原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
测控技术
·６４·２０２３４２８数据采集与处理
年第卷第期
基于ＤＣＮＮ和数据增强的固体发动机烧蚀预示方法
１１２１
杨慧欣，项子健，李响，滕英元
（１．沈阳航空航天大学航空宇航学院，辽宁沈阳１１０１３６；
西安交通大学现代设计及转子轴承系统教育部重点实验室，陕西西安）
２．７１００４９
摘要针对固体发动机烧蚀率的预示现有传统建模方法存在复杂度高计算需求大试验数据少样本
：，、、、
不平衡等问题，提出了一种基于深度卷积神经网络和数据增强的固体发动机烧蚀率预示方法。将传感
器数据处理为长度相同特征相近的序列数据并使用自适应高斯噪声和随机漂移这种数据增强方法
、，２
，，
扩充数据样本再将扩充后的试验样本和伪样本作为深度卷积神经网络的输入进行训练将训练得到的
模型与传统方法计算得到的烧蚀率预示值进行对比结果表明该方法下烧蚀率预示值误差低至
。，
００１３５ｍ／ｓ，预示精度可达９５％。
关键词固体发动机烧蚀率预示深度卷积神经网络数据增强
：；；；
中图分类号：；文献标志码：文章编号：（）
Ｖ４３５ＴＰ１８１Ａ１０００－８８２９２０２３０８－００６４－０７
ｄｏｉ：１０．１９７０８／ｊ．ｃｋｊｓ．２０２２．１１．３２４
ＡｂｌａｔｉｎｇＲａｔｅＩｄｅｎｔｉｆｉｃａｔｉｏｎｏｆＳｏｌｉｄＭｏｔｏｒＢａｓｅｄｏｎＤｅｅｐＣｏｎｖｏｌｕｔｉｏｎａｌ
ＮｅｕｒａｌＮｅｔｗｏｒｋａｎｄＤａｔａＡｕｇｍｅｎｔａｔｉｏｎＭｅｔｈｏｄ
１１２１
ＹＡＮＧＨｕｉｘｉｎ牞ＸＩＡＮＧＺｉｊｉａｎ牞ＬＩＸｉａｎｇ牞ＴＥＮＧＹｉｎｇｙｕａｎ
牗１．ＣｏｌｌｅｇｅｏｆＡｅｒｏｓｐａｃｅＥｎｇｉｎｅｅｒｉｎｇ牞ＳｈｅｎｙａｎｇＡｅｒｏｓｐａｃｅＵｎｉｖｅｒｓｉｔｙ牞Ｓｈｅｎｙａｎｇ１１０１３６牞Ｃｈｉｎａ牷２．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆ
ＥｄｕｃａｔｉｏｎＭｉｎｉｓｔｒｙｆｏｒＭｏｄｅｒｎＤｅｓｉｇｎ＆ＲｏｔｏｒＢｅａｒｉｎｇＳｙｓｔｅｍ牞ＸｉａｎＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ牞Ｘｉａｎ７１００４９牞Ｃｈｉｎａ牘
Ａｂｓｔｒａｃｔ牶Ｉｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｏｆｓｏｌｉｄｍｏｔｏｒａｂｌａｔｉｎｇｒａｔｅｉｄｅｎｔｉｆｉｃａｔｉｏｎ牞ｔｈｅｅｘｉｓｔｉｎｇｍｅｔｈｏｄｓｈａｖｅ
ｍａｎｙｓｈｏｒｔｃｏｍｉｎｇｓ牞ｓｕｃｈａｓ
我的文档主要集中的行业是石油化工和安全生产，从事石油化工行业并且取得了中级注册安全工程资格。精通炼油工艺方面的工艺、安全、设备。希望通过平台共享自己的知识和经验。
文档评论（0）