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
- 物料供给不确定环境下的飞机移动生产线动态调度方法
- 作者： 陆志强 胡鑫铭 朱宏伟 来源： 同济大学学报(自然科学版) 年份： 2019 文献类型 ： 期刊 关键词： 动态调度 机器学习 飞机移动生产线 局部前瞻搜索 支持向量数据描述
- 描述： 飞机装配所需的物料种类复杂且数量巨大,其准时供给往往存在较大的不确定性.为了有效解决物料供给不确定环境下的飞机移动生产线动态调度问题,将机器学习中的支持向量数据描述技术(SVDD)与传统的调度方法相结合,提出了基于SVDD的动态调度算法.通过软件CPLEX和元启发式算法求解不同物料供给延期情形下的调度模型,并将得到的优化结果作为样本对SVDD分类模型进行离线训练.在实时调度阶段,根据SVDD模型实现作业的提前、延期或准时执行的分类.基于该分类结果,利用局部前瞻搜索算法进一步对提前和延期作业的具体开始执行时间做出决策.数值实验结果证明了所提出的算法在响应速度和求解效果上均能满足实际飞机移动生产线动态调度的需求.
- 基于自编码器的飞机类型识别方法
- 作者： 张朝柱 黄妤宁 来源： 无线电工程 年份： 2019 文献类型 ： 期刊 关键词： 机器学习 梅尔倒谱系数 自编码器 飞机类型识别 联合特征提取
- 描述： 征向量通过自编码器进行分类,对分类的准确率进行了仿真。实验结果表明,每一类声信号准确率均高于85%,且平均识别准确率为95.98%。针对单类别实际飞机声信号的分类准确率较其他类别准确率差的问题,提出了通过
- 物料供给不确定环境下的飞机移动生产线动态调度方法
- 作者： 陆志强 胡鑫铭 朱宏伟 来源： 同济大学学报(自然科学版) 年份： 2019 文献类型 ： 期刊 关键词： 动态调度 机器学习 飞机移动生产线 局部前瞻搜索 支持向量数据描述
- 描述： 飞机装配所需的物料种类复杂且数量巨大,其准时供给往往存在较大的不确定性.为了有效解决物料供给不确定环境下的飞机移动生产线动态调度问题,将机器学习中的支持向量数据描述技术(SVDD)与传统的调度方法相结合,提出了基于SVDD的动态调度算法.通过软件CPLEX和元启发式算法求解不同物料供给延期情形下的调度模型,并将得到的优化结果作为样本对SVDD分类模型进行离线训练.在实时调度阶段,根据SVDD模型实现作业的提前、延期或准时执行的分类.基于该分类结果,利用局部前瞻搜索算法进一步对提前和延期作业的具体开始执行时间做出决策.数值实验结果证明了所提出的算法在响应速度和求解效果上均能满足实际飞机移动生产线动态调度的需求.
- 基于自编码器的飞机类型识别方法
- 作者： 张朝柱 黄妤宁 来源： 无线电工程 年份： 2019 文献类型 ： 期刊 关键词： 机器学习 梅尔倒谱系数 自编码器 飞机类型识别 联合特征提取
- 描述： 征向量通过自编码器进行分类,对分类的准确率进行了仿真。实验结果表明,每一类声信号准确率均高于85%,且平均识别准确率为95.98%。针对单类别实际飞机声信号的分类准确率较其他类别准确率差的问题,提出了通过
- 机器学习技术在民航安全管理中的应用探析
- 作者： 阙佳鸿 来源： 科技创新与应用 年份： 2019 文献类型 ： 期刊 关键词： 机器学习 计算机视觉 机场管制 模式识别 民航安全
- 描述： 文章介绍了机器学习的算法分类和应用场景,指出了我国民用航空安全系统的现状以及存在的问题。并且在此基础上探讨了机器学习的主要技术在民航安全系统中的应用。为民航安全系统信息化建设进程的进一步发展提供了包括使用模式识别实现机场管制、计算机视觉实现场面安全、气象数据预测、管制员疲劳监控和设备维修数据监测在内的诸多有价值的研究方向。
- 基于自编码器的飞机类型识别方法
- 作者： 张朝柱 黄妤宁 来源： 无线电工程 年份： 2019 文献类型 ： 期刊 关键词： 机器学习 梅尔倒谱系数 自编码器 飞机类型识别 联合特征提取
- 描述： 征向量通过自编码器进行分类,对分类的准确率进行了仿真。实验结果表明,每一类声信号准确率均高于85%且平均识别准确率为95.98%;针对单类别实际飞机声信号的分类准确率较其他类别准确率差的问题,提出了通过小波包
- 航空器爬升与下降阶段4D航迹预测
- 作者： 赵元棣 李科频 朱文心 来源： 科学技术与工程 年份： 2023 文献类型 ： 期刊 关键词： 长短期记忆网络 4D航迹预测 循环神经网络 机器学习 航空运输
- 描述： 模型进行航迹预测；最后，对各个维度上的预测航迹点和实际航迹点的误差进行分析。仿真结果表明，爬升阶段模型和下降阶段模型对于航空器位置预测准确性高，展现了航迹预测模型的良好鲁棒性。
- 机器学习在航空发动机排气温度预测中的应用研究
- 作者： 易文川 王兴 王翔 唐庆如 来源： 舰船电子工程 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 机器学习 性能评估 排气温度 预测算法
- 描述： 排气温度是优化发动机性能和排放的关键参数，目标是在预测排气温度的基础上评估四种经典机器学习回归算法，即人工神经网络、随机森林、支持向量回归和门控循环单元。燃油流量、滑油压力和转速是模型输入，所有的机器学习模型在可接受的误差范围内预测了排气温度。相互比较时，门控循环单元的预测精度最高，但它通常需要高质量的无噪声数据；随机森林的精度最低，但需要的计算资源最少；支持向量回归在耗费高计算资源的前提下保证了较好的预测精度；人工神经网络是最合适的预测算法，但它存在繁琐的超参数调整过程。结果表明，经过良好训练的机器学习模型可以准确预测航空发动机排气温度，同时也有助于优化发动机性能、排放和寿命。