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
- 基于GRU模型的高机动试飞航空器轨迹预测方法研究
- 作者： 张会英 彭曼 杨地 来源： 长江信息通信 年份： 2022 文献类型 ： 期刊 关键词： 注意力机制 轨迹预测 防相撞 门控循环神经网络
- 描述： 文章利用注意力机制提取试飞运动轨迹数据中的有效信息，采用门控循环神经网络（Gated Recurrent Neural Network,GRU）模型处理时序问题，提出了一种高机动试飞航空器实时多步
- 一种用于航空发动机RUL预测的推理网络模型
- 作者： 韩光洁 史国华 缑林峰 徐甜甜 林川 来源： 小型微型计算机系统 年份： 2022 文献类型 ： 期刊 关键词： 注意力机制 LSTM网络 航空发动机 寿命预测
- 描述： 剩余使用寿命预测对于航空发动机的故障预测和健康管理至关重要.为解决传统长短期记忆网络只利用最后一步学习到的特征进行回归的问题，本文提出了一种基于注意力机制的航空发动机剩余使用寿命预测模型.利用长短期记忆网络处理航空发动机的时序数据，自动提取与时间有关的特征，采用注意力机制为不同传感器特征和不同的时间步进行了加权.此外，本文还考虑到了不同操作条件对发动机剩余使用寿命的影响，将自动提取的特征与操作条件进行了特征融合.实验结果表明，本文提出的模型能有效预测航空发动机的剩余使用寿命，为基于状态的维护提供了可靠的支持.
- 一种用于航空发动机RUL预测的推理网络模型
- 作者： 韩光洁 史国华 缑林峰 徐甜甜 林川 来源： 小型微型计算机系统 年份： 2022 文献类型 ： 期刊 关键词： 注意力机制 LSTM网络 航空发动机 寿命预测
- 描述： 剩余使用寿命预测对于航空发动机的故障预测和健康管理至关重要.为解决传统长短期记忆网络只利用最后一步学习到的特征进行回归的问题，本文提出了一种基于注意力机制的航空发动机剩余使用寿命预测模型.利用长短期记忆网络处理航空发动机的时序数据，自动提取与时间有关的特征，采用注意力机制为不同传感器特征和不同的时间步进行了加权.此外，本文还考虑到了不同操作条件对发动机剩余使用寿命的影响，将自动提取的特征与操作条件进行了特征融合.实验结果表明，本文提出的模型能有效预测航空发动机的剩余使用寿命，为基于状态的维护提供了可靠的支持.
- 基于注意力机制的航空图像旋转框目标检测
- 作者： 常洪彬 李文举 李文辉 来源： 吉林大学学报(理学版) 年份： 2022 文献类型 ： 期刊 关键词： 航空图像 注意力机制 目标检测 深度学习
- 描述： 针对在航空遥感图像目标检测中，航空图像在俯视图下呈任意方向排列，存在图像尺寸大、方向任意和背景复杂等问题，为能在复杂背景的航空图像中仍有较好的检测结果，提出一种基于注意力机制的旋转框航空图像目标检测模型.该模型首先采用RetinaNet作为基线模型，在原有检测器结构的基础上，增加额外的角度参数以适应旋转框目标检测；然后提出一个新的通道语义提取注意力模块(CSE),用于捕获全局语义信息和通道关系，并预测粗糙包围盒与分类分数；最后采用特征对齐和改进的Fast R-CNN检测头进行精细化处理，进一步提升检测精度，得到最后的分类和回归结果.实验结果表明，该方法在公开航空遥感数据集DOTA上的检测精度达到77.71%,优于其他先进的旋转框目标检测方法.
- 基于视频序列的飞机乘客检测方法研究与应用
- 作者： 黄欣欣 来源： 中国科学院大学(中国科学院沈阳计算技术研究所) 年份： 2022 文献类型 ： 学位论文 关键词： 行人检测 注意力机制 卷积神经网络 CSP算法
- 描述： 基于视频序列的飞机乘客检测方法研究与应用
- 基于深度学习的航空遥感图像目标检测算法研究
- 作者： 常洪彬 来源： 吉林大学 年份： 2022 文献类型 ： 学位论文 关键词： 遥感图像 注意力机制 深度学习 目标检测
- 描述： 基于深度学习的航空遥感图像目标检测算法研究
- 基于改进的SENet航空发动机振动预测
- 作者： 夏存江 詹于游 来源： 航空动力学报 年份： 2022 文献类型 ： 期刊 关键词： 数据驱动 注意力机制 卷积神经网络 多参数融合 振动预测
- 描述： 为实时监测和预警航空发动机振动状态，基于气路及振动参数，提出一种使用改进的SENet(squeeze-and-excitation network)模型，对航空发动机近未来的振动进行预测。该研究相比以往采用的实验室模拟数据和仿真数据，使用了真实的QAR(quick access recorder)数据并进行随机采样，以求更能表征发动机振动和工作参数之间的关系。同时，不仅使用其他振动信号进行验证，还在其他型号的发动机上进行测试。结果表明：针对航空发动机的振动进行预测是可行的，SENet模型可以有效并实时追踪振动的突变和波动。此外，该方法对于其他振动信号和不同类型的发动机具有一定的适用性。而且相较于以往采用的其他经典的深度模型，SENet模型在振动的预测中能得到更小的误差。实验证明，相较于以往只使用振动这个单参数进行预测，并行使用与振动相关的多参数融合进行研究更能提高预测的准确性。
- 基于特征注意力机制的GRU-GAN航空发动机剩余寿命预测
- 作者： 袁烨 黄虹 程骋 虞文武 丁汉 来源： 中国科学:技术科学 年份： 2022 文献类型 ： 期刊 关键词： 注意力机制 生成对抗网络 特征提取 航空航天 剩余寿命预测
- 描述： 涡扇发动机作为航空航天领域的核心设备之一,其健康状况决定了航空器能否稳定可靠地运行.涡扇发动机的剩余寿命预测是航天器设备监测与维护的重要一环.然而涡扇发动机的监测过程具有工况复杂、监测数据多样、时间跨度长等特点,针对其数据类型多且体量大、数据冗余度较高、剩余寿命预测精度较低等问题,本文通过将生成对抗网络(Generative adversarial network, GAN)的生成能力与门控循环单元(Gate recurrent unit, GRU)的预测能力相结合,提出一种基于特征注意力机制的GAN和GRU融合模型.为了对时序关系进行建模,首先利用特征注意力机制和GRU分别提取空间和时间上的相关性,然后将经过预训练的生成器附加到GRU之后得到整体模型.具体来说,本文采用预训练的GAN网络生成模块替代传统自编码器,解决了由自编码器参数过多引起的GRU模块训练不充分的问题,提升了时空相关特性的提取能力、提高了模型的泛化性能、提升了预测精度.本文利用CMAPSS涡扇发动机数据来验证模型效果,通过与不同机器学习方法进行对比,实验结果显示,该方法在均方根误差和指数型评价指标这两个评价指标上都有较高的预测精度.