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
- 我国民航与高铁竞争优势研究——基于顾客感知价值导向角度的分析
- 作者： 李耀龙 张永科 罗镇宝 来源： 重庆理工大学学报(自然科学) 年份： 2018 文献类型 ： 期刊 关键词： 深度卷积神经网络 机场目标识别 简化YOLO网络
- 描述： 针对传统机场及机场内飞机目标的识别方法特征难以设计选取、泛化能力差以及难以实现两种目标同时识别的不足,将深度学习的目标识别YOLO(You only look once)算法应用到机场及机场内飞机目标的识别领域,实现了两种目标的同时识别。在此基础上,为了提高识别速度,提出了一种简化的YOLO网络。实验结果表明:该网络能在精度损失很小的情况下大大缩短预测识别处理时间。
- 基于特征融合的注意力增强卷积神经网络的航空发动机滚动轴承故障诊断方法
- 作者： 李泽东 李志农 陶俊勇 毛清华 张旭辉 来源： 兵工学报 年份： 2022 文献类型 ： 期刊 关键词： 注意力增强卷积 深度卷积神经网络 特征融合 故障诊断 航空发动机滚动轴承
- 描述： 针对现有基于深度卷积神经网络的故障诊断方法只考虑对信息局部特征的提取、忽视全局信息的不足，将可以把握全局信息的注意力机制融入卷积层，使得注意力机制参数和卷积层参数参与网络的训练，提出一种注意力增强卷积神经网络的机械故障诊断方法。通过经验模态分解、变分模态分解和小波包分解的方法提取滚动轴承振动信号的高维特征模量；将特征模量组成多通道样本输入到注意力增强卷积神经网络中进行训练，利用网络对特征模量自适应地融合和选择，从而挖掘特征模量的隐式特征；使用Softmax分类器进行分类识别；通过训练好的网络对高转速下的滚动轴承进行故障诊断；利用不同信噪比的信号对所提方法进行测试，以验证网络的泛化能力和故障诊断效果。实验结果表明：该方法能准确、有效地对航空发动机滚动轴承不同故障的损伤程度进行分类识别。
- 双通道深度卷积神经网络的航空发动机剩余使用寿命预测方法
- 作者： 苗青林 张晓丰 高杨军 刘显光 秦丕胜 来源： 空军工程大学学报(自然科学版) 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机 深度卷积神经网络 最大相关系数 双通道 剩余使用寿命
- 描述： 提出了一种基于双通道的深度卷积神经网络方法，用来预测航空发动机剩余使用寿命。该方法在传统卷积神经网络上，应用最大信息系数进行数据降维、卡尔曼滤波进行数据降噪；通过数据切片，将数据片标签设置为最后一个循环的剩余使用寿命，实现数据重构；引入分段和线性剩余使用寿命衰减模型，并给出了寿命衰减起始点判断方法；将寿命衰减前、寿命衰减中2种特征作为双通道网络模型的输入。在NASA涡轮风扇发动机仿真数据集（C-MAPSS）上测试结果显示，在测试数据范围较大时，该方法相关指标明显优于其他方法，在航空发动机剩余寿命预测上具有显著优势。