航空发动机构件缺陷检测方法

作者： 安雄   来源： 西安电子科技大学 年份： 2020 文献类型 ： 学位论文 关键词： 数据标注   生成对抗网络   语义分割   缺陷检测   异常检测  

描述： 航空发动机构件缺陷检测方法

超声导波在飞机电缆中传播特性的研究及应用

作者： 王秋雨   来源： 天津科技大学 年份： 2020 文献类型 ： 学位论文 关键词： 飞机电缆   有限元分析   传播特性   超声导波   缺陷检测  

描述： 超声导波在飞机电缆中传播特性的研究及应用

基于超声导波的飞机电缆缺陷检测技术研究

作者： 杨霄   来源： 天津科技大学 年份： 2020 文献类型 ： 学位论文 关键词： 飞机电缆   压电纤维复合材料   定位   超声导波   缺陷检测  

描述： 基于超声导波的飞机电缆缺陷检测技术研究

基于X射线图像的航空钛合金铸件缺陷检测与分类研究

作者： 颜秋余   来源： 华中科技大学 年份： 2020 文献类型 ： 学位论文 关键词： 卷积神经网络   X射线图像   航空钛合金铸件   缺陷检测   分类  

描述： 基于X射线图像的航空钛合金铸件缺陷检测与分类研究

航空发动机构件缺陷检测方法

作者： 安雄   来源： 西安电子科技大学 年份： 2020 文献类型 ： 学位论文 关键词： 数据标注   生成对抗网络   语义分割   缺陷检测   异常检测  

描述： 航空发动机构件缺陷检测方法

超声导波在飞机电缆中传播特性的研究及应用

作者： 王秋雨   来源： 天津科技大学 年份： 2020 文献类型 ： 学位论文 关键词： 飞机电缆   有限元分析   传播特性   超声导波   缺陷检测  

描述： 超声导波在飞机电缆中传播特性的研究及应用

基于改进EfficientDet的飞机蒙皮缺陷检测方法

作者： 卜晓燕     张宪法     李明慧     葛恩德     冯静璇     曹嘉玲   来源： 航空制造技术 年份： 2025 文献类型 ： 期刊 关键词： 飞机蒙皮   注意力机制   多尺度特征融合   尺度感知   缺陷检测  

描述： 基于改进EfficientDet的飞机蒙皮缺陷检测方法

基于新型深度神经网络的民机表面缺陷识别

作者： 张德银   陈从翰   黄选红   徐志强   来源： 计算技术与自动化 年份： 2020 文献类型 ： 期刊 关键词： 深度神经网络   表面缺陷识别   Inception   Net   残差   民航飞机  

描述： 为解决机务人员依靠经验来对民航飞机的表面缺陷进行识别时易发生误判的问题,开发了一种用于民机表面的缺陷识别的结合Inception-net和残差模块的新型深度神经网络。首先,通过对各机场的在修飞机表面

应用深度核极限学习机的航空发动机部件故障诊断

作者： 逄珊   杨欣毅   张勇   韦祥   来源： 推进技术 年份： 2018 文献类型 ： 期刊 关键词： 极限学习机   故障诊断   深度神经网络   核方法   涡扇发动机   部件  

描述： 运用传统单隐层的神经网络进行航空发动机部件故障诊断识别受其浅层结构影响,精度不高,而用深度置信网络(Deep belief network,DBN)等深度学习方法则存在耗时、参数训练复杂的问题。为解决现有的基于数据驱动的发动机部件故障诊断方法的不足,提高诊断精度,缩短训练时间,将核方法和多层极限学习机(Multilayer extreme learning machine,M-ELM)相结合,提出一种深度核极限学习机(Deep kernel extreme learning machine,DK-ELM)。算法首先利用深度网络结构对输入数据进行逐层的特征提取,抽象得到的特征通过核函数实现高维空间映射分类。这些措施有利于提高算法的分类精度和泛化性能,在训练速度上较深度学习也有明显的提高。将该算法与深度学习和其他极限学习机算法进行综合比较研究,结果表明:基于DK-ELM的诊断方法有效、可靠,便于实现,为航空发动机部件故障诊断提供一个更为优秀实用的工具。

应用深度核极限学习机的航空发动机部件故障诊断

作者： 逄珊   杨欣毅   张勇   韦祥   来源： 推进技术 年份： 2018 文献类型 ： 期刊 关键词： 极限学习机   故障诊断   深度神经网络   核方法   涡扇发动机   部件  

描述： 运用传统单隐层的神经网络进行航空发动机部件故障诊断识别受其浅层结构影响,精度不高,而用深度置信网络(Deep belief network,DBN)等深度学习方法则存在耗时、参数训练复杂的问题。为解决现有的基于数据驱动的发动机部件故障诊断方法的不足,提高诊断精度,缩短训练时间,将核方法和多层极限学习机(Multilayer extreme learning machine,M-ELM)相结合,提出一种深度核极限学习机(Deep kernel extreme learning machine,DK-ELM)。算法首先利用深度网络结构对输入数据进行逐层的特征提取,抽象得到的特征通过核函数实现高维空间映射分类。这些措施有利于提高算法的分类精度和泛化性能,在训练速度上较深度学习也有明显的提高。将该算法与深度学习和其他极限学习机算法进行综合比较研究,结果表明:基于DK-ELM的诊断方法有效、可靠,便于实现,为航空发动机部件故障诊断提供一个更为优秀实用的工具。