基于贝叶斯网络的民航智能组合原因诊断及预警分析

作者： 贡英杰   来源： 南京航空航天大学 年份： 2018 文献类型 ： 学位论文 关键词： 组合原因分析   维修质量管理   贝叶斯网络   人工神经网络   深度学习   随机集理论  

描述： 基于贝叶斯网络的民航智能组合原因诊断及预警分析

航空静电雾滴荷质比影响因素研究

作者： 李宇飞   胡军   李庆达   赵明明   来源： 农机化研究 年份： 2018 文献类型 ： 期刊 关键词： 航空植保   人工神经网络   电极环   静电喷雾  

描述： 航空静电喷雾技术的优势在于可提高雾滴喷洒均匀性和雾滴穿透力,有助于减少雾滴飘移,提高药液利用效率。通过以往的试验发现:荷质比大的雾滴能够到达植物叶片背面的几率更大,作业效果更好。因此,提高喷雾雾滴的荷质比成为静电喷雾技术领域的重要研究内容。利用人工神经网络的BP模型,模拟出温度、湿度、电极环直径、静电电压及喷头流量等5个因素对雾滴荷质比的影响,并通过试验数据和模拟试验所得数据,利用SPSS软件建立数学模型,从而为设计静电喷头的最优工作参数和结构参数方案提供参考。

基于贝叶斯模型的民航威胁与差错关系研究

作者： 韩新营   来源： 中国民用航空飞行学院 年份： 2018 文献类型 ： 学位论文 关键词： 机组差错   非预期航空器状态   贝叶斯网络   威胁  

描述： 基于贝叶斯模型的民航威胁与差错关系研究

基于试飞数据的航空发动机滑油系统模型建立及应用

作者： 马明明   来源： 润滑与密封 年份： 2018 文献类型 ： 期刊 关键词： 润滑油温度   航空发动机   人工神经网络   趋势监控   润滑油压力  

描述： 基于大量试飞数据,采用人工神经网络方法,建立某发动机滑油系统全工作过程的模型,包括供油压力、滑油压差、供油温度、中轴承腔回油温度、后轴承腔回油温度、滑油总回油温度等参数的模型。模型计算结果与试飞结果吻合良好,表明了该建模方法的可行性和有效性。将模型计算结果应用于发动机滑油系统的试飞状态监控,实现滑油参数实时趋势监控;将建模方法应用于润滑油参数的最大影响因素的确定,建立一种滑油系统的最大影响参数的确定方法。

我国花卉航空运输风险管理研究

作者： 吕金璐   来源： 福州大学 年份： 2018 文献类型 ： 学位论文 关键词： 贝叶斯网络   事故树   贪心算法   风险管理   花卉航空运输  

描述： 我国花卉航空运输风险管理研究

民航旅客忠诚度预测研究

作者： 黄兴全   来源： 中国民用航空飞行学院 年份： 2018 文献类型 ： 学位论文 关键词： 民航旅客   贝叶斯网络   忠诚度   预测   聚类分析  

描述： 民航旅客忠诚度预测研究

基于贝叶斯网络的民航突发事件因果关系分析方法研究

作者： 郭笑丹   来源： 中国民航大学 年份： 2018 文献类型 ： 学位论文 关键词： 贝叶斯网络   因果关系   条件概率   领域本体   民航突发事件  

描述： 基于贝叶斯网络的民航突发事件因果关系分析方法研究

基于人工神经网络的航空轴承疲劳可靠性分析

作者： 金燕   刘少军   来源： 东北大学学报(自然科学版) 年份： 2018 文献类型 ： 期刊 关键词： 遗传算法   航空轴承   人工神经网络   热弹流润滑   可靠性   接触疲劳  

描述： 提出一种人工智能方法进行航空轴承疲劳可靠性分析.通过二次多项式近似拟合温度场效应,建立热弹流润滑效应下航空轴承接触应力分析模型,同时考虑热弹流润滑效应、材料属性以及疲劳强度修正系数的随机性,结合应力-强度干涉理论,运用人工神经网络法完成疲劳可靠性分析,基于改进的一次二阶矩法完成可靠性灵敏度分析.数值算例表明,建立的可靠性分析模型能正确反映热弹流润滑效应对航空轴承接触疲劳的影响.与传统蒙特卡罗方法相比,提出的智能方法具有良好的全局搜索能力和高效的计算性能,并通过无交互方差分析滚动轴承疲劳试验对可靠性灵敏度分析结果进行了验证.

面向空中冲突安全性分析的飞行员行为模型研究

作者： 胡杨   来源： 华中科技大学 年份： 2018 文献类型 ： 学位论文 关键词： 下一代航空运输系统   贝叶斯网络   飞行员行为模型   飞行员决策   安全性   空中冲突  

描述： 面向空中冲突安全性分析的飞行员行为模型研究

基于深度学习的航空器异常飞行状态识别

作者： 吴奇   储银雪   来源： 民用飞机设计与研究 年份： 2018 文献类型 ： 期刊 关键词： 飞行状态识别   深度学习   高斯过程  

描述： 飞行设备快速存取记录仪(Quick Access Recorder,以下简称QAR)保留了原始航班各类重要飞行参数在内的航行信息,使研究分析航空器实时状况和保障飞行质量成为可能。针对QAR数据高维大样本的特点,在如今大数据背景下,除了传统机理建模分析航空器飞行状态外,采用深度学习的方式建立基于数据驱动的航空器飞行状态识别模型,理论与实用意义兼具。通过对真实QAR飞行数据的研究,开发了基于深度稀疏受限玻尔兹曼机的异常飞行状态识别程序。首先利用小波降噪技术对原始飞行数据进行预处理清洗,在一系列典型飞行参数上提取经典时域特征以及小波奇异熵等信息熵特征构成特征集。在此基础上,分别利用经典的线性主元分析技术和深度稀疏玻尔兹曼机对特征集进行有效降维,最后采用四折交叉验证方式,通过高斯过程分类器实现对飞行状态的辨识。实验结果显示,基于深度受限玻尔兹曼机-高斯过程分类的飞行状态识别具有较高分类准确性。