SR20飞机前起落架减震器密封与静负荷特性研究

作者： 曾韬.   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： Simulink仿真   减震器   有限元分析   密封特性   静负荷特性  

描述： SR20飞机前起落架减震器密封与静负荷特性研究

SR20飞机前起落架减震器密封与静负荷特性研究

作者： 曾韬.   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： Simulink仿真   减震器   有限元分析   密封特性   静负荷特性  

描述： SR20飞机前起落架减震器密封与静负荷特性研究

SR20飞机前起落架减震器密封与静负荷特性研究

作者： 曾韬.   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： Simulink仿真   减震器   有限元分析   密封特性   静负荷特性  

描述： SR20飞机前起落架减震器密封与静负荷特性研究

SR20飞机前起落架减震器密封与静负荷特性研究

作者： 曾韬.   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： Simulink仿真   减震器   有限元分析   密封特性   静负荷特性  

描述： SR20飞机前起落架减震器密封与静负荷特性研究

SR20飞机前起落架减震器密封与静负荷特性研究

作者： 曾韬.   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： Simulink仿真   减震器   有限元分析   密封特性   静负荷特性  

描述： SR20飞机前起落架减震器密封与静负荷特性研究

可分离式航空液压管接头密封特性研究

作者： 李晓东   来源： 大连理工大学 年份： 2018 文献类型 ： 学位论文 关键词： 航空   可分离式   液压管接头   密封特性   弹塑性接触  

描述： 可分离式航空液压管接头密封特性研究

可分离式航空液压管接头密封特性研究

作者： 李晓东   来源： 大连理工大学 年份： 2018 文献类型 ： 学位论文 关键词： 航空   可分离式   液压管接头   密封特性   弹塑性接触  

描述： 可分离式航空液压管接头密封特性研究

基于Transformer的多特征融合的航空发动机剩余使用寿命预测

作者： 马依琳   陶慧玲   董启文   王晔   来源： 华东师范大学学报(自然科学版) 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机   Transformer   深度学习   剩余使用寿命  

描述： 发动机作为飞机的核心部件,对飞机运行起着至关重要的作用.对航空发动机做准确的剩余使用寿命预测,能够提前进行维护诊断,预防重大事故的发生,节约维护成本.针对现有的方法缺乏对不同时间步长的考虑以及不同

基于Transformer的航空目标检测算法

作者： 季长清   高志勇   秦静   汪祖民   来源： 无线电工程 年份： 2023 文献类型 ： 期刊 关键词： 倾斜目标   Transformer   深度学习   航空检测  

描述： 近几年，基于深度学习的目标检测算法在航空图像检测任务中得到了广泛的应用。针对传统的水平目标检测算法无法定位航空图像中大量密集排列的倾斜目标的问题，提出了TF-BBAVectors模型算法来实现航空图像中倾斜目标的检测任务。首先，为了避免深度卷积神经网络带来的网络退化等问题使用Transformer结构搭建特征提取网络；其次，针对密集地、小尺度图像目标的问题，采用多尺度特征融合的方法提升检测效果；最后针对倾斜目标检测的问题，通过边界框边缘感知向量表示任意角度的倾斜目标。在DOTA 1.0和SSDD+数据集上的部分测试结果表明，此方法的平均精度分别为72.39%和79.98%，证明了TF-BBAVectors模型算法的有效性。

混合注意力特征增强的航空图像目标检测

作者： 管文青     周世斌     张国鹏   来源： 计算机工程与应用 年份： 2024 文献类型 ： 期刊 关键词： 航空图像   旋转目标检测   注意力机制   Transformer  

描述： 针对航空图像背景复杂、目标分布密集、尺度差异大等特点，提出一种新的航空图像检测网络，称为混合注意力网络（hybrid attention network, HA-Net）。在主干网络中设计同时兼顾局部注意力和全局注意力的Transformer结构，利用注意力消除背景噪音，使密集目标边界更加清晰，提升密集目标特征提取能力；在特征融合前，提出使用连续平均池化和最大池化的空间金字塔池化模块来丰富图像特征信息，增强不同尺度目标的表示能力；在特征融合时设计特征重构模块重新调整特征金字塔的特征信息，此模块混合了跨尺度空间注意力和非局部通道注意力，可以减少不必要信息的干扰，提升多尺度目标的检出率。在DOTA航空数据集上对HA-Net进行评估，在单尺度和多尺度测试上评估指标mAP分别达到77.04%和78.28%，较基准网络，mAP分别提升了2.38个百分点和3.62个百分点。在HRSC2016数据集上mAP达到89.95%。实验结果的提升证明了HA-Net在航空图像目标检测中的有效性。