基于新型深度神经网络的民机表面缺陷识别

作者： 张德银   陈从翰   黄选红   徐志强   来源： 计算技术与自动化 年份： 2020 文献类型 ： 期刊 关键词： 深度神经网络   表面缺陷识别   Inception   Net   残差   民航飞机  

描述： 为解决机务人员依靠经验来对民航飞机的表面缺陷进行识别时易发生误判的问题,开发了一种用于民机表面的缺陷识别的结合Inception-net和残差模块的新型深度神经网络。首先,通过对各机场的在修飞机表面缺陷进行采样建立数据集,手段包括使用图像处理修复不合格图像、使用数据增强缓解数据类别不平衡、使用立方卷积插值法降采样保留图像特征等图像预处理操作。然后在自建的数据集上对新型深度神经网络与其他神经网络进行对比测试。实验结果表明,新型神经网络在较少的参数下能够达到最深的网络深度,且在自建数据集的测试集上的识别率和查全率分别为74.23%和62.29%,优于进行对比的其他网络。说明在一定程度上该网络能够有效用于民机表面缺陷识别工作中。

基于多尺度U-Net与Transformer特征融合的航空遥感图像飞机检测方法

作者： 张善文     邵彧     李萍     令伟锋   来源： 弹箭与制导学报 年份： 2024 文献类型 ： 期刊 关键词： Transformer   Net与Transformer   航空遥感图像飞机检测   多尺度U   Net  

描述： 航空遥感图像(ARSI)飞机检测一直是一个重要且具有挑战性的课题。针对现有ARSI飞机检测方法(ARSIAD)检测目标的边缘模糊、小目标的检测精度低、没有充分利用ARSI的全局上下文信息等问题，提出一种基于多尺度U-Net与Transformer (MSU-Trans)特征融合的ARSIAD方法。通过多尺度卷积模块Inception提取ARSI中多样性目标的分类特征，通过Transformer增强模型的全局语义检测性能，通过特征融合模块整合高层和低层特征，得到航空目标图像完整的边缘和纹理特征。该模型结合多尺度U-Net较强的局部特征提取能力和Transformer较强的全局上下文依存关系提取能力，进而提高MSU-Trans的整体检测性能。在ARSI集上的试验表明，与U-Net、多尺度U-Net、注意力U-Nets相比，MSU-Trans具有较高的检测精度，精度超过95%,该方法为ARSIAD提供一定的技术支撑。

不同结构深度神经网络的时间域航空电磁数据成像性能分析

作者： 李金峰   刘云鹤   来源： 世界地质 年份： 2020 文献类型 ： 期刊 关键词： 电磁数据   地球物理   成像   深度神经网络  

描述： 时间域航空电磁系统采样密集,数据量大,所以在该领域较为实用的数据处理方法主要为一维反演和电阻率成像法。笔者从成像问题出发,建立了庞大的数据-模型训练集,研究并分析了不同结构的神经网络的成像精度。通过对比分析测试结果,获得了在一定条件下适用于航空电磁成像的最优网络模型结构,包含其神经元个数和层数等信息。本文采用早停法训练神经网络,压制数据中噪声对成像结果的影响。

不同结构深度神经网络的时间域航空电磁数据成像性能分析

作者： 李金峰   刘云鹤   来源： 世界地质 年份： 2021 文献类型 ： 期刊 关键词： 电磁数据   地球物理   成像   深度神经网络  

描述： 时间域航空电磁系统采样密集,数据量大,所以在该领域较为实用的数据处理方法主要为一维反演和电阻率成像法。笔者从成像问题出发,建立了庞大的数据-模型训练集,研究并分析了不同结构的神经网络的成像精度。通过对比分析测试结果,获得了在一定条件下适用于航空电磁成像的最优网络模型结构,包含其神经元个数和层数等信息。本文采用早停法训练神经网络,压制数据中噪声对成像结果的影响。

DNN加速器技术发展及航空计算系统应用展望

作者： 赵一煊   刘飞阳   高晗   王建生   来源： 航空计算技术 年份： 2022 文献类型 ： 期刊 关键词： 智能计算   深度神经网络   航空电子系统   硬件加速器  

描述： 新一代航空计算系统将以高性能智能数据处理为核心，能够支撑智能化的图像/雷达目标识别、大数据分析、指控决策、故障自诊断等多种应用场景。深度神经网络硬件加速器是面向人工智能领域专用的硬件加速平台，能够为深度卷积神经网络、循环神经网络等人工智能算法提供一个灵活可配置的运行环境，与通用计算硬件相比将获得高性能、低时延、低功耗等优势，其核心技术主要包括智能计算单元设计、并行计算加速结构、存储结构优化等。重点分析国内外深度神经网络硬件加速器技术发展情况，总结关键技术解决方案，探讨其在航空计算系统的应用场景及未来需要重点突破的技术方向，为新一代智能航空计算系统研制提供理论支撑。

大型机场滑行道航空器交通流特性仿真

作者： 薛清文   陆键   姜雨   来源： 北京航空航天大学学报 年份： 2019 文献类型 ： 期刊 关键词： 元胞传输模型(CTM)   交通流   相态演变   滑行道   Net   Logo  

描述： 滑行道是连接跑道和停机坪的纽带,是大型机场航空器场面运行的关键资源。随着场面航空器数量的不断增加,航空器在滑行道区域涌现出特有的交通流特性。基于滑行道航空器运行规则,结合元胞传输模型(CTM),建立宏观的滑行道航空器交通流元胞传输模型,在NetLogo系统动力学仿真平台的基础上,以中国某大型机场滑行道航空器运行为例对模型进行验证,推理滑行道交通流基本参数之间的关系和相变特征。研究表明,滑行道交通流在自由流、同步流和阻塞流3种相态中演变,其中在同步流相态中,随着密度增加,流量从0.15降至0.10架次/min,速度从20降至7.64m/s,说明流量和速度参数对于密度的变化十分敏感。当离场率与进场率的比例从0.2降至0.15时,3种相态下的临界流量从0.15、0.10降至0.13、0.05架次/min;临界速度在自由流不变,同步流和阻塞流中依次从7.64、1.07降至0.88、0.25m/s;临界密度在自由流由0.50降至0.46架次/km,而在同步流阻塞流中依次从0.88、6.21增加至3.77、13.17架次/km。本研究揭示滑行道交通流拥堵演变机理,为制定科学合理的滑行道管理控制策略提供理论基础。

基于深度学习域适应的飞机结冰图像气泡提取方法

作者： 赵红梅     彭博     周志宏     易贤   来源： 南京航空航天大学学报 年份： 2024 文献类型 ： 期刊 关键词： 气泡提取   U   Attention   图像分割   域适应   动态结冰   Net  

描述： 针对采用深度学习方法提取结冰显微图像中的气泡需要大量标注数据，但人工标注气泡任务较为困难的问题，提出了一种基于风格迁移网络CycleGAN和图像分割网络Attention U-Net的域适应提取方法。该方法通过程序模拟气泡形态生成的图像为源域，结冰显微图像为目标域，通过CycleGAN将源域图像转为目标域风格，采用风格转换后的源域数据集训练Attention U-Net网络。通过对比实验对无标注结冰图像和少量标注图像两种情况进行验证。实验结果表明，在无标注图像的情况下，可实现无监督的结冰显微图像的气泡提取；在只有少量标注图像的情况下，该方法可实现更精确的气泡提取。

基于深度神经网络的无人作战飞机自主空战机动决策

作者： 张宏鹏   黄长强   轩永波   唐上钦   来源： 兵工学报 年份： 2021 文献类型 ： 期刊 关键词： 无人作战飞机   空战态势   深度神经网络   飞行仿真   机动决策  

描述： 机动决策是决定无人作战飞机空战成败的关键因素。为提高空战获胜概率,提出用深度神经网络进行决策。构建了36种机动动作,通过飞行仿真,得到由当前态势、控制量和未来态势构成的样本;用样本训练深度神经网络,使其能够根据当前信息快速准确预测未来态势,设计了决策目标函数和态势评估函数,空战过程中,利用训练好的网络预测所有动作对应的未来态势,根据决策目标函数从中选出最优动作;在不同初始条件下,分别与采用简单机动和自主机动的敌机进行空战仿真,并对空战态势进行评估。结果表明,所提方法在均势时能通过较少的动作获得空战胜利,在劣势时能通过一系列机动获得优势,且决策用时缩短了9 ms.

基于深度神经网络的无人作战飞机自主空战机动决策

作者： 张宏鹏   黄长强   轩永波   唐上钦   来源： 兵工学报 年份： 2021 文献类型 ： 期刊 关键词： 无人作战飞机   空战态势   深度神经网络   飞行仿真   机动决策  

描述： 机动决策是决定无人作战飞机空战成败的关键因素。为提高空战获胜概率,提出用深度神经网络进行决策。构建了36种机动动作,通过飞行仿真,得到由当前态势、控制量和未来态势构成的样本;用样本训练深度神经网络,使其能够根据当前信息快速准确预测未来态势,设计了决策目标函数和态势评估函数,空战过程中,利用训练好的网络预测所有动作对应的未来态势,根据决策目标函数从中选出最优动作;在不同初始条件下,分别与采用简单机动和自主机动的敌机进行空战仿真,并对空战态势进行评估。结果表明,所提方法在均势时能通过较少的动作获得空战胜利,在劣势时能通过一系列机动获得优势,且决策用时缩短了9 ms.

基于改进粒子群深度神经网络的频率域航空电磁反演

作者： 廖晓龙   张志厚   范祥泰   路润琪   姚禹   曹云勇   徐正宣   来源： 中南大学学报(自然科学版) 年份： 2021 文献类型 ： 期刊 关键词： 频率域   深度神经网络   航空电磁   改进粒子群优化算法   反演  

描述： 传统的梯度反演方法依赖于初始模型选取,且容易陷入局部极小,在一定程度上影响着反演的求解精度和收敛速度,为此,提出一种基于改进粒子群深度神经网络的频率域航空电磁反演方法。首先,通过频率域航空电磁模型正演获取样本数据集;随后,依据样本数据集建立深度神经网络的基本框架,网络的输入为归一化垂直磁场分量,输出为相应地电模型参数;第三,提出一种惯性权重振荡衰减措施在粒子群优化算法的基础上进行改进,以提高粒子群优化算法的全局寻优能力,并利用改进的粒子群优化算法优化深度神经网络的训练过程,得到连接权值与阈值的最优解;最后,将最优的权值与阈值作为网络的初始值,并利用该网络对未知地电模型进行反演测试。利用层状地质模型测试改进粒子群深度神经网络算法、粒子群神经网络算法和单一的神经网络算法的反演效果,并将此方法运用于实测航空电磁数据反演。研究结果表明:本文提出的改进粒子群神经网络算法充分结合了粒子群优化算法的全局寻优性能和深度神经网络的局部寻优性能,在反演过程中能有效避免反演陷入局部极小,寻找到全局最优解,并能准确地反演出地电模型参数;与粒子群神经网络算法和单一的神经网络算法相比,本文提出的方法具有更高的求解精度和收敛速度。