全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
按文献类别分组
按栏目分组
关键词
- 基于自编码器的飞机类型识别方法
- 作者： 张朝柱 黄妤宁 来源： 无线电工程 年份： 2019 文献类型 ： 期刊 关键词： 机器学习 梅尔倒谱系数 自编码器 飞机类型识别 联合特征提取
- 描述： 征向量通过自编码器进行分类,对分类的准确率进行了仿真。实验结果表明,每一类声信号准确率均高于85%且平均识别准确率为95.98%;针对单类别实际飞机声信号的分类准确率较其他类别准确率差的问题,提出了通过小波包
- 基于机器学习的进离场航空器排序优化研究
- 作者： 张洪杨 刘子彤 赵世豪 刘媛媛 冯晓康 张召悦 来源： 科技创新与应用 年份： 2023 文献类型 ： 期刊 关键词： 遗传算法 机器学习 终端区 先到先服务算法 进离场航空器排序
- 描述： 为提高终端区运行效率，以进离场航空器作为研究对象，运用机器学习优化终端区航空器的进离场排序，以总延误时间最小为目标函数，综合考虑不同机型之间的尾流间隔，建立单跑道排序模型。运用遗传算法进行仿真
- 基于XGBoost的航空器动态滑行时间预测方法研究
- 作者： 赵征 冯事成 宋梅雯 胡莉 陆莎 来源： 航空工程进展 年份： 2022 文献类型 ： 期刊 关键词： 机器学习 XGBoost 动态滑行时间 航空运输 样本量
- 描述： 对航空器进港和离港滑行时间进行精确的动态预测,可以有效提升机场的运行效率。首次提出基于XGBoost的航空器动态滑行时间预测方法,该方法首先通过分析影响机场滑行时间的各类因素,构建可变滑行时间预测的关键特征指标;然后选取XGBoost算法建立可变滑行时间预测模型,对模型的关键输入参数进行测试调整;最后将XGBoost算法与随机森林和支持向量回归算法的预测效果进行对比。同时,首次剖析样本数据量与滑行时间预测精度的关联,并以广州白云国际机场为分析对象进行实验。结果表明:采用XGBoost算法,进/离港滑行时间的预测精度分别达到了94.1%和96.6%,优于主流算法随机森林和支持向量回归;且实现白云机场动态滑行时间的精确和稳定预测所需样本量在32 000条(含)以上。
- 机器学习在航空发动机排气温度预测中的应用研究
- 作者： 易文川 王兴 王翔 唐庆如 来源： 舰船电子工程 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 机器学习 性能评估 排气温度 预测算法
- 描述： 排气温度是优化发动机性能和排放的关键参数，目标是在预测排气温度的基础上评估四种经典机器学习回归算法，即人工神经网络、随机森林、支持向量回归和门控循环单元。燃油流量、滑油压力和转速是模型输入，所有的机器学习模型在可接受的误差范围内预测了排气温度。相互比较时，门控循环单元的预测精度最高，但它通常需要高质量的无噪声数据；随机森林的精度最低，但需要的计算资源最少；支持向量回归在耗费高计算资源的前提下保证了较好的预测精度；人工神经网络是最合适的预测算法，但它存在繁琐的超参数调整过程。结果表明，经过良好训练的机器学习模型可以准确预测航空发动机排气温度，同时也有助于优化发动机性能、排放和寿命。
- 基于航空发动机工况的叶尖间隙智能预测方法
- 作者： 杨阳 张建超 项洋 陆海鹰 来源： 航空动力学报 年份： 2023 文献类型 ： 期刊 关键词： 叶尖间隙 特征提取 机器学习 零维仿真 空气系统
- 描述： 在实际工程中保持航空发动机高效运行的有效措施之一是应用叶尖间隙主动控制技术，其前提是建立精确的叶尖间隙模型以实现叶尖间隙预测。建立叶尖间隙的简化物理模型和数学模型，将叶尖间隙计算转化为热变形与传热问题，通过机器学习模型对发动机工况参数进行特征提取，利用有效特征求解传热问题的边界，从而实现基于发动机工况参数快速预测实时叶尖间隙。机器学习模型的十折交叉验证集的平均准确率为98.9%，叶尖间隙模型的验证误差为4.3%，得到了不同工况下的叶尖间隙计算结果和冷气流量大小变化规律，计算耗时小于0.03s。
- 基于XGBoost的航空器动态滑行时间预测方法研究
- 作者： 赵征 冯事成 宋梅雯 胡莉 陆莎 来源： 航空工程进展 年份： 2022 文献类型 ： 期刊 关键词： 机器学习 XGBoost 动态滑行时间 航空运输 样本量
- 描述： 对航空器进港和离港滑行时间进行精确的动态预测,可以有效提升机场的运行效率。首次提出基于XGBoost的航空器动态滑行时间预测方法,该方法首先通过分析影响机场滑行时间的各类因素,构建可变滑行时间预测的关键特征指标;然后选取XGBoost算法建立可变滑行时间预测模型,对模型的关键输入参数进行测试调整;最后将XGBoost算法与随机森林和支持向量回归算法的预测效果进行对比。同时,首次剖析样本数据量与滑行时间预测精度的关联,并以广州白云国际机场为分析对象进行实验。结果表明:采用XGBoost算法,进/离港滑行时间的预测精度分别达到了94.1%和96.6%,优于主流算法随机森林和支持向量回归;且实现白云机场动态滑行时间的精确和稳定预测所需样本量在32 000条(含)以上。
- 航空器爬升与下降阶段4D航迹预测
- 作者： 赵元棣 李科频 朱文心 来源： 科学技术与工程 年份： 2023 文献类型 ： 期刊 关键词： 长短期记忆网络 4D航迹预测 循环神经网络 机器学习 航空运输
- 描述： 模型进行航迹预测；最后，对各个维度上的预测航迹点和实际航迹点的误差进行分析。仿真结果表明，爬升阶段模型和下降阶段模型对于航空器位置预测准确性高，展现了航迹预测模型的良好鲁棒性。
- 机器学习在航空发动机排气温度预测中的应用研究
- 作者： 易文川 王兴 王翔 唐庆如 来源： 舰船电子工程 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 机器学习 性能评估 排气温度 预测算法
- 描述： 排气温度是优化发动机性能和排放的关键参数，目标是在预测排气温度的基础上评估四种经典机器学习回归算法，即人工神经网络、随机森林、支持向量回归和门控循环单元。燃油流量、滑油压力和转速是模型输入，所有的机器学习模型在可接受的误差范围内预测了排气温度。相互比较时，门控循环单元的预测精度最高，但它通常需要高质量的无噪声数据；随机森林的精度最低，但需要的计算资源最少；支持向量回归在耗费高计算资源的前提下保证了较好的预测精度；人工神经网络是最合适的预测算法，但它存在繁琐的超参数调整过程。结果表明，经过良好训练的机器学习模型可以准确预测航空发动机排气温度，同时也有助于优化发动机性能、排放和寿命。