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

飞机热交换器性能监测与分析方法研究

作者： 杜林颖   来源： 天津工业大学 年份： 2019 文献类型 ： 学位论文 关键词： 性能预测   制冷系统仿真   飞机热交换器   性能监测  

描述： 飞机热交换器性能监测与分析方法研究

军用航空电磁继电器剩余寿命评估技术研究

作者： 高灿辉   曾垒   李晓晓   相春梅   来源： 2019航空装备服务保障与维修技术论坛暨中国航空工业技术装备工程协会年会 年份： 2019 文献类型 ： 会议论文 关键词： 剩余寿命   接触电阻   电磁继电器   全参数  

描述： 军用航空电磁继电器剩余寿命评估技术研究

基于随机过程的航空发动机剩余寿命预测及维修决策研究

作者： 黄亮   来源： 南京航空航天大学 年份： 2019 文献类型 ： 学位论文 关键词： 特征函数   维修决策   剩余寿命   故障检测   从属过程   神经网络  

描述： 基于随机过程的航空发动机剩余寿命预测及维修决策研究

卷积神经网络及其在航空视觉任务中的应用展望

作者： 漆昇翔   裘旭益   张伟   来源： 航空电子技术 年份： 2019 文献类型 ： 期刊 关键词： 卷积神经网络   计算机视觉   深度学习   航空航天  

描述： 从卷积神经网络的基本理论出发,介绍了几种经典卷积网络结构,并结合当前卷积神经网络在计算机视觉领域的应用现状,重点探讨了它在未来航空视觉相关任务系统中的应用前景,以及实施这些技术必须解决的若干问题,为未来航空装备智能化水平的进一步提升提供参考。

基于深度学习的陆空通话复诵校验方法研究

作者： 李丹   来源： 中国民航大学 年份： 2019 文献类型 ： 学位论文 关键词： 注意力机制   陆空通话复诵校验   深度学习   双向长短时记忆神经网络  

描述： 基于深度学习的陆空通话复诵校验方法研究

基于深度学习的飞机乘员应急撤离行为特征分类研究

作者： 纪乾   来源： 中国民航大学 年份： 2019 文献类型 ： 学位论文 关键词： 深度学习   应急撤离   行为特征   仿真模型  

描述： 基于深度学习的飞机乘员应急撤离行为特征分类研究

基于深度学习的遥感影像飞机检测方法研究

作者： 谢奇芳   来源： 中国地质大学(北京) 年份： 2019 文献类型 ： 学位论文 关键词： 高分辨率遥感影像   卷积神经网络   深度学习   目标检测  

描述： 基于深度学习的遥感影像飞机检测方法研究

基于深度学习的航空监视方法研究

作者： 王艳明   王宝珠   来源： 电子测量技术 年份： 2019 文献类型 ： 期刊 关键词： 航空监视   深度学习   人工智能   国土安全   俯视视角  

描述： 我国是一个幅员辽阔的国家,地理条件复杂,常规的国土安全巡检方法会耗费大量人力物力。为此,提出了一种基于深度学习的航空监视方法,其利用无人机从高空采集图像,并利用卷积神经网络对采集图像进行分类判断,从而对场景进行监视。其目的在于用人工智能的手段,通过无人机代替人工进行巡检,从而提高国土安全监视效率。为此,本文建立了包含10种不同场景的俯视视角的数据库。通过卷积神经网络模型,对不同场景的图像特征进行学习,使得模型可以分辨不同的场景。为了验证本方法的可行性,本文在10种空基视角的数据库上进行了实验,结果显示其分类准确率达到97%。说明本方法可满足安全监视的需求,为实现智能监视提供了思路。

遥感图像飞机目标高效搜检深度学习优化算法

作者： 郭琳   秦世引   来源： 北京航空航天大学学报 年份： 2019 文献类型 ： 期刊 关键词： 停机坪与跑道分割   深度神经网络   深度学习   飞机目标检测   大幅面遥感图像  

描述： 为了实现大幅面遥感图像中飞机目标的高效检测与准确定位,通过深度神经网络(DNN)的级联组合,提出了一种新颖的搜寻与检测相集成的飞机目标高效检测算法。首先,运用高性能的端到端DNN网络,进行停机坪与跑道区域的像素级高效精准分割,从而大幅度缩小飞机目标的搜索范围,以降低虚警发生概率,完成飞机目标候选检测区域的快速搜寻。然后,针对分割所得停机坪与跑道区域,借助手工数据集对YOLO网络模型进行迁移式强化训练,一方面可以弥补训练集在样本类型与数据规模上的不足,另一方面借助YOLO网络的强时效性优势对飞机目标的位置进行回归求解,可以显著提高飞机目标的检测效率。停机坪与跑道区域分割DNN网络在分割精度与时效性上具有显著优势,而迁移式强化训练YOLO网络不仅具有很高的检测效率,在检测精度上也能保持良好的性能。通过一系列综合实验与对比分析,验证了提出的搜寻与检测相集成的DNN级联组合式飞机目标高效检测算法的性能优势。