基于多模型融合的航空电子产品故障预测方法

作者： 文佳   梁天辰   陈擎宙   钱东   来源： 电讯技术 年份： 2023 文献类型 ： 期刊 关键词： 长短期记忆(LSTM)神经网络   数据驱动   航空电子产品   多模型融合   故障预测  

描述： 时序信息记忆问题与小样本条件下数据驱动模型训练过拟合问题；采用Adaboosting算法计算模型权重，并基于实时数据动态调整，以滤除复杂机载环境应力引入的预测误差，解决多模型融合的性能差异问题。最后，采用

运输航空数据驱动安全管理探究

作者： 曹东     杨克皎     蒙彦晖     张卫东   来源： 民航学报 年份： 2023 文献类型 ： 期刊 关键词： 数据驱动   安全数据   安全管理   TEM模型   数据源  

描述： 数据驱动安全管理。本文首先通过收集某航空公司现有安全管理的各项安全数据进行研究，从中筛选出6种主要的数据源；其次，通过TEM模型等3种模型对安全数据进行分类分析，形成对公司安全管理中遇到问题的诊断；最后，根据航空公司现有体系运行的特点提出合理化的安全管理建议，提升航空公司安全管理的水平。

数据驱动的机场航空器污染物排放清单及特征分析

作者： 孙娇娇     胡荣     潘肖然     邓松武     官兆玮   来源： 中国民航大学学报 年份： 2024 文献类型 ： 期刊 关键词： 排放清单   数据驱动   排放特征   机场区域   航空器  

描述： 数据驱动的机场航空器污染物排放清单及特征分析

数控多轴加工在航空制造中的应用与优化研究

作者： 季荣荣   来源： 中国设备工程 年份： 2024 文献类型 ： 期刊 关键词： 工艺优化   数据驱动   数控多轴加工   刀具寿命   航空制造  

描述： 数控多轴加工在航空制造中的应用与优化研究

航空齿轮钢滚动接触疲劳性能预测与表面完整性优化

作者： 吴吉展     魏沛堂     吴少杰     刘怀举     朱才朝   来源： 机械工程学报 年份： 2024 文献类型 ： 期刊 关键词： 数据驱动   寿命预测   疲劳性能   滚动接触疲劳   表面完整性  

描述： 齿轮滚动接触疲劳是限制航空、航天、新能源汽车、舰艇等高端装备的重要瓶颈。高表面完整性是决定齿轮服役性能的重要保障，表面完整性与齿轮接触疲劳性能的定量关联规律成为工程及学术界的研究重点。该系列研究讨论了常规喷丸、二次喷丸、微粒喷丸、滚磨光整、喷丸光整等加工工艺对AISI 9310渗碳淬火航空齿轮钢表面完整性参数及服役性能的影响，并给出齿轮抗疲劳设计方法。针对获得的表面完整性与疲劳性能数据，开展疲劳性能预测与表面完整性设计研究。采用随机森林算法确定了表面完整性参数对滚动接触疲劳寿命的重要度；以接触应力、表面粗糙度、表面残余应力、表面硬度、有效残余应力深度、疲劳寿命可靠度为输入，滚动接触疲劳寿命为输出，采用GA-BP神经网络和SVM机器学习方法建立了滚动接触疲劳寿命预测模型，探究了表面完整性参数对滚动接触疲劳寿命的影响规律；提出了基于多元回归的滚动接触疲劳寿命预测公式，疲劳寿命预测值在1.5倍分散带以内；并在给定设计寿命下采用遗传算法对表面完整性参数进行优化，服务于传动构件抗疲劳设计。

基于ODENet的航空发动机动态实时建模研究

作者： 伯丽欣     李睿超     刘渊     苏三买   来源： 航空动力学报 年份： 2025 文献类型 ： 期刊 关键词： 模型预测控制   数据驱动   动态实时模型   神经常微分方程   动态特性  

描述： 基于ODENet的航空发动机动态实时建模研究

厦门航空公司财务共享中心数字化转型实践

作者： 傅馨慧   来源： 财务与会计 年份： 2025 文献类型 ： 期刊 关键词： 风险预警   数据驱动   数据治理   模型   作业运营  

描述： 厦门航空公司财务共享中心数字化转型实践

航空物流数字化转型要点探讨

作者： 彭璇   来源： 中国物流与采购 年份： 2025 文献类型 ： 期刊 关键词： 数字化转型   数据驱动   供应链协同   技术应用   航空物流  

描述： 航空物流数字化转型要点探讨

航空燃油试验设备预防性维护策略的优化与实施研究

作者： 贺龙龙   来源： 中国设备工程 年份： 2025 文献类型 ： 期刊 关键词： 数据驱动   设备健康评估   航空燃油试验设备   预防性维护   策略优化  

描述： 航空燃油试验设备预防性维护策略的优化与实施研究

基于梯度提升树的飞机机身对接状态识别

作者： 蔡畅   黄亦翔   邢宏文   来源： 浙江大学学报(工学版) 年份： 2019 文献类型 ： 期刊 关键词： 数据驱动   机身对接   状态标注   不平衡多分类   状态识别   梯度提升树（GBDT）  

描述： 长短期记忆网络(LSTM)、卷积神经网络(CNN)以及一些传统机器学习方法相比,该方法对接状态识别的宏F1(macro＿F1)指标高达0.998,能够精准地识别每一种对接状态且训练速度较快.