飞机大蒙皮吊装技术研究

作者： 高鑫   来源： 南昌航空大学 年份： 2018 文献类型 ： 学位论文 关键词： 飞机蒙皮   翻转系统   柔性吊装   真空吸附   定位控制   真空计算器  

描述： 飞机大蒙皮吊装技术研究

飞机结构件智能制造关键技术研究

作者： 高鑫   龚清洪   孙超   来源： 制造技术与机床 年份： 2018 文献类型 ： 期刊 关键词： 生产线   智能制造   飞机结构件  

描述： 随着技术的发展,具有可持续发展特点的智能制造模式已经成为制造业未来的发展方向。研究飞机结构件智能制造技术对于提高飞机结构件加工水平具有重要意义。提出了飞机复杂结构件智能制造生产线架构,研究了飞机大型复杂结构件智能制造生产线关键技术,为智能制造技术在航空结构件生产中的应用提供了重要参考。

航空企业视角的中国航空客运网络组织模式

作者： 陆璐   魏冶   庞瑞秋   高鑫   来源： 地理科学 年份： 2019 文献类型 ： 期刊 关键词： 航空企业竞争   网络组织模式   异配性   同配性   航空网络  

描述： 基于37个中国航空企业的航班大数据,选取对外联系度、异(同)配性系数、层次分析、优势生态位分析等方法对中国航空客运网络组织模式进行分析。研究发现:①中国航空网络发育整体趋于成熟,已形成明显的层次性和核心-边缘结构,航空企业的航空网络均蕴藏位序-规模规律,依据其机场节点、航线和航班数量可划分为6个层级;②依据企业视角与网络规模、层次性与同配性/异配性等指标的综合度量,中国航空企业的网络组织模式可划分为核心培育阶段、核心竞争阶段、过渡阶段与稳定增长阶段4种类型;③航空企业的航空网络包括核心-边缘同配性网络和核心-边缘异配性网络,企业间竞争焦点主要表现为"核心"的竞争;④结合航空客运网络组织模式的判定,当前中国航空网络存在两条收敛规律:层次性收敛与同配性/异配性收敛;⑤实力强、规模大的航空企业在全国通航城市的比例分布均匀,具有较高生态位;实力弱、规模小的航空企业在全国通航城市的分布具有区域性且比例不均,生态位较低。为优化航空网络结构、避免企业恶性竞争,中国不同等级的航空企业一方面需结合自身发展阶段不断优化网络组织模式,寻求与企业等级相适应的生态优势位;另一方面要加强合作,避免航线饱和问题,提高整个航空网络的韧性和运营效率。

柔性线加工模式下航空结构件数控加工工艺设计技术研究

作者： 高鑫   冯斌   赵中刚   王斌利   来源： 航空制造技术 年份： 2022 文献类型 ： 期刊 关键词： 航空结构件   数控加工   工艺技术   过程质量控制   柔性线  

描述： 柔性自动化加工已经成为航空制造未来的发展方向。航空结构件属于多品种小批量生产模式，难以通过迭代优化获取稳定高效的加工工艺，为确保柔性生产线的正常运转，必须攻克柔性线加工工艺支撑技术。围绕柔性线加工模式对工艺技术的需求，从柔性线加工工艺标准化、加工过程质量控制及监控指令构建等方面开展系统研究，形成面向航空结构件的柔性线自动化加工成套工艺技术，有力地支撑了柔性线加工模式下，航空结构件的高效稳定加工。

航空企业视角的中国航空客运网络组织模式

作者： 陆璐   魏冶   庞瑞秋   高鑫   来源： 2019年中国地理学会经济地理专业委员会学术年会 年份： 2019 文献类型 ： 会议论文 关键词： 竞争   网络组织模式   异配性   同配性   航空网络  

描述： 航空企业视角的中国航空客运网络组织模式

基于卷积神经网络的高分辨率SAR图像飞机目标检测方法

作者： 王思雨   高鑫   孙皓   郑歆慰   孙显   来源： 雷达学报 年份： 2017 文献类型 ： 期刊 关键词： 合成孔径雷达(SAR)   数据增强   视觉显著性   飞机检测   卷积神经网络(CNN)  

描述： 传统的合成孔径雷达(Synthetic Aperture Radar,SAR)图像飞机检测方法一般利用像素对比度信息进行图像分割,从而提取待定目标。然而这些方法只考虑了像素亮度信息而忽视了目标的结构特征,进而导致目标的不精确定位和大量虚警的产生。基于上述问题,该文构建了一个全新的SAR图像飞机目标检测算法框架。首先,针对大场景SAR图像应用需求,提出了改进的显著性预检测方法,从而实现SAR图像候选飞机目标多尺度快速粗定位;然后,设计并调优了含4个权重层的卷积神经网络(Convolutional Neural Network,CNN),实现对候选目标的精确检测和鉴别;最后,因为SAR数据量有限、易导致过拟合,提出4种适用于SAR图像的数据增强方法,具体包括平移、斑点加噪、对比度增强和小角度旋转。实验证实该飞机检测算法在高分辨率Terra SAR-X数据集上效果显著,与传统的SAR飞机检测方法相比,该方法检测效率更高,泛化能力更强。

基于卷积神经网络的高分辨率SAR图像飞机目标检测方法

作者： 王思雨   高鑫   孙皓   郑歆慰   孙显   来源： 雷达学报 年份： 2017 文献类型 ： 期刊 关键词： 合成孔径雷达(SAR)   数据增强   视觉显著性   飞机检测   卷积神经网络(CNN)  

描述： 传统的合成孔径雷达(Synthetic Aperture Radar,SAR)图像飞机检测方法一般利用像素对比度信息进行图像分割,从而提取待定目标。然而这些方法只考虑了像素亮度信息而忽视了目标的结构特征,进而导致目标的不精确定位和大量虚警的产生。基于上述问题,该文构建了一个全新的SAR图像飞机目标检测算法框架。首先,针对大场景SAR图像应用需求,提出了改进的显著性预检测方法,从而实现SAR图像候选飞机目标多尺度快速粗定位;然后,设计并调优了含4个权重层的卷积神经网络(Convolutional Neural Network,CNN),实现对候选目标的精确检测和鉴别;最后,因为SAR数据量有限、易导致过拟合,提出4种适用于SAR图像的数据增强方法,具体包括平移、斑点加噪、对比度增强和小角度旋转。实验证实该飞机检测算法在高分辨率Terra SAR-X数据集上效果显著,与传统的SAR飞机检测方法相比,该方法检测效率更高,泛化能力更强。

基于编解码网络的航空影像像素级建筑物提取

作者： 陈凯强   高鑫   闫梦龙   张跃   孙显   来源： 遥感学报 年份： 2021 文献类型 ： 期刊 关键词： 卷积神经网络   建筑物提取   深度学习   遥感   航空影像  

描述： 建筑物提取在城市规划等土地利用分析中发挥着重要作用。用于提取建筑物的传统方法通常基于手工特征和分类器,导致精度较低。本文基于编解码结构的卷积神经网络CNN (Convolutional Neural Networks),自主学习多级的和具有区分度的特征来更好地辨识建筑物和背景,实现航空影像中的像素级建筑物提取。该网络由编码子网络和解码子网络两部分组成,编码子网络对输入图像进行空间分辨率压缩,完成特征提取;解码子网络从特征中提升空间分辨率,完成像素级的建筑物提取。此外,本文使用视野增强FoVE (Field-of-View Enhancement)方法减轻边缘现象(切片边缘附近的建筑物提取精度通常低于中心区域附近的精度)的影响,并分别在两个建筑物提取标准数据集上的实验表明,编解码卷积神经网络能有效实现像素级建筑物提取,FoVE能有效提高建筑物提取准确率;通过改变预测时切片大小和重叠度,分析其对建筑物提取结果的影响,揭示了FoVE的饱和性。

基于编解码网络的航空影像像素级建筑物提取

作者： 陈凯强   高鑫   闫梦龙   张跃   孙显   来源： 遥感学报 年份： 2021 文献类型 ： 期刊 关键词： 卷积神经网络   建筑物提取   深度学习   遥感   航空影像  

描述： 建筑物提取在城市规划等土地利用分析中发挥着重要作用。用于提取建筑物的传统方法通常基于手工特征和分类器,导致精度较低。本文基于编解码结构的卷积神经网络CNN (Convolutional Neural Networks),自主学习多级的和具有区分度的特征来更好地辨识建筑物和背景,实现航空影像中的像素级建筑物提取。该网络由编码子网络和解码子网络两部分组成,编码子网络对输入图像进行空间分辨率压缩,完成特征提取;解码子网络从特征中提升空间分辨率,完成像素级的建筑物提取。此外,本文使用视野增强FoVE (Field-of-View Enhancement)方法减轻边缘现象(切片边缘附近的建筑物提取精度通常低于中心区域附近的精度)的影响,并分别在两个建筑物提取标准数据集上的实验表明,编解码卷积神经网络能有效实现像素级建筑物提取,FoVE能有效提高建筑物提取准确率;通过改变预测时切片大小和重叠度,分析其对建筑物提取结果的影响,揭示了FoVE的饱和性。

基于编解码网络的航空影像像素级建筑物提取

作者： 陈凯强   高鑫   闫梦龙   张跃   孙显   来源： 遥感学报 年份： 2021 文献类型 ： 期刊 关键词： 卷积神经网络   建筑物提取   深度学习   遥感   航空影像  

描述： 建筑物提取在城市规划等土地利用分析中发挥着重要作用。用于提取建筑物的传统方法通常基于手工特征和分类器,导致精度较低。本文基于编解码结构的卷积神经网络CNN (Convolutional Neural Networks),自主学习多级的和具有区分度的特征来更好地辨识建筑物和背景,实现航空影像中的像素级建筑物提取。该网络由编码子网络和解码子网络两部分组成,编码子网络对输入图像进行空间分辨率压缩,完成特征提取;解码子网络从特征中提升空间分辨率,完成像素级的建筑物提取。此外,本文使用视野增强FoVE (Field-of-View Enhancement)方法减轻边缘现象(切片边缘附近的建筑物提取精度通常低于中心区域附近的精度)的影响,并分别在两个建筑物提取标准数据集上的实验表明,编解码卷积神经网络能有效实现像素级建筑物提取,FoVE能有效提高建筑物提取准确率;通过改变预测时切片大小和重叠度,分析其对建筑物提取结果的影响,揭示了FoVE的饱和性。