《表1 敏感参数描述：基于改进神经网络的航空发动机故障预测》
提示：宽带有限、当前游客访问压缩模式
本文参照文献[13]对多参数相似性信息融合的剩余寿命预测研究方法，选取单调递增趋势的参数2、3、4、8、11、13、15、17作为神经网络的输入，其描述见表1。
| 图表编号 | XD00213583500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.10.01 |
| 作者 | 胡静、吴迪 |
| 绘制单位 | 郑州大学中原网络安全研究院、信息工程大学、信息工程大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 试件规格参数：基于改进VMD和GA-BP神经网络的砂岩破裂过程预测方法》2021.02.28
- 《表3 工人操作技术等级：基于改进卷积神经网络的航空发动机剩余寿命预测》2020.12.25
- 《表1 粗糙度综合参数：基于改进卷积神经网络的航空发动机剩余寿命预测》2020.12.25
- 《表1 发动机喘振故障源：基于人工神经网络的飞机发动机故障诊断模型构建研究》2020.11.15
- 《表1 故障模式严重程度：基于改进卷积神经网络的无绝缘轨道电路调谐区故障诊断》2020.06.25
- 《表3 测试参数设置：基于改进卷积神经网络的无绝缘轨道电路调谐区故障诊断》2020.06.25
- 《表3 监测参数MAE值：基于改进ARMA模型的火箭发动机稳态工况过程实时故障诊断方法研究》2020.02.25
- 《表1 神经网络性能参数：基于小波神经网络的航空发动机传感器故障诊断》2020.02.15
- 《表1 发动机工况设置：基于改进变分模态分解与双测度分形维数的发动机故障诊断》2020.02.25
- 《表2 网络参数设置表：基于堆叠稀疏自编码神经网络的航空发动机剩余寿命预测方法研究》2019.12.25
- 《表2 分段故障表：基于改进的神经网络对航空发动机故障率预测研究》2019.05.25
- 《表1 分段故障表：基于改进的神经网络对航空发动机故障率预测研究》2019.05.25
- 《表2 预测结果比较：基于改进QPSO-SVR的航空发动机排气温度预测》2019.04.01
- 《表1 原始数据：基于改进QPSO-SVR的航空发动机排气温度预测》2019.04.01
- 《表3 归一化后的数据：基于改进果蝇算法优化的GRNN航空发动机排气温度预测模型》2019.01.01
- 《表2 选择后的数据：基于改进果蝇算法优化的GRNN航空发动机排气温度预测模型》2019.01.01
- 《表1 原始数据：基于改进果蝇算法优化的GRNN航空发动机排气温度预测模型》2019.01.01
- 《表2 模型参数表：基于改进型深度网络数据融合的滚动轴承故障识别》2019.02.01
- 《表1 故障预测输出形式：基于改进深度降噪自编码网络的电网气象防灾方法》2019.01.25
- 《表1 训练样本数据：基于BP神经网络的涡轴发动机故障诊断研究》2019.12.30