全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 航空发动机主轴后轴承打滑损伤失效分析
- 作者： 方明伟 谢向宇 罗军 徐进 来源： 润滑与密封 年份： 2016 文献类型 ： 期刊 关键词： 航空发动机 轴承 打滑损伤 失效分析
- 描述： 轴承打滑在航空发动机主轴后轴承失效中占有较大比例,后轴承打滑不仅影响到轴承的寿命,甚至直接关系到发动机的安全运转。为进一步认知主轴后轴承的打滑损伤机制,借助聚焦离子束扫描电子显微镜,场发射扫描电子显微镜及配套能谱仪,轮廓仪对打滑损伤轴承进行失效分析。分析表明:内圈滚道、滚子表面损伤区域在打滑过程中可能发生了黏着磨损和摩擦氧化,且两接触面间发生了磨粒磨损。此外,由于润滑油的污染,保持架的过梁接触面发生了磨粒镶嵌。
- 危险品航空运输销售代理人现状调查分析
- 作者： 刘铁男 褚衍昌 罗军 来源： 中国民用航空 年份： 2016 文献类型 ： 期刊 关键词： 销售代理人 航空运输 危险品 现状 调查 风险控制 货运代理人 建设项目
- 描述： 危险品航空运输销售代理人现状调查（以下简称现状调查）是2014年民航局安全能力建设项目——《货运代理人危险品航空运输风险控制》课题的一项重要基础工作，目的是通过掌握危险品销售代理人的现状及存在问题
- 危险品航空运输旅客公众意识现状调查
- 作者： 刘铁男 沈海滨 褚衍昌 罗军 来源： 中国民用航空 年份： 2016 文献类型 ： 期刊 关键词： 危险品运输 公众意识 航空运输 旅客 现状 调查 运输安全 建设项目
- 描述： 危险品航空运输旅客公众意识现状调查（以下简称现状调查）是2015年民航局安全能力建设项目《危险品航空运输旅客公众意识推进计划》课题的一项重要基础工作，目的是通过掌握危险品运输旅客公众意识的现状及存在问题，有针对性的进行危险品公众意识培育，进而提高旅客危险品运输公众意识，保障民航运输安全。
- 航空阀体孔底端平面的高精度加工
- 作者： 孟祥忠 李楠 李桃丰 来源： 金属加工(冷加工) 年份： 2024 文献类型 ： 期刊 关键词： 孔底端面 机动研磨 航空阀体 高精度加工 深孔
- 描述： 围绕解决航空阀体中一处密封阀孔的孔底端面高精度加工难题，开展自主研究，采用可调压/稳压、带精密导向的副、球面配合，传动定位误差补偿的机动研磨端面装置（ZL201820823098.4）工艺新技术
- 海岛礁测绘中的航空摄影测量技术探究
- 作者： 马啸 王伟 李楠 来源： 科技与创新 年份： 2016 文献类型 ： 期刊 关键词： 海岛礁 现代测绘 航空摄影测量技术 像控点
- 描述： 随着现代测绘技术的快速发展,航空摄影测量在实测原理、应用领域不断拓展。将航空摄影测量技术应用于海岛礁测绘,不仅可以有效提升测量的精确度,还可以全方位提升测量效率。
- 基于深度学习的离场航空器滑行时间预测（英文）
- 作者： 李楠 焦庆宇 朱新华 王少聪 来源： Transactions of Nanjing University of Aeronautics and Astronautics 年份： 2021 文献类型 ： 期刊 关键词： 卷积神经网络 场面运行 滑行时间 深度学习 航空运输
- 描述： 随着航班数量的不断增加,机场协同决策系统(Airport collaborative decision-making,A-CDM)的使用也越来越广泛。滑行时间预测的准确性对A-CDM计算离场航空器起飞排序队列和给出准确的撤轮挡时间具有重要的作用。本文提出一种基于时间-空间-环境数据的深度学习模型(Spatio-temporal-environment deep learning model,STEDL)来提高滑行时间预测的准确性。该模型由时间-流量变量(机场实际容量,场面航空器数量,时间段)、空间变量(滑行距离)、外部环境变量(天气,流控信息,跑道运行模式,机型)3部分组成。使用STEDL模型对香港机场离场航空器滑行时间进行预测验证。实验结果显示,STEDL模型预测准确率为95.4%,预测精度明显优于其他机器学习算法。
- 基于深度学习的离场航空器滑行时间预测（英文）
- 作者： 李楠 焦庆宇 朱新华 王少聪 来源： Transactions of Nanjing University of Aeronautics and Astronautics 年份： 2021 文献类型 ： 期刊 关键词： 卷积神经网络 场面运行 滑行时间 深度学习 航空运输
- 描述： 随着航班数量的不断增加,机场协同决策系统(Airport collaborative decision-making,A-CDM)的使用也越来越广泛。滑行时间预测的准确性对A-CDM计算离场航空器起飞排序队列和给出准确的撤轮挡时间具有重要的作用。本文提出一种基于时间-空间-环境数据的深度学习模型(Spatio-temporal-environment deep learning model,STEDL)来提高滑行时间预测的准确性。该模型由时间-流量变量(机场实际容量,场面航空器数量,时间段)、空间变量(滑行距离)、外部环境变量(天气,流控信息,跑道运行模式,机型)3部分组成。使用STEDL模型对香港机场离场航空器滑行时间进行预测验证。实验结果显示,STEDL模型预测准确率为95.4%,预测精度明显优于其他机器学习算法。
- 机动区航空器速度异常检测研究
- 作者： 李楠 刘朋 靳辉辉 来源： 计算机仿真 年份： 2019 文献类型 ： 期刊 关键词： 支持向量机 机动区 指标 速度异常
- 描述： 随着航空器起降架次的增加,机动区航空器运动过程中存在的不确定性因素增多,从而加重了塔台管制员的工作负荷。针对上述问题,提出基于SVM机动区航空器速度异常检测的方法,为管制员提供智能辅助提醒及预警,降低机场机动区的安全风险。首先对机动区航空器速度异常进行定义、分类和判定,界定出机动区航空器滑行速度异常的标准;其次对航空器ADS-B历史数据进行分析和处理,筛选出完整航迹,确定滑行路径;接着综合考虑航空器滑行位置和机型两个指标,经过统计得到航空器在跑道和滑行道滑行时的正常速度范围和异常速度范围;最后利用SVM方法建立机动区航空器速度异常检测模型,从而找出速度异常的航空器。仿真结果表明,该方法能够快速、有效的检测出航空器在滑行过程中速度异常的位置。
- 机动区航空器速度异常检测研究
- 作者： 李楠 刘朋 靳辉辉 来源： 计算机仿真 年份： 2019 文献类型 ： 期刊 关键词： 支持向量机 机动区 指标 速度异常
- 描述： 随着航空器起降架次的增加,机动区航空器运动过程中存在的不确定性因素增多,从而加重了塔台管制员的工作负荷。针对上述问题,提出基于SVM机动区航空器速度异常检测的方法,为管制员提供智能辅助提醒及预警,降低机场机动区的安全风险。首先对机动区航空器速度异常进行定义、分类和判定,界定出机动区航空器滑行速度异常的标准;其次对航空器ADS-B历史数据进行分析和处理,筛选出完整航迹,确定滑行路径;接着综合考虑航空器滑行位置和机型两个指标,经过统计得到航空器在跑道和滑行道滑行时的正常速度范围和异常速度范围;最后利用SVM方法建立机动区航空器速度异常检测模型,从而找出速度异常的航空器。仿真结果表明,该方法能够快速、有效的检测出航空器在滑行过程中速度异常的位置。