全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 基于深度学习的航空发动机故障融合诊断
- 作者： 车畅畅 王华伟 倪晓梅 洪骥宇 来源： 北京航空航天大学学报 年份： 2018 文献类型 ： 期刊 关键词： 航空发动机 故障诊断 深度学习 抗干扰能力 决策融合
- 描述： 通过对航空发动机故障诊断,能够正确判断各部件工作状态,快速确定维修方案,保证飞行安全。在结合深度信念网络和决策融合理论的基础上,提出了基于深度学习的航空发动机故障融合诊断模型。该模型通过分析发动机
- 基于深度学习的航空发动机传感器故障检测
- 作者： 刘云龙 谢寿生 郑晓飞 边涛 来源： 传感器与微系统 年份： 2018 文献类型 ： 期刊 关键词： 飞参数据 深度学习 故障检测 深度置信网络 航空发动机传感器
- 描述： 针对传统反向传播(BP)神经网络和支持向量机(SVM)存在的过拟合、维数灾难、参数选择困难等问题,提出了一种基于深度学习算法的航空发动机传感器故障检测方法。对发动机参数记录仪采集的多维数据进行预处理
- 基于民航陆空对话的语音识别关键技术研究
- 作者： 张志辉 来源： 中国民航大学 年份： 2017 文献类型 ： 学位论文 关键词： 受限制玻尔兹曼机 声学模型 深度学习 民航陆空对话 语音识别
- 描述： 领域,并结合深度神经网络(DNN)来解决民航陆空对话语音识别中的关键技术问题。为解决陆空对话的噪声问题,本文以真实的陆空对话为实验数据,对比了四种不同的降噪处理方法。实验结果表明,在该语料库下改进的谱
- 基于民航陆空对话的语音识别关键技术研究
- 作者： 张志辉 来源： 中国民航大学 年份： 2017 文献类型 ： 学位论文 关键词： 受限制玻尔兹曼机 声学模型 深度学习 民航陆空对话 语音识别
- 描述： 领域,并结合深度神经网络(DNN)来解决民航陆空对话语音识别中的关键技术问题。为解决陆空对话的噪声问题,本文以真实的陆空对话为实验数据,对比了四种不同的降噪处理方法。实验结果表明,在该语料库下改进的谱
- 基于深度学习的航空铆钉分类及异常情况检测
- 作者： 夏正洪 何琥 吴建军 魏汝祥 来源： 中国安全生产科学技术 年份： 2023 文献类型 ： 期刊 关键词： 召回率 精确率 深度学习 目标检测 航空铆钉
- 描述： 针对航空铆钉小目标检测准确率较低、速率较慢等问题，提出1种基于深度学习的航空铆钉分类及异常情况检测方法。首先，根据钉头外观对航空铆钉进行分类，制作航空铆钉数据集；然后，构建航空铆钉分类及异常情况检测
- 航空装配领域中命名实体识别的持续学习框架
- 作者： 刘沛丰 钱璐 赵兴炜 陶波 来源： 浙江大学学报(工学版) 年份： 2023 文献类型 ： 期刊 关键词： 航空装配 深度学习 智能制造 命名实体识别 持续学习
- 描述： 框架在正确率、召回率、F1值上均显著优于以往算法，所提框架可以为航空装配领域命名实体识别任务持续提供可信的结果.
- 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： 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
- 融合注意力和多尺度特征的航空发动机缺陷检测
- 作者： 赵崇林 朱江 胡永进 李祖泽 王鹏举 谢涛 来源： 北京航空航天大学学报 年份： 2023 文献类型 ： 期刊 关键词： 注意力机制 航空发动机 YOLOv5 深度学习 缺陷检测
- 描述： 航空发动机的结构完整性关乎飞行安全。目前基于孔探技术的航空发动机缺陷检测以人工操作为主。为提高检测精度和效率，提出了一种融合注意力和多尺度特征的航空发动机缺陷智能检测算法，以辅助孔探工作。首先，针对原始孔探图像中缺陷样本的类别不平衡问题，采用了一种基于几何变换和泊松图像编辑的多样本融合数据增强方法，丰富小样本图像并构建缺陷数据集。然后，在基准网络YOLOv5中融入协调注意力模块(CA)，以强调缺陷特征的提取，增强网络对缺陷目标和复杂背景的区分。在颈部网络中构建加权双向特征金字塔结构(BiFPN)，以完成更高层次的特征融合，提升对多尺度目标的表达能力。最后，将边界框回归损失函数定义为EIOU损失，实现对缺陷目标快速、准确地定位和识别。实验结果表明，本文算法检测缺陷的平均精确度达到了89.7％，较基准网络提升了6.3％，训练后的模型大小仅为14.0M。因此，所提方法可以有效地检测航空发动机的主要缺陷。