基于时间间隔的飞机进近阶段减排研究

作者： 吴天祎.   来源： 中国民用航空飞行学院 年份： 2023 文献类型 ： 学位论文 关键词： 基于时间间隔   最后进近阶段   燃油消耗   污染物排放   节油减排  

描述： 基于时间间隔的飞机进近阶段减排研究

基于时间间隔的飞机进近阶段减排研究

作者： 吴天祎.   来源： 中国民用航空飞行学院 年份： 2023 文献类型 ： 学位论文 关键词： 基于时间间隔   最后进近阶段   燃油消耗   污染物排放   节油减排  

描述： 基于时间间隔的飞机进近阶段减排研究

基于时间间隔的飞机进近阶段减排研究

作者： 吴天祎.   来源： 中国民用航空飞行学院 年份： 2023 文献类型 ： 学位论文 关键词： 基于时间间隔   最后进近阶段   燃油消耗   污染物排放   节油减排  

描述： 基于时间间隔的飞机进近阶段减排研究

基于时间间隔的飞机进近阶段减排研究

作者： 吴天祎.   来源： 中国民用航空飞行学院 年份： 2023 文献类型 ： 学位论文 关键词： 基于时间间隔   最后进近阶段   燃油消耗   污染物排放   节油减排  

描述： 基于时间间隔的飞机进近阶段减排研究

基于时间间隔的飞机进近阶段减排研究

作者： 吴天祎.   来源： 中国民用航空飞行学院 年份： 2023 文献类型 ： 学位论文 关键词： 基于时间间隔   最后进近阶段   燃油消耗   污染物排放   节油减排  

描述： 基于时间间隔的飞机进近阶段减排研究

基于时间间隔的飞机进近阶段减排研究

作者： 吴天祎.   来源： 中国民用航空飞行学院 年份： 2023 文献类型 ： 学位论文 关键词： 基于时间间隔   最后进近阶段   燃油消耗   污染物排放   节油减排  

描述： 基于时间间隔的飞机进近阶段减排研究

基于自适应粒子群优化的不平衡航空客户数据质量优化

作者： 姚雨虹   杨小兵   陈欣   来源： 厦门大学学报(自然科学版) 年份： 2020 文献类型 ： 期刊 关键词： 自适应粒子群   卷积神经网络   忠诚度预测   随机森林  

描述： 航空业的竞争愈发激烈，高效且准确的客户忠诚度预测模型有利于提高企业竞争力。针对航空数据集存在严重分类不平衡、特征维度多等问题，提出了客户忠诚度预测模型。该模型基于自适应粒子群优化算法（APSO）得到多数类优化样本子集，使用卷积神经网络（CNN）提取得到的平衡数据集特征，将自动得到的特征向量作为随机森林算法（RF）的输入，构建客户忠诚度预测模型。实验结果表明，本文方法预测性能优于其他预测模型，可以更好地预测客户忠诚度情况。

基于随机森林和时间卷积网络的航空发动机故障预测

作者： 王秀娜   鲁守银   任飞   来源： 计算机时代 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机   时间卷积网络   随机森林   故障预测  

描述： 航空发动机作为一种极其精密的设备，其内部传感器的运行状态决定了发动机能否稳定运行。因此，利用传感器的运行数据进行故障预测是维护发动机健康运行的关键。针对现阶段发动机故障预测精确度低的问题，提出了一种基于随机森林和时间卷积网络的混合模型。该模型利用随机森林算法进行重要性特征提取，然后添加滚动平均值和滚动标准差以增强数据特征，最后整合数据特征输入至时间卷积网络进行故障预测。采用C-MAPSS数据集进行验证，结果表明，该模型的故障预测性能相比于其他机器学习模型有较大幅度的提升。

基于维修日志的飞机设备故障原因判别方法

作者： 王锐光   吴际   刘超   杨海燕   来源： 软件学报 年份： 2019 文献类型 ： 期刊 关键词： 维修日志   卷积神经网络   故障诊断   随机森林  

描述： 在飞机维修与保养过程中,航空维修公司已积累了大量经验性的维修日志数据.合理利用该类维修日志,结合机器学习方法,可以辅助维修人员做出正确的故障诊断决策.首先,针对维修日志的特殊性,提出一种迭代式的故障诊断基本过程;其次,在传统的文本特征提取技术的基础上,基于领域内信息,提出一种基于卷积神经网络(convolution neural network,简称CNN)的小样本文本特征提取方法,在样本量较少的情况下,利用预测目标将字向量作为输入,得到更为充分的文本特征;最后,使用随机森林(randomforest,简称RF)模型,结合其他故障特征判别飞机设备的故障原因.卷积神经网络以故障原因为目标,预先对故障现象中的字向量进行训练,从而得到更能反映该领域的文本特征.与其他文本特征提取方法相比,该类方法在小样本数据上得到了更好的效果.同时,将卷积神经网络与随机森林模型应用于飞机设备的故障原因判别,并与其他文本特征提取方式和机器学习预测模型进行对比,说明了该类文本特征提取方式和故障原因判别方法的合理性和必要性.

基于维修日志的飞机设备故障原因判别方法

作者： 王锐光   吴际   刘超   杨海燕   来源： 软件学报 年份： 2019 文献类型 ： 期刊 关键词： 维修日志   卷积神经网络   故障诊断   随机森林  

描述： 在飞机维修与保养过程中,航空维修公司已积累了大量经验性的维修日志数据.合理利用该类维修日志,结合机器学习方法,可以辅助维修人员做出正确的故障诊断决策.首先,针对维修日志的特殊性,提出一种迭代式的故障诊断基本过程;其次,在传统的文本特征提取技术的基础上,基于领域内信息,提出一种基于卷积神经网络(convolution neural network,简称CNN)的小样本文本特征提取方法,在样本量较少的情况下,利用预测目标将字向量作为输入,得到更为充分的文本特征;最后,使用随机森林(randomforest,简称RF)模型,结合其他故障特征判别飞机设备的故障原因.卷积神经网络以故障原因为目标,预先对故障现象中的字向量进行训练,从而得到更能反映该领域的文本特征.与其他文本特征提取方法相比,该类方法在小样本数据上得到了更好的效果.同时,将卷积神经网络与随机森林模型应用于飞机设备的故障原因判别,并与其他文本特征提取方式和机器学习预测模型进行对比,说明了该类文本特征提取方式和故障原因判别方法的合理性和必要性.