掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
智能航空發動機——基礎理論與關鍵技術 版權信息
- ISBN：9787030760432
- 條形碼：9787030760432 ; 978-7-03-076043-2
- 裝幀：平裝膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
智能航空發動機——基礎理論與關鍵技術 內容簡介
《智能航空發動機——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、人工智能技術和航空發動機工程的數學思維、理論與方法研究的**成果。本書介紹了智能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字化智能化的核心理念、數字孿生模型的構建訓練與驗證、各類人工智能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。
智能航空發動機——基礎理論與關鍵技術 目錄
目錄 叢書序 前言 第1章智能航空發動機概述 1.1智能航空發動機的概念演化001 1.2智能航空發動機的三大問題002 1.2.1智能航空發動機的能力躍升004 1.2.2智能航空發動機能力躍升的核心技術014 1.2.3智能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章智能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數字工程模型智能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能算法057 2.4.1人工智能的專家系統、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常規神經網絡模型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絡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極速策略人工智能算法119 2.8數字工程模型智能芯片121 2.8.1FPGA的發展歷史122 2.8.2FPGA的基本結構126 2.8.3FPGA芯片的特點131 2.8.4FPGA芯片與人工智能137 2.8.5基于FPGA的神經網絡加速方法143 2.8.6FPGA航空發動機智能芯片的實現149 2.9本章小結151 參考文獻151 第3章智能航空發動機的關鍵技術 3.1控制157 3.1.1發動機分布式控制架構157 3.1.2主動控制技術架構163 3.1.3主動控制對傳感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基于模型的控制191 3.2.3機載狀態監測194 3.2.4自適應控制199 3.2.5傳感器技術201 3.3感知203 3.3.1傳感器205 3.3.2傳感器通用要求206 3.3.3常規傳感器技術209 3.3.4新型傳感器技術221 3.3.5傳感器技術路線圖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能檢測技術 4.1葉片智能檢測概述270 4.1.1葉片智能檢測工程背景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/損傷檢測中的應用研究現狀281 4.1.4人工智能技術在航空發動機孔探檢測中的應用現狀288 4.1.5小結295 4.2基于深度學習的數字圖像目標特征提取與識別295 4.2.1數字圖像的表示295 4.2.2基于深度學習的圖像目標檢測原理297 4.2.3基于深度學習的圖像目標特征提取297 4.2.4深度學習的參數尋優/梯度下降法300 4.2.5基于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基于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基于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基于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基于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 附錄基于Faster RCNN二階目標檢測算法的缺陷檢測模型訓練主程序及代碼解釋376
展開全部
書友推薦
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
自卑與超越
- >
山海經
- >
月亮與六便士
- >
【精裝繪本】畫給孩子的中國神話
- >
名家帶你讀魯迅:朝花夕拾
- >
伯納黛特,你要去哪(2021新版)
- >
大紅狗在馬戲團-大紅狗克里弗-助人
本類暢銷
