首页
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻动态
全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
首页>
根据【关键词:
点云配准,深度学习,泊位引导系统,三维激光扫描,点云补全
】搜索到相关结果
140
条
按文献类别分组
学位论文
(324)
期刊
(128)
会议论文
(14)
按栏目分组
学位论文
(324)
期刊
(128)
会议论文
(14)
按年份分组
2025
(10)
2024
(51)
2023
(140)
2022
(57)
2021
(65)
2020
(52)
2019
(46)
2018
(41)
2017
(4)
按来源分组
中国民用航空飞行学院
(72)
激光与光电子学进展
(6)
华中科技大学
(6)
内燃机与配件
(5)
重庆交通大学
(4)
安徽理工大学
(4)
计算机测量与控制
(3)
航空维修与工程
(2)
计算机应用
(2)
振动与冲击
(2)
仪器仪表学报
(2)
现代计算机
(2)
地球物理学报
(2)
航空电子技术
(2)
组合机床与自动化加工技术
(2)
计算机时代
(1)
机床与液压
(1)
测绘通报
(1)
大学教育
(1)
民用飞机设计与研究
(1)
系统仿真技术
(1)
微型机与应用
(1)
无线电工程
(1)
华东师范大学学报(自然科学版)
(1)
吉林大学学报(理学版)
(1)
应用激光
(1)
南京航空航天大学学报
(1)
应用光学
(1)
科技创新与应用
(1)
雷达学报(中英文)
(1)
关键词
基于
深度学习
的航空电磁反演方法研究
作者:
李思平.
来源:
长江大学
年份:
2023
文献类型 :
学位论文
关键词:
卷积神经网络
深度学习
ResNetINV网络
航空电磁反演
描述:
基于
深度学习
的航空电磁反演方法研究
基于多源数据融合的机场场面航空器定位方法研究
作者:
张彤.
来源:
中国民用航空飞行学院
年份:
2023
文献类型 :
学位论文
关键词:
无迹卡尔曼滤波
多模态融合
深度学习
目标定位
描述:
基于多源数据融合的机场场面航空器定位方法研究
基于
深度学习
的航空电磁反演方法研究
作者:
李思平.
来源:
长江大学
年份:
2023
文献类型 :
学位论文
关键词:
卷积神经网络
深度学习
ResNetINV网络
航空电磁反演
描述:
基于
深度学习
的航空电磁反演方法研究
基于多源数据融合的机场场面航空器定位方法研究
作者:
张彤.
来源:
中国民用航空飞行学院
年份:
2023
文献类型 :
学位论文
关键词:
无迹卡尔曼滤波
多模态融合
深度学习
目标定位
描述:
基于多源数据融合的机场场面航空器定位方法研究
基于
深度学习
的航空电磁反演方法研究
作者:
李思平.
来源:
长江大学
年份:
2023
文献类型 :
学位论文
关键词:
卷积神经网络
深度学习
ResNetINV网络
航空电磁反演
描述:
基于
深度学习
的航空电磁反演方法研究
样本不平衡数据集下航空发动机滚动轴承故障智能诊断方法研究
作者:
王昭旺
王存俊
徐自力.
来源:
第十五届全国振动理论及应用学术会议摘要集
年份:
2023
文献类型 :
会议论文
关键词:
加权支持向量机
智能故障诊断
深度学习
样本不平衡
描述:
样本不平衡数据集下航空发动机滚动轴承故障智能诊断方法研究
基于多模态数据融合的湿滑道面飞机起降安全风险评估方法研究
作者:
郭旭周
吴红兰
徐舒
石留宾.
来源:
第十六届智慧城市大会论文集
年份:
2023
文献类型 :
会议论文
关键词:
道面湿滑
飞机起降风险评估
深度学习
数据融合
描述:
基于多模态数据融合的湿滑道面飞机起降安全风险评估方法研究
基于堆栈自编码器和DeepAR的航空发动机剩余寿命预测
作者:
李浩
王卓健
李哲
陈煊
李园
来源:
推进技术
年份:
2023
文献类型 :
期刊
关键词:
航空发动机
寿命预测
深度学习
预测模型
数据融合
描述:
针对现有航空发动机剩余寿命预测大多基于单点预测模式,不能准确给出预测结果置信区间的问题,提出了一种基于堆栈自编码器结合DeepAR模型的概率分布预测模型。首先,堆栈自编码器通过无监督式
深度学习
对
融合注意力和多尺度特征的航空发动机缺陷检测
作者:
赵崇林
朱江
胡永进
李祖泽
王鹏举
谢涛
来源:
北京航空航天大学学报
年份:
2023
文献类型 :
期刊
关键词:
注意力机制
航空发动机
YOLOv5
深度学习
缺陷检测
描述:
航空发动机的结构完整性关乎飞行安全。目前基于孔探技术的航空发动机缺陷检测以人工操作为主。为提高检测精度和效率,提出了一种融合注意力和多尺度特征的航空发动机缺陷智能检测算法,以辅助孔探工作。首先,针对原始孔探图像中缺陷样本的类别不平衡问题,采用了一种基于几何变换和泊松图像编辑的多样本融合数据增强方法,丰富小样本图像并构建缺陷数据集。然后,在基准网络YOLOv5中融入协调注意力模块(CA),以强调缺陷特征的提取,增强网络对缺陷目标和复杂背景的区分。在颈部网络中构建加权双向特征金字塔结构(BiFPN),以完成更高层次的特征融合,提升对多尺度目标的表达能力。最后,将边界框回归损失函数定义为EIOU损失,实现对缺陷目标快速、准确地定位和识别。实验结果表明,本文算法检测缺陷的平均精确度达到了89.7%,较基准网络提升了6.3%,训练后的模型大小仅为14.0M。因此,所提方法可以有效地检测航空发动机的主要缺陷。
基于
深度学习
的航空发动机磨损部位识别方法
作者:
苗慧慧
曹桂松
孙智君
康玉祥
马佳丽
陈果
来源:
润滑与密封
年份:
2023
文献类型 :
期刊
关键词:
航空发动机
一维卷积残差网络
能谱分析
深度学习
磨损
描述:
针对航空发动机润滑系统中摩擦副部件复杂、磨损颗粒能谱监测元素众多,靠人工经验难于进行磨损部位精确识别的问题,提出一种基于
深度学习
的航空发动机润滑系统磨损部位识别方法。该方法应用一维卷积核为计算单元
<
1
2
3
4
5
6
...
12
13
14
>
Rss订阅
订阅地址: