一种深度学习的机载健康监测方法,用于降落的减震系统
Chunsheng Li1, Wang Chen1, Wenfeng Qin1
1Department of Aircraft Engineering, Civil Aviation Flight University of China, Deyang 618307, China.
Sensors (Basel, Switzerland)
|May 14, 2025
概括
本研究介绍了LDGNet,这是一种深度学习方法,用于对飞机着陆位减震器的机载健康监测. 该方法使用动态着陆响应来检测故障,提高航空安全.
科学领域:
- 航空航天工程 航空航天工程
- 人工智能的人工智能
- 机械系统 机械系统
背景情况:
- 降落的减震系统对于飞机的安全至关重要.
- 在减震器中早期检测故障对于防止故障至关重要.
- 当前的监控方法可能缺乏实时机载功能.
研究的目的:
- 提出一种基于深度学习的新型机载健康监测方法,用于降落架的减震系统.
- 开发和验证用于检测减震器故障的深度学习模型 (LDGNet).
- 用模拟数据评估方法的可行性和有效性.
主要方法:
- 为通用航空飞机的鼻子着陆架开发多体动态模型.
- 在各种健康状态和条件下模拟动态着陆反应.
- 创建一个全面的数据库,用于培训和测试LDGNet模型.
- 实施用于故障诊断的深度学习模型.
主要成果:
- 开发的LDGNet模型证明了能够监测着陆位减震器的健康状况.
- 模拟数据被有效地用于模型培训和绩效评估.
- 提出的深度学习方法在故障检测方面显示出可行性和有效性.
结论:
- 深度学习为登陆系统的机载健康监测提供了一个有希望的方法.
- 根据动态响应,LDGNet方法提供了一种可靠的方法来检测基于动态响应的减震器故障.
- 这项技术可以有助于改善航空安全和维护战略.
更多相关视频
06:45Design and Application of a Fault Detection Method Based on Adaptive Filters and Rotational Speed Estimation for an Electro-Hydrostatic Actuator
Published on: October 28, 2022
1.5K
07:48Eye Tracking During A Complex Aviation Task For Insights Into Information Processing
Published on: April 4, 2025
161
