机构名称：
¥ 1.0
航空航天燃气涡轮发动机 (GTE) 是复杂的机器，必须对其进行监控和维护，以确保长期可靠运行 [1]。最大限度提高可靠性的一个关键概念是基于条件而不是基于计划的维护 [2]。这需要对发动机状况进行准确评估，但这可能很难获得。发动机状况通常相对于机队中的类似资产以及功能性能阈值进行评估，并且需要维护决策者具备专业的工程知识。传统上，评估发动机性能的有限人力资源由小型数据快照和故障模式特定功能工程支持。较大的数据包是临时从在役状态收集的，但这在后勤上成本高昂，并且通常仅限于观察到运行中断的情况。需要新的方法来支持更高效的在役操作。从发动机上放置的各种不同传感器获得的数据是评估发动机状况的主要资源。然而，由于传感器数量众多、飞行中带宽限制和机载存储限制，大多数当前系统无法将所有数据返回地面进行分析 [3]。因此，有必要
使用卷积神经网络进行飞行中新奇事物检测
主要关键词
相关文件推荐
