵技術

《智慧型航空發動機——基礎理論與關鍵技術》是2023年科學出版社出版的圖書。

基本介紹

  • 中文名:智慧型航空發動機——基礎理論與關鍵技術
  • 作者:肖洪(等) 
  • 語言:中文 
  • 出版時間:2023年9月1日
  • 出版社:科學出版社
  • 頁數:368 頁 
  • ISBN:9787030760432
  • 開本:16 開 
  • 裝幀:平裝 
內容簡介,圖書目錄,

內容簡介

《智慧型航空發動機——基礎理論與關鍵技術》是作者在西北工業大學、劍橋大學等多所高等院校的科研成果結晶,匯聚了作者及其合作者融合純數學理論、人工智慧技術和航空發動機工程的數學思維、理論與方法研究的*新成果。《智慧型航空發動機——基礎理論與關鍵技術》介紹了智慧型航空發動機的基本概念、核心技術和關鍵技術,內容包括航空發動機數位化智慧型化的核心理念、數字孿生模型的構建訓練與驗證、各類人工智慧算法的優缺點和詳細推導、感知/決策/執行/維護/互聯等關鍵技術進展。

圖書目錄

叢書序
前言
第1章智慧型航空發動機概述
1.1智慧型航空發動機的概念演化001
1.2智慧型航空發動機的三大問題002
1.2.1智慧型航空發動機的能力躍升004
1.2.2智慧型航空發動機能力躍升的核心技術014
1.2.3智慧型航空發動機能力躍升的關鍵技術028
1.3本章小結031
參考文獻031
第2章智慧型航空發動機的核心技術
2.1數字工程模型概述033
2.1.1數字工程模型構建的難點035
2.1.2數字工程模型智慧型建模的三大技術路徑038
2.2架構驅動的航空發動機數字工程模型042
2.2.1數字工程模型一043
2.2.2數字工程模型二045
2.2.3數字工程模型三049
2.2.4數字工程模型四051
2.3振動、性能、材料一體的數字工程模型052
2.3.1振動數字工程模型052
2.3.2結構振動、性能、材料一體的數字工程模型054
2.4數字工程模型常規人工智慧算法057
2.4.1人工智慧的專家系統、機器學習和深度學習057
2.4.2深度學習基礎062
2.4.3深度學習的正則化076
2.4.4常規神經網路模型080
2.5大涵道比民用渦扇發動機數字工程模型094
2.5.1簡化數字工程模型096
2.5.2強化數字工程模型104
2.6軍用渦扇發動機數字工程模型113
2.6.1數字工程模型的自我修正網路113
2.6.2軍用渦扇發動機數字工程模型的遷移學習115
2.7極速策略人工智慧算法119
2.8數字工程模型智慧型晶片121
2.8.1FPGA的發展歷史122
2.8.2FPGA的基本結構126
2.8.3FPGA晶片的特點131
2.8.4FPGA晶片與人工智慧137
2.8.5基於FPGA的神經網路加速方法143
2.8.6FPGA航空發動機智慧型晶片的實現149
2.9本章小結151
參考文獻151
第3章智慧型航空發動機的關鍵技術
3.1控制157
3.1.1發動機分散式控制架構157
3.1.2主動控制技術架構163
3.1.3主動控制對感測器和執行機構的要求187
3.2維護189
3.2.1健康監測的背景189
3.2.2基於模型的控制191
3.2.3機載狀態監測194
3.2.4自適應控制199
3.2.5感測器技術201
3.3感知203
3.3.1感測器205
3.3.2感測器通用要求206
3.3.3常規感測器技術209
3.3.4新型感測器技術221
3.3.5感測器技術路線圖238
3.4執行241
3.4.1執行機構(器)介紹241
3.4.2執行器背景242
3.4.3部件需求244
3.4.4執行機構技術選擇245
3.4.5執行機構發展要求248
3.4.6執行機構開發需求250
3.5本章小結255
參考文獻255
第4章航空發動機葉片智慧型檢測技術
4.1葉片智慧型檢測概述270
4.1.1葉片智慧型檢測工程背景270
4.1.2航空發動機葉片無損檢測方法綜述271
4.1.3深度學習的發展及其在缺陷/損傷檢測中的套用研究現狀281
4.1.4人工智慧技術在航空發動機孔探檢測中的套用現狀288
4.1.5小結295
4.2基於深度學習的數字圖像目標特徵提取與識別295
4.2.1數字圖像的表示295
4.2.2基於深度學習的圖像目標檢測原理297
4.2.3基於深度學習的圖像目標特徵提取297
4.2.4深度學習的參數尋優/梯度下降法300
4.2.5基於深度學習的航空發動機葉片缺陷/損傷檢測原理與方法304
4.2.6小結305
4.3無監督學習的渦輪葉片X-ray圖像缺陷自動檢測技術305
4.3.1深度學習方法305
4.3.2無監督對抗學習的渦輪葉片X-ray圖像缺陷自動檢測算法306
4.3.3模型訓練與測試313
4.3.4結果與討論316
4.3.5小結323
4.4基於DCNN的渦輪葉片X-ray圖像缺陷自動檢測技術(二分類缺陷初檢模型)324
4.4.1基於DCNN的渦輪葉片X-ray圖像缺陷自動檢測模型324
4.4.2模型訓練與測試336
4.5基於深度學習的渦輪葉片X-ray圖像缺陷自動識別及定位技術(缺陷復檢模型)343
4.5.1深度學習目標檢測算法343
4.5.2基於深度學習的渦輪葉片X-ray圖像缺陷識別及定位算法349
4.5.3模型訓練與測試及評價指標358
4.5.4結果與討論359
4.5.5小結365
4.6本章小結366
參考文獻367
附錄基於Faster RCNN二階目標檢測算法的缺陷檢測模型訓練主程式及代碼解釋376

相關詞條

熱門詞條

聯絡我們