《智能航空發(fā)動機——基礎(chǔ)理論與關(guān)鍵技術(shù)》是作者在西北工業(yè)大學(xué)、劍橋大學(xué)等多所高等院校的科研成果結(jié)晶，匯聚了作者及其合作者融合純數(shù)學(xué)理論、人工智能技術(shù)和航空發(fā)動機工程的數(shù)學(xué)思維、理論與方法研究的**成果。本書介紹了智能航空發(fā)動機的基本概念、核心技術(shù)和關(guān)鍵技術(shù)，內(nèi)容包括航空發(fā)動機數(shù)字化智能化的核心理念、數(shù)字孿生模型的構(gòu)建訓(xùn)練與驗證、各類人工智能算法的優(yōu)缺點和詳細(xì)推導(dǎo)、感知/決策/執(zhí)行/維護/互聯(lián)等關(guān)鍵技術(shù)進展。

更多科學(xué)出版社服務(wù)，請掃碼獲取。

目錄
叢書序
前言
第1章智能航空發(fā)動機概述
1.1智能航空發(fā)動機的概念演化001
1.2智能航空發(fā)動機的三大問題002
1.2.1智能航空發(fā)動機的能力躍升004
1.2.2智能航空發(fā)動機能力躍升的核心技術(shù)014
1.2.3智能航空發(fā)動機能力躍升的關(guān)鍵技術(shù)028
1.3本章小結(jié)031
參考文獻031
第2章智能航空發(fā)動機的核心技術(shù)
2.1數(shù)字工程模型概述033
2.1.1數(shù)字工程模型構(gòu)建的難點035
2.1.2數(shù)字工程模型智能建模的三大技術(shù)路徑038
2.2架構(gòu)驅(qū)動的航空發(fā)動機數(shù)字工程模型042
2.2.1數(shù)字工程模型一043
2.2.2數(shù)字工程模型二045
2.2.3數(shù)字工程模型三049
2.2.4數(shù)字工程模型四051
2.3振動、性能、材料一體的數(shù)字工程模型052
2.3.1振動數(shù)字工程模型052
2.3.2結(jié)構(gòu)振動、性能、材料一體的數(shù)字工程模型054
2.4數(shù)字工程模型常規(guī)人工智能算法057
2.4.1人工智能的專家系統(tǒng)、機器學(xué)習(xí)和深度學(xué)習(xí)057
2.4.2深度學(xué)習(xí)基礎(chǔ)062
2.4.3深度學(xué)習(xí)的正則化076
2.4.4常規(guī)神經(jīng)網(wǎng)絡(luò)模型080
2.5大涵道比民用渦扇發(fā)動機數(shù)字工程模型094
2.5.1簡化數(shù)字工程模型096
2.5.2強化數(shù)字工程模型104
2.6軍用渦扇發(fā)動機數(shù)字工程模型113
2.6.1數(shù)字工程模型的自我修正網(wǎng)絡(luò)113
2.6.2軍用渦扇發(fā)動機數(shù)字工程模型的遷移學(xué)習(xí)115
2.7極速策略人工智能算法119
2.8數(shù)字工程模型智能芯片121
2.8.1FPGA的發(fā)展歷史122
2.8.2FPGA的基本結(jié)構(gòu)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(jīng)網(wǎng)絡(luò)加速方法143
2.8.6FPGA航空發(fā)動機智能芯片的實現(xiàn)149
2.9本章小結(jié)151
參考文獻151
第3章智能航空發(fā)動機的關(guān)鍵技術(shù)
3.1控制157
3.1.1發(fā)動機分布式控制架構(gòu)157
3.1.2主動控制技術(shù)架構(gòu)163
3.1.3主動控制對傳感器和執(zhí)行機構(gòu)的要求187
3.2維護189
3.2.1健康監(jiān)測的背景189
3.2.2基于模型的控制191
3.2.3機載狀態(tài)監(jiān)測194
3.2.4自適應(yīng)控制199
3.2.5傳感器技術(shù)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(guī)傳感器技術(shù)209
3.3.4新型傳感器技術(shù)221
3.3.5傳感器技術(shù)路線圖238
3.4執(zhí)行241
3.4.1執(zhí)行機構(gòu)（器）介紹241
3.4.2執(zhí)行器背景242
3.4.3部件需求244
3.4.4執(zhí)行機構(gòu)技術(shù)選擇245
3.4.5執(zhí)行機構(gòu)發(fā)展要求248
3.4.6執(zhí)行機構(gòu)開發(fā)需求250
3.5本章小結(jié)255
參考文獻255
第4章航空發(fā)動機葉片智能檢測技術(shù)
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(fā)動機葉片無損檢測方法綜述271
4.1.3深度學(xué)習(xí)的發(fā)展及其在缺陷/損傷檢測中的應(yīng)用研究現(xiàn)狀281
4.1.4人工智能技術(shù)在航空發(fā)動機孔探檢測中的應(yīng)用現(xiàn)狀288
4.1.5小結(jié)295
4.2基于深度學(xué)習(xí)的數(shù)字圖像目標(biāo)特征提取與識別295
4.2.1數(shù)字圖像的表示295
4.2.2基于深度學(xué)習(xí)的圖像目標(biāo)檢測原理297
4.2.3基于深度學(xué)習(xí)的圖像目標(biāo)特征提取297
4.2.4深度學(xué)習(xí)的參數(shù)尋優(yōu)/梯度下降法300
4.2.5基于深度學(xué)習(xí)的航空發(fā)動機葉片缺陷/損傷檢測原理與方法304
4.2.6小結(jié)305
4.3無監(jiān)督學(xué)習(xí)的渦輪葉片X-ray圖像缺陷自動檢測技術(shù)305
4.3.1深度學(xué)習(xí)方法305
4.3.2無監(jiān)督對抗學(xué)習(xí)的渦輪葉片X-ray圖像缺陷自動檢測算法306
4.3.3模型訓(xùn)練與測試313
4.3.4結(jié)果與討論316
4.3.5小結(jié)323
4.4基于DCNN的渦輪葉片X-ray圖像缺陷自動檢測技術(shù)（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(xùn)練與測試336
4.5基于深度學(xué)習(xí)的渦輪葉片X-ray圖像缺陷自動識別及定位技術(shù)（缺陷復(fù)檢模型）343
4.5.1深度學(xué)習(xí)目標(biāo)檢測算法343
4.5.2基于深度學(xué)習(xí)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(xùn)練與測試及評價指標(biāo)358
4.5.4結(jié)果與討論359
4.5.5小結(jié)365
4.6本章小結(jié)366
參考文獻367
附錄基于Faster RCNN二階目標(biāo)檢測算法的缺陷檢測模型訓(xùn)練主程序及代碼解釋376