航空发动机诊断与参数辨识多群体协同遗传算法研究

作者： 关晓颖   来源： 南京航空航天大学 年份： 2019 文献类型 ： 学位论文 关键词： 航空发动机   滚动轴承   多群体遗传算法   自适应参数域   连接刚度   特征选择   模态分析   智能诊断   参数辨识   协同优化  

描述： 航空发动机诊断与参数辨识多群体协同遗传算法研究

卷积神经网络及其在航空视觉任务中的应用展望

作者： 漆昇翔   裘旭益   张伟   来源： 航空电子技术 年份： 2019 文献类型 ： 期刊 关键词： 卷积神经网络   计算机视觉   深度学习   航空航天  

描述： 从卷积神经网络的基本理论出发,介绍了几种经典卷积网络结构,并结合当前卷积神经网络在计算机视觉领域的应用现状,重点探讨了它在未来航空视觉相关任务系统中的应用前景,以及实施这些技术必须解决的若干问题,为未来航空装备智能化水平的进一步提升提供参考。

基于深度学习的遥感影像飞机检测方法研究

作者： 谢奇芳   来源： 中国地质大学(北京) 年份： 2019 文献类型 ： 学位论文 关键词： 高分辨率遥感影像   卷积神经网络   深度学习   目标检测  

描述： 基于深度学习的遥感影像飞机检测方法研究

航空发动机机匣机器人磨抛系统技术方案

作者： 窦远   刘赟奕   牛存可   来源： 第十六届沈阳科学学术年会 年份： 2019 文献类型 ： 会议论文 关键词： 航空发动机   机器人   机匣   磨抛  

描述： 航空发动机机匣机器人磨抛系统技术方案

飞机蒙皮图像的深度特征学习与损伤监测

作者： 李慧   来源： 北京邮电大学 年份： 2019 文献类型 ： 学位论文 关键词： 飞机蒙皮   卷积神经网络   SSD   深度学习   目标检测  

描述： 飞机蒙皮图像的深度特征学习与损伤监测

航空发动机包容试验研究综述

作者： 陈国栋   刘闯   王洪斌   张昕东   刘正峰   来源： 航空发动机 年份： 2019 文献类型 ： 期刊 关键词： 航空发动机   机匣   响应测量   叶片飞断   包容试验  

描述： 从试验目的、试验方法、研究内容3个方面对航空发动机研制过程中的机匣及机匣模拟件打靶试验、试验器旋转状态下的包容试验以及整机包容试验进行详细阐述,介绍了包容试验过程的复杂非线性瞬态动力学特征,总结

基于深度学习的SAR图像飞机目标检测与识别

作者： 李楚茵   来源： 国防科技大学 年份： 2019 文献类型 ： 学位论文 关键词： 注意力机制   卷积神经网络   飞机检测与识别   合成孔径雷达   深度学习   机场检测  

描述： 基于深度学习的SAR图像飞机目标检测与识别

增材制造技术在航空发动机领域应用现状

作者： 中国航发西航   杨卓勇   来源： 中国航空报 年份： 2019 文献类型 ： 报纸 关键词： 制造技术   航空发动机   模拟仿真   周期问题   机匣   采购方   尺寸精度要求   仿真技术   工艺评审   研制周期  

描述： 金属3D打印在航天领域获得广泛应用，特别是发动机领域，但还处于起步阶段。3D打印的特点：一是降低成本，材料利用率提高。二是缩短周期，3D打印在产品研制过程中不需要专用模具，导致研制周期缩短。三是快速迭代，只需要更换3D模型即可，缩短了研制周期。四是减重，结构优化?

全文：金属3D打印在航天领域获得广泛应用，特别是发动机领域，但还处于起步阶段。3D打印的特点：一是降低成本，材料利用率提高。二是缩短周期，3D打印在产品研制过程中不需要专用模具，导致研制周期缩短。三是快速迭代，只需要更换3D模型即可，缩短了研制周期。四是减重，结构优化?

基于改进差分时域特征和深度学习优化的航空发动机剩余寿命预测算法

作者： 高峰   曲建岭   袁涛   高峰娟   来源： 电子测量与仪器学报 年份： 2019 文献类型 ： 期刊 关键词： 航空发动机   长短时记忆网络   寿命预测   深度学习   差分时域特征  

描述： 实现航空发动机剩余寿命的准确预测对于保证飞行安全和提高维修效率具有重要意义,但现有的预测算法往往只是浅层结构,且对各传感器参数之间的相互关系缺乏关联性考虑,限制了对发动机参数信息的深度挖掘。在深度

基于深度学习的飞机目标跟踪应用研究

作者： 赵春梅   陈忠碧   张建林   来源： 光电工程 年份： 2019 文献类型 ： 期刊 关键词： 鲁棒跟踪   实时跟踪   飞机目标   迁移学习   FDLAT  

描述： 本文针对飞机目标,提出了基于多域网络(MDNet)的改进网络用于飞机跟踪的快速深度学习(FDLAT)跟踪网络,使用迁移学习弥补目标跟踪的小样本集缺陷。卷积层作为特征提取层,全连接层作为目标和背景的分类层,采用特定的飞机数据集来更新网络参数。训练完成之后,结合回归模型,采用简单的线性更新对飞机进行跟踪,算法实现了飞机旋转、相似目标、模糊目标、复杂环境、尺度变换、目标遮挡以及形态变换等复杂状态的鲁棒跟踪,速度达到平均20.36 f/s,在ILSVRC2015飞机检测数据集上成功率均值达到0.592,基本满足飞机实时跟踪。