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
- 高分辨率航空遥感图像的建筑物识别
- 作者： 王玉琴 尤静静 蔡世鑫 来源： 北京测绘 年份： 2023 文献类型 ： 期刊 关键词： 遥感图像 RCNN)模型 快速区域卷积神经网络(Faster 建筑物识别 深度学习
- 描述： 目前深度学习方法的研究已在语音辨别、图像识别、信息检索等方面取得较大成果。建筑物的自动检测与识别已成为遥感图像处理范畴研究的热点。针对高分辨率航空遥感影像中的建筑物快速、精准识别的应用问题，文章提出
- 航空发动机状态监控和预测性维护应用研究
- 作者： 廖鹏程 李昂 王骁 来源： 测控技术 年份： 2023 文献类型 ： 期刊 关键词： 特征提取 深度学习 健康管理 剩余寿命预测 故障预测
- 描述： 为了深化飞参数据的应用价值，通过研究发动机转动件故障预测、剩余寿命预测以及气路健康等，为发动机保障决策和预测性维护提供参考。采用经验模态分解(EMD)结合相对向量机(RVM)、灰度模型(GM)用于发动机转动件、气路监测的状态监控和故障预测，选取波音某型飞机故障数据验证了模型的准确性，平均绝对百分比误差(MAPE)能达到8.46%;采用卡尔曼滤波(KF)结合梯度提升决策树(GBDT)的方法对数据进行降噪并预测剩余寿命，通过美国国家航空航天局(NASA)的航空发动机仿真数据集验证了模型能达到91.3%的准确率；采用核主成分分析(KPCA)结合深度置信网络(DBN)的方法建立发动机气路健康监控模型，经过大量QAR数据验证和测试，预测相对误差为0.43%。针对基于数据挖掘的航空发动机故障诊断算法开展研究，设计了相应的算法，开展了实验验证，通过有效的数据预处理和模型参数调节，使得故障诊断性能达到较高水准，为航空发动机的预测性维护提供了重要参考。
- 基于深度学习的航空发动机磨损部位识别方法
- 作者： 苗慧慧 曹桂松 孙智君 康玉祥 马佳丽 陈果 来源： 润滑与密封 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 一维卷积残差网络 能谱分析 深度学习 磨损
- 描述： 针对航空发动机润滑系统中摩擦副部件复杂、磨损颗粒能谱监测元素众多，靠人工经验难于进行磨损部位精确识别的问题，提出一种基于深度学习的航空发动机润滑系统磨损部位识别方法。该方法应用一维卷积核为计算单元
- 基于时空特征的航空发动机剩余使用寿命预测
- 作者： 徐震震 薛林 马凯 杨玉迪 来源： 电子测量技术 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 深度学习 时间特征 剩余寿命预测 空间特征
- 描述： 航空发动机作为一种高精密机械部件，对飞机性能和可靠性有重要影响。准确的剩余寿命预测可以降低维修成本，减少安全事故的发生。现有的预测方法只关注传感器数据之间的时间关系，忽略了传感器之间的空间关系。本文提出了一种时空特征融合的网络模型，利用图卷积神经网络和长短时记忆网络分别提取空间特征和时间特征，运用并行结构将时间特征与空间特征融合。在CMAPSS数据集上进行验证，子数据集FD001的RMSE为12.81,Score为252.04,实验结果表明，该方法相对于其他预测方法，预测精度更高。
- 基于社交隐式模型的运输类飞机人员疏散轨迹预测
- 作者： 陈琨 李放 冯振宇 陈向明 段龙坤 来源： 交通运输工程学报 年份： 2024 文献类型 ： 期刊 关键词： 民用航空 深度学习 轨迹预测 应急撤离 社交隐式模型
- 描述： 基于社交隐式模型的运输类飞机人员疏散轨迹预测
- 基于深度学习的智慧航空物流综合服务智能问答方法
- 作者： 章丰田 来源： 自动化应用 年份： 2024 文献类型 ： 期刊 关键词： 综合服务 智能问答 深度学习 航空物流 智慧航空
- 描述： 基于深度学习的智慧航空物流综合服务智能问答方法
- 飞机装配过程错漏装检测技术研究进展
- 作者： 王振宇 张祥春 严佳 张晓庆 武湛君 来源： 无损检测 年份： 2024 文献类型 ： 期刊 关键词： 错漏装 机器视觉 深度学习 无损检测 模板匹配
- 描述： 飞机装配过程错漏装检测技术研究进展
- 基于CNN-LSTM混合模型的民航非计划事件分析方法
- 作者： 王捷 周迪 左洪福 陆扬 来源： 计算机与数字工程 年份： 2024 文献类型 ： 期刊 关键词： 长短时记忆神经网络 卷积神经网络 深度学习 民航安全 文本分析
- 描述： 安全是民航业的核心主题，非计划事件是辨识安全隐患、改善航空安全的重要信息来源。非计划事件的非结构化和数量庞大等特性使得人工分析变得困难且效率低下。为提高非计划事件的分析效率和精度，论文提出了一种基于CNN-LSTM的混合深度神经网络模型，用于民航非计划事件的自动化分析。并与SVM、CNN、LSTM等模型进行比较，在航空公司的事件日志样本数据集上进行训练并做出事件分类结果的判断。实验结果表明，所提出的CNN-LSTM混合模型具有最高的分类准确率，对于不平衡数据样本，具有最稳定的分类性能。