基于LSTM-DBN的航空发动机剩余寿命预测

作者： 李京峰   陈云翔   项华春   蔡忠义   来源： 系统工程与电子技术 年份： 2020 文献类型 ： 期刊 关键词： 长短时记忆网络   健康指标   深度置信网络   剩余寿命预测  

描述： 针对航空发动机剩余寿命预测中多传感器监测数据维度高、规模大以及时间序列信息考虑不充分等问题,提出一种融合长短时记忆网络和深度置信网络的剩余寿命预测方法。首先,利用长短时记忆网络分别对单一传感器进行时间序列预测;其次,将预测结果整合输入到深度置信网络进行健康指标提取;再次,结合健康指标预测曲线和失效阈值得到剩余寿命预测结果;最后,利用商用模块化航空推进系统仿真数据集开展实验并与已有方法进行对比分析,验证了该方法的可行性和有效性。

基于LSTM的航空发电机整流电路诊断技术

作者： 陈文杰   崔江   来源： 电机与控制应用 年份： 2023 文献类型 ： 期刊 关键词： 整流电路   长短时记忆网络   电励磁双凸极发电机   故障诊断  

描述： 整流电路是航空发电机的重要组成部分，存在故障频发且维修困难等问题。为对电励磁双凸极发电机(DSEG)的整流电路进行故障诊断，研究了一种基于长短时记忆(LSTM)网络的故障诊断方法。首先，采集多种故障模式下发电机的三相电枢电流信号。其次，利用不同的信号处理方法处理故障信号以获取故障特征信息。然后，将获得的故障特征数据分为训练和测试样本输入LSTM网络进行故障分类。最后，计算并分析诊断结果。仿真与试验结果表明所提方法具有良好的故障诊断效果。

基于改进差分时域特征和深度学习优化的航空发动机剩余寿命预测算法

作者： 高峰   曲建岭   袁涛   高峰娟   来源： 电子测量与仪器学报 年份： 2019 文献类型 ： 期刊 关键词： 航空发动机   长短时记忆网络   寿命预测   深度学习   差分时域特征  

描述： 实现航空发动机剩余寿命的准确预测对于保证飞行安全和提高维修效率具有重要意义,但现有的预测算法往往只是浅层结构,且对各传感器参数之间的相互关系缺乏关联性考虑,限制了对发动机参数信息的深度挖掘。在深度学习理论的基础上,着重考虑不同传感器之间的参数关系,引入差分时域特征扩充特征集,构建了基于长短时记忆网络的寿命预测模型DTF-LSTM。在C-MAPSS数据集上的实验结果表明,该算法相较于其他深度学习算法具有更低的均方根误差(RMSE)值,可以有效实现发动机剩余寿命预测。

基于特征优选的航空发动机剩余寿命预测

作者： 李鹏   丁瀛   黄培炜   杜艺博   来源： 中国测试 年份： 2022 文献类型 ： 期刊 关键词： 特征优选   II   长短时记忆网络   NSGA   剩余寿命预测  

描述： 特征融合与相似性匹配法，计算剩余寿命预测评价指标，并基于非劣分层遗传算法进行特征优选。最后，对基于特征优选的剩余寿命预测效果进行验证，结果表明：1）在同一非劣层中，随着特征数量的增加，剩余寿命评价指标

基于卷积神经网络的航空零件去噪技术

作者： 赵安安   郑炜   郭俊刚   来源： 机械设计与制造工程 年份： 2023 文献类型 ： 期刊 关键词： 卷积神经网络   法线估计   计算机辅助设计   点云去噪  

描述： 为去除在用三维激光扫描技术扫描航空零部件时，因扫描环境、设备等因素带来的大量零件点云噪声，提出基于卷积神经网络的航空零件去噪技术。首先应用经典卷积神经网络预测点云法线信息，然后以此进一步对点云进行位置更新，从而实现点云去噪。经实验证明，与目前的去噪方法相比，所提方法在去噪方面更具优越性。

基于深度卷积神经网络的航空器检测与识别

作者： 俞汝劼   杨贞   熊惠霖   来源： 计算机应用 年份： 2017 文献类型 ： 期刊 关键词： 卷积神经网络   深度学习   目标检测识别   航空器检测  

描述： %的工作点上达到了79.2%的精确率,分类网络的实时性达到平均每张0.972 s,Top-1错误率为13%。所提框架在军用机场大尺寸卫星图像中航空器检测识别的具体应用问题上提出了新的解决思路,同时保证了实时性和算法精度。

基于小样本多背景下的飞机图像识别研究

作者： 兰天   李博   杨敬宝   来源： 电脑编程技巧与维护 年份： 2021 文献类型 ： 期刊 关键词： HoG特征   卷积神经网络   飞机图像识别  

描述： 飞机图像识别一直是航空领域识别各类飞机进行有效支援或侦察的重要一环,目前飞机图像识别常受到飞机姿态不同、图像模糊、拍摄角度各异的影响。传统的图像识别方法对于飞机图像具有一定的局限性,易受到背景环境影响,当图像中含有其他显著性目标时易失效,若进行目标分割运算量巨大,在现代化防控体系中,需要既快又好的方法精准识别飞机的机型。随着深度学习的出现,众多模式识别领域中问题得到解决,但深度学习需要大量样本对网络进行微调、参数优化,而目前公开的飞机图像数据库十分有限,图像背景差异巨大,因此提出了一种基于小样本、多背景下使用卷积神经网络进行飞机图像识别的方法。

基于可变形卷积神经网络的遥感图像飞机目标检测

作者： 李明阳   胡显   雷宏   来源： 国外电子测量技术 年份： 2021 文献类型 ： 期刊 关键词： 卷积神经网络   遥感影像   可变形卷积   飞机检测  

描述： 遥感图像中的飞机检测在民用和军事应用中都是一个重要且富有挑战性的任务。针对现有目标检测算法在复杂场景中旋转不变性差的问题,提出了一种多尺度可变形卷积神经网络用以检测飞机目标。该方法通过将可变形卷积适当地嵌入到特征金字塔来构建可变形特征金字塔,使得金字塔可以自适应的调整卷积过程中的空间采样位置,在进行飞机检测时具有一定的旋转不变性,且在各种复杂场景中也更加可靠。同时,根据训练集中的目标尺寸设计锚点尺寸并引入焦点分类损失以有效地关注难分类样本。该方法在公共UCAS-AOD数据集获得了97.39%的平均精度与RetinaNet模型相比提高了1.59%,并优于R-FCN、YOLOV2等其他流行方法,证明了该方法的有效性和准确性。

基于可变形卷积神经网络的遥感图像飞机目标检测

作者： 李明阳   胡显   雷宏   来源： 国外电子测量技术 年份： 2021 文献类型 ： 期刊 关键词： 卷积神经网络   遥感影像   可变形卷积   飞机检测  

描述： 遥感图像中的飞机检测在民用和军事应用中都是一个重要且富有挑战性的任务。针对现有目标检测算法在复杂场景中旋转不变性差的问题,提出了一种多尺度可变形卷积神经网络用以检测飞机目标。该方法通过将可变形卷积适当地嵌入到特征金字塔来构建可变形特征金字塔,使得金字塔可以自适应的调整卷积过程中的空间采样位置,在进行飞机检测时具有一定的旋转不变性,且在各种复杂场景中也更加可靠。同时,根据训练集中的目标尺寸设计锚点尺寸并引入焦点分类损失以有效地关注难分类样本。该方法在公共UCAS-AOD数据集获得了97.39%的平均精度与RetinaNet模型相比提高了1.59%,并优于R-FCN、YOLOV2等其他流行方法,证明了该方法的有效性和准确性。

基于优化CNN的航空液压管路卡箍故障诊断

作者： 窦金鑫   薛政坤   于晓光   范玉鑫   刘忠鑫   杨同光   来源： 机床与液压 年份： 2021 文献类型 ： 期刊 关键词： 液压管路卡箍   卷积神经网络   故障诊断   优化变分模态分解  

描述： 针对航空发动机液压卡箍-管路系统具有高度复杂性,导致卡箍振动信号存在非线性、非平稳性,从而难以提取出卡箍故障状态有效信息的问题,提出一种基于优化变分模态分解(VMD)与卷积神经网络(CNN)的卡箍智能故障诊断方法。基于优化的VMD将液压管路系统-卡箍振动信号分解成一系列固有模态函数;将含有卡箍故障信号明显的IMF输入到卷积神经网络训练模型,采用CNN进行自主特征学习和模式识别。并将该方法应用于实例中,结果表明:该方法不仅能有效地对信号进行分解,同时对不同类型的卡箍故障可达到精准识别和故障诊断。