基于峰度偏度和WD-LDA的飞机目标分类方法

作者： 亢朋朋   倪国新   陈知明   来源： 现代雷达 年份： 2019 文献类型 ： 期刊 关键词： 峰度偏度   特征提取   发动机引擎调制   小波分辨   线性差别分析   目标分类  

描述： 目前,多数的喷气发动机调制特征提取方法都是基于调制波的周期或调制线谱的谱间间隔,但该类谱估计方法往往受信噪比、脉冲重复频率及观测时间影响很难获得很好的分类性能。文中对三类飞机目标回波进行统计分析发现

一种基于改进堆栈自动编码器的航空发电机旋转整流器故障特征提取方法

作者： 崔江   唐军祥   龚春英   张卓然   来源： 中国电机工程学报 年份： 2018 文献类型 ： 期刊 关键词： 特征提取   航空发电机   旋转整流器   深度学习   灰色关联度分析   自编码机  

描述： 提出一种基于灰色关联度分析优化堆栈自动编码器的故障特征自适应提取方法,并用于航空发电机的旋转整流器二极管故障诊断中。首先,采集发电机交流励磁机励磁电流信号;其次,借助灰色关联度和深度学习理论对堆栈编码器网络进行训练学习,以确立其较优的网络结构,通过该网络可以自适应地从励磁电流信号中提取故障特征;训练完毕,借助于支持向量机(support vector machine,SVM)分类器实施故障诊断。对所提方法与快速傅里叶变换方法进行了仿真和物理实验,并对分类性能进行比较。结果表明,所提方法自动化程度高,自适应性能好,所提取的特征用SVM评估可以取得很好的分类效果。

基于脉动压力变化率的航空发动机喘振检测方法

作者： 雷杰   房剑锋   雷晓波   来源： 燃气涡轮试验与研究 年份： 2019 文献类型 ： 期刊 关键词： 特征提取   航空发动机   在线检测   飞行试验   喘振   压力变化率  

描述： 根据发动机发生喘振故障时气流脉动压力会急剧变化这一特征,通过测量和计算压气机出口脉动压力变化率实时检测喘振的发生。对动态压力信号进行预处理以提取特定频段内的脉动压力,计算固定周期内脉动压力变化率;依据发动机整机地面试验结果设定喘振检测阈值及判据,判断脉动压力变化率是否满足判据来实现喘振检测。利用该方法成功检测出发动机飞行试验中的两次喘振故障。分析得出:发动机未发生喘振时,地面试验和飞行试验脉动压力变化率差异很小;发生喘振时,脉动压力变化率绝对值急剧增大;发动机在稳态和瞬态过程稳定工作时,脉动压力变化率不受发动机工作状态变化的影响。

国际航空网络与国际关系网络的特征提取及关联分析

作者： 秦昆   张凯   阮建平   卢宾宾   邢玲丽   叶茹琪   喻雪松   周扬   刘东海   秦育罗   来源： 同济大学学报(自然科学版) 年份： 2023 文献类型 ： 期刊 关键词： 社会网络   特征提取   国际关系网络   关联分析   国际航空网络   复杂网络  

描述： 、GDELT（全球事件、语调与语言）数据，分别构建国际航空网络、国际关系网络，基于复杂网络理论和社会网络分析方法提取2种主题网络的时空特征，并探索其关联。研究结果表明：(1) 2种网络都具有无标度特性和小

航空航天薄壁件铣削过程加工状态监测研究进展

作者： 岳彩旭   周天祥   秦怡源   王乐   胡德生   来源： 航空制造技术 年份： 2023 文献类型 ： 期刊 关键词： 特征提取   数字孪生   航空航天薄壁件   铣削颤振   刀具磨破损   铣削变形  

描述： 处理、特征提取和特征融合。归纳了学者们在薄壁件加工过程中对刀具磨破损、铣削颤振、铣削变形等具体状态监测的研究进展。基于数字孪生技术，构建了面向薄壁件铣削加工状态监测的优化系统。最后，根据现阶段本领域发展状况对薄壁件铣削加工状态监测进行了展望。

基于特征提取的航空发动机滚动轴承故障诊断

作者： 周卓峰   刘伟   喻鸣   来源： 内燃机与配件 年份： 2023 文献类型 ： 期刊 关键词： 滚动轴承   特征提取   深度信念网络   机器学习   故障诊断   旋转机械  

描述： 特征提取的滚动轴承故障诊断方法，通过特征提取获得更全面数据信息，再将深度信念网络模型用于信号识别，全方位反映航空发动机滚动轴承的运行状态。经实验验证，DBN模型在噪声环境下的平均准确率可达99%以上，具有较强的抗噪能力。

基于统一网络架构的多模态航空影像质量评价研究

作者： 闫婧   武林伟   刘伟杰   韩如雪   来源： 现代电子技术 年份： 2023 文献类型 ： 期刊 关键词： 无参考模型   特征提取   卷积神经网络   特征融合   多模态数据   深度学习   网络结构   影像质量评价  

描述： 高质量无人机航空影像是目标检测、分析、识别的重要前提条件，但各类传感器成像机理不同，质量影响因素多样，往往需要根据不同模态数据的特性设计不同的网络模型，从而大大增加了质量评价算法在无人机上的应用难度。针对这一问题，提出一种基于统一网络框架的无参考多模态影像质量评价模型，通过自适应地学习图像块内部的局部特征与图像块之间的相互关系，完成空间维度上的全局信息融合和时间维度上的时序信息融合，实现对多种模态影像数据的质量评估，进而快速有效地监测筛选采集数据的质量，提高有效数据采集效率。实验结果表明，该方法在多种模态的影像数据质量评价上具备泛用性和有效性。