全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 航空发动机状态监控和预测性维护应用研究
- 作者： 廖鹏程 李昂 王骁 来源： 测控技术 年份： 2023 文献类型 ： 期刊 关键词： 特征提取 深度学习 健康管理 剩余寿命预测 故障预测
- 描述： 据进行降噪并预测剩余寿命，通过美国国家航空航天局(NASA)的航空发动机仿真数据集验证了模型能达到91.3%的准确率；采用核主成分分析(KPCA)结合深度置信网络(DBN)的方法建立发动机气路健康监控
- 基于深度学习的航空发动机磨损部位识别方法
- 作者： 苗慧慧 曹桂松 孙智君 康玉祥 马佳丽 陈果 来源： 润滑与密封 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 一维卷积残差网络 能谱分析 深度学习 磨损
- 描述： 针对航空发动机润滑系统中摩擦副部件复杂、磨损颗粒能谱监测元素众多，靠人工经验难于进行磨损部位精确识别的问题，提出一种基于深度学习的航空发动机润滑系统磨损部位识别方法。该方法应用一维卷积核为计算单元
- 基于时空特征的航空发动机剩余使用寿命预测
- 作者： 徐震震 薛林 马凯 杨玉迪 来源： 电子测量技术 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 深度学习 时间特征 剩余寿命预测 空间特征
- 描述： 提出了一种时空特征融合的网络模型，利用图卷积神经网络和长短时记忆网络分别提取空间特征和时间特征，运用并行结构将时间特征与空间特征融合。在CMAPSS数据集上进行验证，子数据集FD001的RMSE为12.81,Score为252.04,实验结果表明，该方法相对于其他预测方法，预测精度更高。
- 基于社交隐式模型的运输类飞机人员疏散轨迹预测
- 作者： 陈琨 李放 冯振宇 陈向明 段龙坤 来源： 交通运输工程学报 年份： 2024 文献类型 ： 期刊 关键词： 民用航空 深度学习 轨迹预测 应急撤离 社交隐式模型
- 描述： 基于社交隐式模型的运输类飞机人员疏散轨迹预测
- 基于深度学习的智慧航空物流综合服务智能问答方法
- 作者： 章丰田 来源： 自动化应用 年份： 2024 文献类型 ： 期刊 关键词： 综合服务 智能问答 深度学习 航空物流 智慧航空
- 描述： 基于深度学习的智慧航空物流综合服务智能问答方法
- 飞机装配过程错漏装检测技术研究进展
- 作者： 王振宇 张祥春 严佳 张晓庆 武湛君 来源： 无损检测 年份： 2024 文献类型 ： 期刊 关键词： 错漏装 机器视觉 深度学习 无损检测 模板匹配
- 描述： 飞机装配过程错漏装检测技术研究进展
- 基于CNN-LSTM混合模型的民航非计划事件分析方法
- 作者： 王捷 周迪 左洪福 陆扬 来源： 计算机与数字工程 年份： 2024 文献类型 ： 期刊 关键词： 长短时记忆神经网络 卷积神经网络 深度学习 民航安全 文本分析
- 描述： 安全是民航业的核心主题，非计划事件是辨识安全隐患、改善航空安全的重要信息来源。非计划事件的非结构化和数量庞大等特性使得人工分析变得困难且效率低下。为提高非计划事件的分析效率和精度，论文提出了一种基于CNN-LSTM的混合深度神经网络模型，用于民航非计划事件的自动化分析。并与SVM、CNN、LSTM等模型进行比较，在航空公司的事件日志样本数据集上进行训练并做出事件分类结果的判断。实验结果表明，所提出的CNN-LSTM混合模型具有最高的分类准确率，对于不平衡数据样本，具有最稳定的分类性能。
- 技能领域深度学习评价核心指标构建与量表开发研究——以飞机维修虚拟仿真学习为例
- 作者： 穆肃 高春瑾 田巨 来源： 广州开放大学学报 年份： 2024 文献类型 ： 期刊 关键词： 飞机维修 深度学习 量表开发 虚拟仿真 评价指标
- 描述： 学生主动、有深度的学习有利于促进职业技能提升。教学质量评价是职业技能教学的重要一环，深度学习理论可为技术支持下的专业技能教学与评价提供理论支持和实践指导。本研究以飞机维修虚拟仿真教学为例，采用
- 航空发动机叶片表面损伤与检测研究进展
- 作者： 程亚茹 李湉 薛辉 黎红英 王丹 唐鋆磊 来源： 航空发动机 年份： 2024 文献类型 ： 期刊 关键词： 航空发动机 机器视觉 叶片损伤 深度学习 无损检测
- 描述： 航空发动机叶片的工作环境极其恶劣，表面会出现各种类型的损伤。在损伤早期进行表面检测能够有效预防因损伤扩展导致的叶片失效断裂。发动机叶片表面损伤的检测和评估主要由人工操作，严重依赖工作经验，但人工检测不仅效率低下，而且检测结果容易受到人为因素的影响。为了高效、高精度地检测发动机叶片表面损伤，从叶片失效形式出发，综述了发动机叶片在停放和运行2种状态下的损伤机理，并重点阐述了涡流检测、渗透检测等常用于叶片表面损伤检测的方法。总结了基于机器视觉的检测技术，分析机器视觉检测面临数据集稀缺和单一性的挑战，认为收集大量数据并进一步完善评估标准是未来发动机叶片表面损伤检测系统研究的重点方向。