基于循环神经网络的民航陆空通话语音识别研究

作者： 邓鑫瑞   来源： 中国民用航空飞行学院 年份： 2022 文献类型 ： 学位论文 关键词： 双向门控循环单元   数据增强   陆空通话   双向长短时记忆   迁移学习   双向循环神经网络  

描述： 基于循环神经网络的民航陆空通话语音识别研究

民航陆空通话语音识别技术研究与应用

作者： 周凯   来源： 南京航空航天大学 年份： 2020 文献类型 ： 学位论文 关键词： 说话人验证   陆空通话   端到端模型   迁移学习   语音识别  

描述： 民航陆空通话语音识别技术研究与应用

基于KPCA-BLSTM的航空发动机多信息融合剩余寿命预测

作者： 胡启国   白熊   杜春超   来源： 航空工程进展 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机   剩余寿命   多信息融合   核主成分分析   双向长短时记忆  

描述： 复杂航空发动机在运行过程中易出现多退化信息而导致寿命预测不精确的问题，为此提出基于核主成分分析（KPCA）和双向长短时记忆（BLSTM）神经网络的多信息融合寿命预测模型。首先采用KPCA对多维退化数据集进行降维处理和信息融合，得到能够表征设备退化的低维特征数据集；然后利用BLSTM神经网络对带有多维退化信息的航空发动机剩余寿命进行预测，得到监测数据与剩余寿命的映射关系；最后采用CMAPSS航空发动机退化数据集对提出的多信息融合寿命预测模型进行仿真验证，并与其他三种模型结果进行对比。结果表明：KPCA-BLSTM神经网络能够对多维退化信息下的剩余寿命进行精准预测，本文提出的预测模型的误差与得分优于其他三种模型，而且预测精度更高。

基于KPCA-BLSTM的航空发动机多信息融合剩余寿命预测

作者： 胡启国   白熊   杜春超   来源： 航空工程进展 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机   剩余寿命   多信息融合   核主成分分析   双向长短时记忆  

描述： 复杂航空发动机在运行过程中易出现多退化信息而导致寿命预测不精确的问题，为此提出基于核主成分分析（KPCA）和双向长短时记忆（BLSTM）神经网络的多信息融合寿命预测模型。首先采用KPCA对多维退化数据集进行降维处理和信息融合，得到能够表征设备退化的低维特征数据集；然后利用BLSTM神经网络对带有多维退化信息的航空发动机剩余寿命进行预测，得到监测数据与剩余寿命的映射关系；最后采用CMAPSS航空发动机退化数据集对提出的多信息融合寿命预测模型进行仿真验证，并与其他三种模型结果进行对比。结果表明：KPCA-BLSTM神经网络能够对多维退化信息下的剩余寿命进行精准预测，本文提出的预测模型的误差与得分优于其他三种模型，而且预测精度更高。

基于YOLOv4的航空发动机叶片凸台目标检测

作者： 陈为   钟欣童   张婧   李泽辰   来源： 计算机仿真 年份： 2022 文献类型 ： 期刊 关键词： 数据增强   目标检测   叶片凸台检测   聚类分析  

描述： 针对航空发动机内部检测叶片凸台缺陷的问题，提出了一种基于YOLOv4(You Only Look Once)的目标检测算法。算法使用迁移学习加载了在coco公开数据集上训练的预训练模型权重，为了更好的适应对凸台检测中小目标、结构复杂的特点，通过聚类分析的方法调整先验框尺寸，同时对原始数据集使用Mosaic方法进行数据增强。实验结果表明，改进后的YOLOv4模型在检测精度上提高了15.85%,召回率提高了21%,平均交并比可达0.75,检测性能优于在同一数据集中使用的SSD目标检测算法。

基于健康评估指数构建与非线性回归的航空发动机寿命预测

作者： 叶榕婷   来源： 重庆大学 年份： 2021 文献类型 ： 学位论文 关键词： 健康监测   自注意力机制   灰色理论   寿命预测   双向门控循环单元   核岭回归  

描述： 基于健康评估指数构建与非线性回归的航空发动机寿命预测

基于卷积神经网络的高分辨率SAR图像飞机目标检测方法

作者： 王思雨   高鑫   孙皓   郑歆慰   孙显   来源： 雷达学报 年份： 2017 文献类型 ： 期刊 关键词： 合成孔径雷达(SAR)   数据增强   视觉显著性   飞机检测   卷积神经网络(CNN)  

描述： 传统的合成孔径雷达(Synthetic Aperture Radar,SAR)图像飞机检测方法一般利用像素对比度信息进行图像分割,从而提取待定目标。然而这些方法只考虑了像素亮度信息而忽视了目标的结构特征,进而导致目标的不精确定位和大量虚警的产生。基于上述问题,该文构建了一个全新的SAR图像飞机目标检测算法框架。首先,针对大场景SAR图像应用需求,提出了改进的显著性预检测方法,从而实现SAR图像候选飞机目标多尺度快速粗定位;然后,设计并调优了含4个权重层的卷积神经网络(Convolutional Neural Network,CNN),实现对候选目标的精确检测和鉴别;最后,因为SAR数据量有限、易导致过拟合,提出4种适用于SAR图像的数据增强方法,具体包括平移、斑点加噪、对比度增强和小角度旋转。实验证实该飞机检测算法在高分辨率Terra SAR-X数据集上效果显著,与传统的SAR飞机检测方法相比,该方法检测效率更高,泛化能力更强。

基于卷积神经网络的高分辨率SAR图像飞机目标检测方法

作者： 王思雨   高鑫   孙皓   郑歆慰   孙显   来源： 雷达学报 年份： 2017 文献类型 ： 期刊 关键词： 合成孔径雷达(SAR)   数据增强   视觉显著性   飞机检测   卷积神经网络(CNN)  

描述： 传统的合成孔径雷达(Synthetic Aperture Radar,SAR)图像飞机检测方法一般利用像素对比度信息进行图像分割,从而提取待定目标。然而这些方法只考虑了像素亮度信息而忽视了目标的结构特征,进而导致目标的不精确定位和大量虚警的产生。基于上述问题,该文构建了一个全新的SAR图像飞机目标检测算法框架。首先,针对大场景SAR图像应用需求,提出了改进的显著性预检测方法,从而实现SAR图像候选飞机目标多尺度快速粗定位;然后,设计并调优了含4个权重层的卷积神经网络(Convolutional Neural Network,CNN),实现对候选目标的精确检测和鉴别;最后,因为SAR数据量有限、易导致过拟合,提出4种适用于SAR图像的数据增强方法,具体包括平移、斑点加噪、对比度增强和小角度旋转。实验证实该飞机检测算法在高分辨率Terra SAR-X数据集上效果显著,与传统的SAR飞机检测方法相比,该方法检测效率更高,泛化能力更强。

基于卷积神经网络的高分辨率SAR图像飞机目标检测方法

作者： 王思雨   高鑫   孙皓   郑歆慰   孙显   来源： 雷达学报 年份： 2019 文献类型 ： 期刊 关键词： 合成孔径雷达(SAR)   数据增强   视觉显著性   飞机检测   卷积神经网络(CNN)  

描述： 传统的合成孔径雷达(Synthetic Aperture Radar,SAR)图像飞机检测方法一般利用像素对比度信息进行图像分割,从而提取待定目标。然而这些方法只考虑了像素亮度信息而忽视了目标的结构特征,进而导致目标的不精确定位和大量虚警的产生。基于上述问题,该文构建了一个全新的SAR图像飞机目标检测算法框架。首先,针对大场景SAR图像应用需求,提出了改进的显著性预检测方法,从而实现SAR图像候选飞机目标多尺度快速粗定位;然后,设计并调优了含4个权重层的卷积神经网络(Convolutional Neural Network,CNN),实现对候选目标的精确检测和鉴别;最后,因为SAR数据量有限、易导致过拟合,提出4种适用于SAR图像的数据增强方法,具体包括平移、斑点加噪、对比度增强和小角度旋转。实验证实该飞机检测算法在高分辨率Terra SAR-X数据集上效果显著,与传统的SAR飞机检测方法相比,该方法检测效率更高,泛化能力更强。

基于YOLOv5的航空发动机部件识别

作者： 敖良忠   朱俊名   王欣   来源： 信息技术与信息化 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机   YOLOv5s   增强现实   数据增强   实时识别  

描述： 为了实现快速且高精度的识别航空发动机部件，设计了一种采用YOLOv5算法的航空发动机部件识别方法。使用相机拍摄获取真实航空发动机上的部件原始图片，并使用LabelImg标注工具和数据增强方法自建航空发动机部件数据集，经过YOLOv5s模型训练，获得满意的识别效果。实验结果表明，在真实发动机上进行测试，能够有效地识别13种类别的部件，其平均精准率为90.23%，平均检测速度达到76 FPS，能够在使用增强现实设备时达到实时识别航空发动机部件的要求。