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
- 结合显著图和深度学习的遥感影像飞机目标识别
- 作者： 刘相云 龚志辉 金飞 杨光 范炜康 来源： 测绘通报 年份： 2019 文献类型 ： 期刊 关键词： 遥感影像 显著图 多特征融合 飞机目标识别 深度置信网络
- 描述： 为准确快速识别高分辨率遥感影像中的飞机目标,提出了一种结合显著图和深度置信网络(DBN)的飞机目标识别算法。本文首先使用HC(直方图对比度)算法提取遥感影像中的显著目标;然后通过定位连通区域确定候选目标的位置;随后提取候选目标的颜色矩、Hu不变矩、灰度共生矩阵、Tamura纹理特征和边缘方向直方图;最后将归一化后的多特征融合数据应用到深度置信网络进行目标识别。试验结果表明,本文算法的检测率为98.46%,虚警率为5.20%。算法从多种底层图像特征出发,有效克服了单一特征描述能力不足的问题,提高了飞机目标识别能力及抗干扰能力。
- 基于改进EWT特征融合的航空发动机转子故障诊断
- 作者： 胡毅伟 来源： 河南工业大学 年份： 2019 文献类型 ： 学位论文 关键词： 转子系统 支持向量机 经验小波变换 线性局部切空间排列 混合域特征集
- 描述： 基于改进EWT特征融合的航空发动机转子故障诊断
- 基于傅里叶分解方法的航空发动机转子故障诊断
- 作者： 刘洋 刘晓波 梁珊 来源： 中国机械工程 年份： 2019 文献类型 ： 期刊 关键词： 航空发动机 故障诊断 时频分析 转子碰摩 傅里叶分解方法
- 描述： 针对传统时频分析法无法提取转子故障特征信息的问题,提出了基于傅里叶分解方法(FDM)的转子碰摩故障诊断方法.构造了调频调幅仿真信号,对比FDM、集合经验模态分解(EEGMD)、变分模态分解(VMD)的分解结果发现,FDM能够实现仿真信号的完备性分解,且时频分辨率高.利用FDM对采集到的转子试验器机匣单点转子全周碰摩试验故障数据进行诊断,不同算法故障信号分解结果的周期功率谱密度估计和故障特征提取结果表明,该方法具有更高的诊断可靠性,可有效地解决转子故障诊断问题.
- 航空电磁探测的运动噪声时频特征分析
- 作者： 朱凯光 庞奕荻 张孝双 钱泽利 彭聪 来源： 吉林大学学报(工学版) 年份： 2019 文献类型 ： 期刊 关键词： 信息处理技术 时频分析 航空电磁法 线圈运动噪声 姿态角
- 描述： 针对航空电磁探测系统由于姿态角度变化引入运动噪声的问题,提出了一种用于降噪去噪的时频特征分析方法。在法拉第电磁感应定律的理论基础上,仿真了姿态角引起的运动噪声的时、频谱图,分析了姿态角与运动噪声在时域和频域中的相关性。采用Gabor变换的时频分析方法,研究了姿态角产生的运动噪声对电磁响应的影响,从幅度关系上剖析了姿态角度与运动噪声的关联,对运动噪声和姿态角与其导数在不同频率点的相关性进行对比可知,与姿态角本身相比,其一阶导数对运动噪声的影响更显著。
- 基于小波能量矩的航空交流串联电弧故障识别算法研究
- 作者： 崔芮华 李英男 王传宇 李锋锋 来源： 电工电能新技术 年份： 2019 文献类型 ： 期刊 关键词： 参数寻优 能量矩 小波变换 故障识别 K最近邻 航空电弧故障
- 描述： 针对现有串联电弧故障识别方法会受到线路中串联的非线性负载、电感性负载影响导致工作状态误判的问题,提出了一种基于小波能量矩的串联电弧故障特征提取方法。对串联电弧故障发生试验采集到的电流数据进行多分辨率小波分解,将分解得到的小波能量矩作为回路电流信号的特征量,找出工作状态区分明显的特征向量。利用参数寻优后的K最近邻算法进行特征分类,进而识别出线路中发生的电弧故障。分类验证结果显示,该方法提取的回路电流特征明显,分类算法简单,对电弧故障的识别率较高。
- 基于地震动信号的飞机落地监测方法研究
- 作者： 窦甲臣 来源： 中国民航大学 年份： 2019 文献类型 ： 学位论文 关键词： 经验小波变换 信号分解 时延估计 短时能量 目标定位 地震动信号
- 描述： 基于地震动信号的飞机落地监测方法研究
- 航空交流电弧故障试验分析及识别策略研究
- 作者： 曹欢 来源： 河北工业大学 年份： 2019 文献类型 ： 学位论文 关键词： 间谐波均值 奇偶次谐波和 BP神经网络 分形维数 遗传算法优化 航空电弧故障 欧氏距离
- 描述： 航空交流电弧故障试验分析及识别策略研究
- 基于改进EMD的排气温度裕度预测
- 作者： 戴邵武 陈强强 丁宇 来源： 兵器装备工程学报 年份： 2019 文献类型 ： 期刊 关键词： 支持向量机 排气温度裕度 预测 经验模态分解 回归
- 描述： 排气温度裕度（Exhaust gas temperature margin，EGTM）是表征发动机运行状态的重要性能参数之一，通过对连续多个飞行架次的EGTM进行预测分析，能够有效预测发动机的工作性能，从而为后续预防性维护提供理论依据。针对EGTM数据的非线性、非平稳特征，提出了基于改进经验模态分解（Empirical Mode Decomposition，EMD）与支持向量回归（Support vector regression，SVR）相结合的预测方法。首先通过改进的EMD方法对EGTM数据进行分解以降低时间序列的复杂程度；其次根据EMD得到的各本征模态函数及趋势序列，构建基于支持向量机的预测模型；最后将所得的各分量的预测结果综合以得到EGTM的预测结果。以某航空发动机EGTM数据验证来所提方法的有效性，结果表明，相比于传统的预测方法，RMSE与MAE降低至2.024、1.603，有效提高了回归精度。
- 基于飞参数据的飞机操纵系统故障评估方法
- 作者： 吴祯涛 李学仁 杜军 丁超 来源： 计算机测量与控制 年份： 2019 文献类型 ： 期刊 关键词： 极限学习机 飞参数据 差分进化 故障评估
- 描述： 针对某型飞机的操纵系统故障评估问题,提出了一种基于飞参数据建立的差分进化极限学习机(DE-ELM)算法;该算法融合了差分进化(DE)和极限学习机(ELM)两种算法,通过对飞参数据进行训练,构建了飞机操纵系统的黑箱模型;由于极限学习机(ELM)的输入权值以及隐含层阈值是随机产生的,所以ELM的随机性较大,稳定性不高,故利用寻优能力较强的DE对ELM输入权值和隐含层阈值进行寻优,从而实现ELM的结构优化,提升ELM的稳定性和鲁棒性;仿真结果表明,DE-ELM算法的决定系数达到了97.6%,其均方误差相比于BP神经网络降低了约79%,相比于单纯的ELM降低了64%;所以说该法可以有效提高精确度,同时具有更加良好的泛化性能。