Helicopter load signal and fatigue life estimation using low dimensional spaces

Télécharger
  1. Obtenir@CNRC : Helicopter load signal and fatigue life estimation using low dimensional spaces (Ouvre dans une nouvelle fenêtre)
DOITrouver le DOI : http://doi.org/10.1109/IJCNN.2017.7966245
AuteurRechercher : ; Rechercher : ; Rechercher :
TypeArticle
Titre du compte rendu2017 International Joint Conference on Neural Networks (IJCNN)
Titre de collectionProceedings of International Joint Conference on Neural Networks
ConférenceInternational Joint Conference on Neural Networks (IJCNN), 14-19 May 2017, Anchorage, AK, USA
ISSN9781509061822
1509061827
2161-4393
2161-4407
Pages31223129
RésuméThe accurate estimation of helicopter component loads is an important goal for ensuring safe operation as well as for life cycle management and life extension efforts. In this research, the use of computational intelligence, neural network, and machine learning techniques is explored to estimate helicopter component loads and their fatigue life, in particular the main rotor yoke load of the CH-146 Griffon helicopter. This paper describes efforts to reduce the number of dimensions of the input data using feature generation techniques in the load estimation methodology, beginning with intrinsic dimension analysis to determine the number of intrinsic dimensions in the data. The data set is then mapped using different implicit methods to a low-dimension representation of the original data, which is then used for load estimation and fatigue life analysis for comparison with the results of the original 26-dimension input data. The resulting load signal and fatigue life estimates from the low-dimension representations are in most cases equally if not more accurate than those for the original input data. These promising results show that the low-dimension representations retain the relevant data from the original input data set and perhaps discard spurious data resulting in more accurate estimates.
Date de publication
Maison d’éditionIEEE
Langueanglais
AffiliationAérospatiale; Technologies de l'information et des communications; Conseil national de recherches Canada
Publications évaluées par des pairsOui
Numéro NPARC23002241
Exporter la noticeExport en format RIS
Signaler une correctionSignaler une correction
Identificateur de l’enregistrement9d686a3c-01cc-4aff-8e02-3659099c064e
Enregistrement créé2017-09-13
Enregistrement modifié2017-09-13
Mettre en signet et diffuser
  • Partagez cette page avec Facebook (Ouvre dans une nouvelle fenêtre)
  • Partagez cette page avec Twitter (Ouvre dans une nouvelle fenêtre)
  • Partagez cette page avec Google+ (Ouvre dans une nouvelle fenêtre)
  • Partagez cette page avec Delicious (Ouvre dans une nouvelle fenêtre)