基于深度学习的飞行器关键机械部件故障诊断方法研究

作者： 连冬杉   来源： 沈阳航空航天大学 年份： 2021 文献类型 ： 学位论文 关键词： 飞行器   故障诊断   深度学习   关键机械部件   迁移学习  

描述： 基于深度学习的飞行器关键机械部件故障诊断方法研究

航空发动机机匣机械加工过程中变形因素分析及变形控制

作者： 张志革   王敏丰   来源： 中国设备工程 年份： 2021 文献类型 ： 期刊 关键词： 变形   航空发动机   机匣  

描述： 航空发动机是飞机的动力核心部件。航空发动机机匣作为发动机的主要受力部件,其质量对航空发动机有着重大影响。航空发动机机匣的材料多选用钛合金和镍基合金为主,具有难切削、形状复杂、壁薄、易产生变形等特点

航空发动机机匣机械加工过程中变形因素分析及变形控制

作者： 张志革   王敏丰   来源： 中国设备工程 年份： 2021 文献类型 ： 期刊 关键词： 变形   航空发动机   机匣  

描述： 航空发动机是飞机的动力核心部件。航空发动机机匣作为发动机的主要受力部件,其质量对航空发动机有着重大影响。航空发动机机匣的材料多选用钛合金和镍基合金为主,具有难切削、形状复杂、壁薄、易产生变形等特点

航空发动机机匣加工端面花边结构变形控制装置的开发与设计

作者： 张志革   王敏丰   来源： 中国设备工程 年份： 2021 文献类型 ： 期刊 关键词： 端面花边   航空发动机   机匣   变形控制  

描述： 航空发动机机匣是发动机的重要零件之一,种类众多。本文首先分析了航空发动机和机匣的类型及特点,然后,分析了机匣零件在机械加工时影响变形的主要因素和控制措施。最后,考虑机匣零件装夹时的变形问题,设计开发了一种加工机匣端面花边结构时控制变形的装置。

基于深度学习的离场航空器滑行时间预测（英文）

作者： 李楠   焦庆宇   朱新华   王少聪   来源： Transactions of Nanjing University of Aeronautics and Astronautics 年份： 2021 文献类型 ： 期刊 关键词： 卷积神经网络   场面运行   滑行时间   深度学习   航空运输  

描述： 随着航班数量的不断增加,机场协同决策系统(Airport collaborative decision-making,A-CDM)的使用也越来越广泛。滑行时间预测的准确性对A-CDM计算离场航空器起飞排序队列和给出准确的撤轮挡时间具有重要的作用。本文提出一种基于时间-空间-环境数据的深度学习模型(Spatio-temporal-environment deep learning model,STEDL)来提高滑行时间预测的准确性。该模型由时间-流量变量(机场实际容量,场面航空器数量,时间段)、空间变量(滑行距离)、外部环境变量(天气,流控信息,跑道运行模式,机型)3部分组成。使用STEDL模型对香港机场离场航空器滑行时间进行预测验证。实验结果显示,STEDL模型预测准确率为95.4%,预测精度明显优于其他机器学习算法。

基于编解码网络的航空影像像素级建筑物提取

作者： 陈凯强   高鑫   闫梦龙   张跃   孙显   来源： 遥感学报 年份： 2021 文献类型 ： 期刊 关键词： 卷积神经网络   建筑物提取   深度学习   遥感   航空影像  

描述： 建筑物提取在城市规划等土地利用分析中发挥着重要作用。用于提取建筑物的传统方法通常基于手工特征和分类器,导致精度较低。本文基于编解码结构的卷积神经网络CNN (Convolutional Neural Networks),自主学习多级的和具有区分度的特征来更好地辨识建筑物和背景,实现航空影像中的像素级建筑物提取。该网络由编码子网络和解码子网络两部分组成,编码子网络对输入图像进行空间分辨率压缩,完成特征提取;解码子网络从特征中提升空间分辨率,完成像素级的建筑物提取。此外,本文使用视野增强FoVE (Field-of-View Enhancement)方法减轻边缘现象(切片边缘附近的建筑物提取精度通常低于中心区域附近的精度)的影响,并分别在两个建筑物提取标准数据集上的实验表明,编解码卷积神经网络能有效实现像素级建筑物提取,FoVE能有效提高建筑物提取准确率;通过改变预测时切片大小和重叠度,分析其对建筑物提取结果的影响,揭示了FoVE的饱和性。

基于编解码网络的航空影像像素级建筑物提取

作者： 陈凯强   高鑫   闫梦龙   张跃   孙显   来源： 遥感学报 年份： 2021 文献类型 ： 期刊 关键词： 卷积神经网络   建筑物提取   深度学习   遥感   航空影像  

描述： 建筑物提取在城市规划等土地利用分析中发挥着重要作用。用于提取建筑物的传统方法通常基于手工特征和分类器,导致精度较低。本文基于编解码结构的卷积神经网络CNN (Convolutional Neural Networks),自主学习多级的和具有区分度的特征来更好地辨识建筑物和背景,实现航空影像中的像素级建筑物提取。该网络由编码子网络和解码子网络两部分组成,编码子网络对输入图像进行空间分辨率压缩,完成特征提取;解码子网络从特征中提升空间分辨率,完成像素级的建筑物提取。此外,本文使用视野增强FoVE (Field-of-View Enhancement)方法减轻边缘现象(切片边缘附近的建筑物提取精度通常低于中心区域附近的精度)的影响,并分别在两个建筑物提取标准数据集上的实验表明,编解码卷积神经网络能有效实现像素级建筑物提取,FoVE能有效提高建筑物提取准确率;通过改变预测时切片大小和重叠度,分析其对建筑物提取结果的影响,揭示了FoVE的饱和性。

基于编解码网络的航空影像像素级建筑物提取

作者： 陈凯强   高鑫   闫梦龙   张跃   孙显   来源： 遥感学报 年份： 2021 文献类型 ： 期刊 关键词： 卷积神经网络   建筑物提取   深度学习   遥感   航空影像  

描述： 建筑物提取在城市规划等土地利用分析中发挥着重要作用。用于提取建筑物的传统方法通常基于手工特征和分类器,导致精度较低。本文基于编解码结构的卷积神经网络CNN (Convolutional Neural Networks),自主学习多级的和具有区分度的特征来更好地辨识建筑物和背景,实现航空影像中的像素级建筑物提取。该网络由编码子网络和解码子网络两部分组成,编码子网络对输入图像进行空间分辨率压缩,完成特征提取;解码子网络从特征中提升空间分辨率,完成像素级的建筑物提取。此外,本文使用视野增强FoVE (Field-of-View Enhancement)方法减轻边缘现象(切片边缘附近的建筑物提取精度通常低于中心区域附近的精度)的影响,并分别在两个建筑物提取标准数据集上的实验表明,编解码卷积神经网络能有效实现像素级建筑物提取,FoVE能有效提高建筑物提取准确率;通过改变预测时切片大小和重叠度,分析其对建筑物提取结果的影响,揭示了FoVE的饱和性。

民航运输机尾流探测与识别技术研究

作者： 段英捷   来源： 中国民用航空飞行学院 年份： 2021 文献类型 ： 学位论文 关键词： 激光多普勒雷达   卷积神经网络   空中交通管制   深度学习   尾流间隔  

描述： 民航运输机尾流探测与识别技术研究

某型航空发动机整机振动及传递特性

作者： 高鉴   来源： 哈尔滨工业大学 年份： 2021 文献类型 ： 学位论文 关键词： 航空发动机   螺栓预紧力   机匣   振动响应   固有频率  

描述： 某型航空发动机整机振动及传递特性