全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
按文献类别分组
关键词
- 基于云模型SDG的航空发动机多工况故障诊断方法
- 作者： 张振良 何荣荣 张鉴靓 来源： 航空发动机 年份： 2022 文献类型 ： 期刊 关键词： 多工况 航空发动机 故障诊断 故障传播 气源系统 符号有向图 云模型
- 描述： 针对航空发动机的故障寻源以及故障传播问题，提出了基于云模型符号有向图（SDG）的发动机多工况故障诊断方法。在SDG模型的基础上根据发动机结构进行模块化以便于推理，应用故障关联矩阵进行相容通路的推理
- 基于重加权谱峭度方法的航空发动机故障诊断
- 作者： 张忠强 张新 王家序 刘治汶 来源： 航空学报 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机 快速谱峭度 故障诊断 滤波器参数 重加权谱峭度 重加权峭度
- 描述： 。仿真信号分析结果显示，在强冲击干扰下重加权谱峭度方法仍能选择有效滤波器参数，提取到周期性故障冲击。通过在航空发动机附齿轮箱中轴承故障诊断中的应用以及与常见方法的对比分析，进一步验证了重加权谱峭度方法的有效性与优势。
- 基于机器学习的航空公司乘客满意度预测
- 作者： 刘宇波 来源： 科技创业月刊 年份： 2022 文献类型 ： 期刊 关键词： 机器学习 满意度 预测 Python
- 描述： 利用Python中的pandas库、numpy库和matplotlib库对数据进行预处理和分析可视化，然后运用机器学习分类算法对数据进行建模，最后对预测结果进行分析。该建模可对用户满意度进行预测，以便制定合适的运营方案，提高乘客满意度。
- 基于机器学习的机场场面航空器速度控制研究
- 作者： 刘玥琳 来源： 中国民用航空飞行学院 年份： 2022 文献类型 ： 学位论文 关键词： 场面自动化 机器学习 航空器速度控制 机场场面冲突
- 描述： 基于机器学习的机场场面航空器速度控制研究
- 航空螺旋桨气动噪声优化设计研究
- 作者： 胡天翔 耿欣 程国强 刘沛清 来源： 第十二届全国流体力学学术会议摘要集 年份： 2022 文献类型 ： 会议论文 关键词： 机器学习 气动声学 降噪优化 螺旋桨
- 描述： 航空螺旋桨气动噪声优化设计研究
- 基于机器学习的机场场面航空器速度控制研究
- 作者： 刘玥琳 来源： 中国民用航空飞行学院 年份： 2022 文献类型 ： 学位论文 关键词： 场面自动化 机器学习 航空器速度控制 机场场面冲突
- 描述： 基于机器学习的机场场面航空器速度控制研究
- 航空螺旋桨气动噪声优化设计研究
- 作者： 胡天翔 耿欣 程国强 刘沛清 来源： 第十二届全国流体力学学术会议摘要集 年份： 2022 文献类型 ： 会议论文 关键词： 机器学习 气动声学 降噪优化 螺旋桨
- 描述： 航空螺旋桨气动噪声优化设计研究
- 基于XGBoost的航空器动态滑行时间预测方法研究
- 作者： 赵征 冯事成 宋梅雯 胡莉 陆莎 来源： 航空工程进展 年份： 2022 文献类型 ： 期刊 关键词： 机器学习 XGBoost 动态滑行时间 航空运输 样本量
- 描述： 对航空器进港和离港滑行时间进行精确的动态预测,可以有效提升机场的运行效率。首次提出基于XGBoost的航空器动态滑行时间预测方法,该方法首先通过分析影响机场滑行时间的各类因素,构建可变滑行时间预测的关键特征指标;然后选取XGBoost算法建立可变滑行时间预测模型,对模型的关键输入参数进行测试调整;最后将XGBoost算法与随机森林和支持向量回归算法的预测效果进行对比。同时,首次剖析样本数据量与滑行时间预测精度的关联,并以广州白云国际机场为分析对象进行实验。结果表明:采用XGBoost算法,进/离港滑行时间的预测精度分别达到了94.1%和96.6%,优于主流算法随机森林和支持向量回归;且实现白云机场动态滑行时间的精确和稳定预测所需样本量在32 000条(含)以上。
- 基于XGBoost的航空器动态滑行时间预测方法研究
- 作者： 赵征 冯事成 宋梅雯 胡莉 陆莎 来源： 航空工程进展 年份： 2022 文献类型 ： 期刊 关键词： 机器学习 XGBoost 动态滑行时间 航空运输 样本量
- 描述： 对航空器进港和离港滑行时间进行精确的动态预测,可以有效提升机场的运行效率。首次提出基于XGBoost的航空器动态滑行时间预测方法,该方法首先通过分析影响机场滑行时间的各类因素,构建可变滑行时间预测的关键特征指标;然后选取XGBoost算法建立可变滑行时间预测模型,对模型的关键输入参数进行测试调整;最后将XGBoost算法与随机森林和支持向量回归算法的预测效果进行对比。同时,首次剖析样本数据量与滑行时间预测精度的关联,并以广州白云国际机场为分析对象进行实验。结果表明:采用XGBoost算法,进/离港滑行时间的预测精度分别达到了94.1%和96.6%,优于主流算法随机森林和支持向量回归;且实现白云机场动态滑行时间的精确和稳定预测所需样本量在32 000条(含)以上。