一种基于时频分析的窄带雷达飞机目标分类特征提取方法

作者： 赵越   陈之纯   纠博   张磊   刘宏伟   李真芳   来源： 电子与信息学报 年份： 2017 文献类型 ： 期刊 关键词： 特征提取   时频分析   熵值   低信噪比   目标分类  

描述： 针对低信噪比情况下窄带雷达目标分类问题,该文提出基于时频分析的窄带雷达飞机目标分类特征提取方法。该方法利用喷气式飞机、螺旋桨飞机和直升机3类目标调制周期的差异,提取时频谱域的熵值变化特性,并给出时频

基于k最近邻的激光雷达飞机尾涡识别

作者： 潘卫军   吴郑源   张晓磊   来源： 激光技术 年份： 2019 文献类型 ： 期刊 关键词： 激光技术   特征提取   尾涡识别   K最近邻   多普勒激光雷达  

描述： 为对脉冲多普勒激光雷达探测径向速度场进行识别,建立了基于k最近邻(KNN)方法的分类模型。本文首先结合飞机尾涡Hallock-Burnham模型和脉冲多普勒激光雷达特性,提取脉冲多普勒激光雷达探测径向速度场的特征参数。基于现有测试数据,在非均匀背景风场下利用KNN方法对飞机尾涡进行识别。以准确率(ACC)和ROC曲线下的面积(AUC)作为评估标准,本文所提出的方法对尾流识别所获得的ACC和AUC分别为0.772和0.855。实验结果表明,该方法可有效地识别飞机尾涡并具备较好的鲁棒性。

基于RBM-BPNN的民航潜在高价值旅客预测

作者： 徐涛   刘泽君   卢敏   来源： 计算机应用与软件 年份： 2019 文献类型 ： 期刊 关键词： BPNN   特征提取   分类预测模型   民航潜在高价值旅客   RBM  

描述： 目前常用潜在客户发现方法多为基于统计特征的行为分析方法,这种方法对所提取的特征具有很强的依赖性并且容易受到人为主观性影响。针对这一问题,结合受限玻尔兹曼机(Restricted Boltzmann Machine, RBM)与BP神经网络(Back Propagation Neural Network, BPNN),提出基于RBM-BPNN的民航潜在高价值旅客发现方法。设置民航旅客类别标签;利用RBM自动提取旅客行为特征;利用BPNN对旅客未来价值类型进行分类预测,从而发现民航潜在高价值旅客。实验结果表明,相对于基于统计特征的行为分析方法,该方法具有更高的分类预测准确率和民航潜在高价值旅客预测效果。

航空滚动轴承振动特征的故障灵敏度分析与融合技术

作者： 林桐   陈果   张全德   王洪伟   陈立波   来源： 航空动力学报 年份： 2018 文献类型 ： 期刊 关键词： 特征提取   灵敏度分析   滚动轴承   特征融合   状态评估  

描述： 针对工程中航空滚动轴承实时状态监测的需要,提出了基于标准化欧氏距离的多特征融合评估方法。首先,进行了航空滚动轴承故障模拟试验,引入了故障灵敏度的定量评价指标,对融合前后特征的故障灵敏度进行了分析;在此基础上,将所提方法与主分量分析、支持向量数据描述和支持向量分布估计方法相比较;最后,进行了轴承疲劳加速试验,将所提融合方法应用于航空滚动轴承状态监测。试验表明:相比于主分量分析、支持向量数据描述和支持向量分布估计,基于标准化欧氏距离的融合值的故障灵敏度更高;其对不同类型、不同阶段的航空滚动轴承故障更加灵敏,相比于有效值更适合作为航空滚动轴承状态监测的指标。

分数阶Fourier域低分辨雷达飞机回波的分形特性分析与目标分类

作者： 李秋生   谢晓春   朱红   吴倩媛   来源： 计算机应用研究 年份： 2018 文献类型 ： 期刊 关键词： 特征提取   低分辨雷达   分形   分数阶Fourier变换   目标分类  

描述： 常规低分辨雷达体制下的目标分类与辨识是雷达目标识别领域的一个研究难点。研究表明，地、海、空等雷达杂波具有分形特性，不同类型目标会对回波分形特性产生不同的影响，但在强杂波背景下，回波的分形特性更多地表现为杂波的特性。作为一种非平稳信号分析工具，分数阶Fourier变换可以有效地获取目标回波信号的细节特征并充分抑制杂波，且具有快速算法。为此，立足于分形及其相关理论，拟从分数阶Fourier域对常规雷达飞机目标回波的分形特性进行分析，估计和分析其分形参数，并对分数阶Fourier域回波分形特征在飞机目标分类中的应用进行探讨。研究结果表明，在最优变换阶数下，分数阶Fourier域飞机目标回波具有显著的分形特性，且充分反映了目标的特性，分形测度分析可以揭示回波的动力学演化机制，且最优变换域回波分形特征可以有效用于飞机目标的分类和识别。

基于深度信念网络的航空发动机维修等级决策

作者： 车畅畅   王华伟   刘伟   来源： 航空动力学报 年份： 2018 文献类型 ： 期刊 关键词： 运行安全   特征提取   维修等级决策   深度信念网络   状态监控  

描述： 等级数据作为实例进行验证,结果显示:该模型能够通过构建多层网络结构挖掘出样本的更深层次信息,在分类能力、决策准确性方面优于传统神经网络,有较强的特征提取能力,对维修等级分类有较高的正确率,能得出更准确的维修等级决策结果,避免因维修等级误判而带来不必要的损失。

基于奇异值分解的航空发动机转子碰摩故障特征提取方法

作者： 张永强   易亮   来源： 应用力学学报 年份： 2019 文献类型 ： 期刊 关键词： 特征提取   航空发动机   奇异值分解   转子碰摩   降噪  

描述： 进行了特征提取,实现了转子系统的碰摩故障特征信号的提取。实际结果表明,该方法能够有效地诊断转子系统碰摩故障及提取相应的故障特征信号。

多源数据融合的民航发动机修后性能预测

作者： 谭治学   钟诗胜   林琳   来源： 北京航空航天大学学报 年份： 2019 文献类型 ： 期刊 关键词： 特征提取   航空发动机   多源数据融合   发动机维修决策   修后性能预测  

描述： 针对民航发动机修后排气温度裕度预测过程中的多源异构数据融合问题,提出了卷积自编码器与极端梯度提升模型结合的方法。利用所提出的条件熵增长因子规整发动机修前多元传感器参数序列中的参数排序,采用卷积自编码器提取规整后的参数序列和维修工作范围的数据特征,并将其与发动机使用时间信息组成合成特征以训练极端梯度提升模型,从而预测发动机修后性能并评估各影响因素的重要程度。经发动机机队维修案例验证,所提方法预测精度高于单维参数序列预测方法,对发动机修后排气温度的平均相对预测误差不高于8. 3%。

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.

基于点云重构的航空零件装配间隙预测方法

作者： 赵海洋   来源： 大连理工大学 年份： 2019 文献类型 ： 学位论文 关键词： 系统集成   特征提取   点云预处理   大型航空零件   间隙预测  

描述： 基于点云重构的航空零件装配间隙预测方法