基于Trans/Attention的飞行区航空器监视数据融合方法

作者： 王兴隆   尹昊   丁俊峰   来源： 北京航空航天大学学报 年份： 2023 文献类型 ： 期刊 关键词： 场面监视雷达   注意力机制   Transformer   数据融合   广播式自动相关监视  

描述： 结果表明，该方法有效降低了单一监视源的监视误差，且融合效果优于基于注意力机制的长短期记忆网络、循环神经网络和扩展卡尔曼滤波融合方法，平均绝对误差分别提升了2.20%、14.32%和33.94%。

基于多尺度U-Net与Transformer特征融合的航空遥感图像飞机检测方法

作者： 张善文     邵彧     李萍     令伟锋   来源： 弹箭与制导学报 年份： 2024 文献类型 ： 期刊 关键词： Transformer   Net与Transformer   航空遥感图像飞机检测   多尺度U   Net  

描述： 航空遥感图像(ARSI)飞机检测一直是一个重要且具有挑战性的课题。针对现有ARSI飞机检测方法(ARSIAD)检测目标的边缘模糊、小目标的检测精度低、没有充分利用ARSI的全局上下文信息等问题，提出一种基于多尺度U-Net与Transformer (MSU-Trans)特征融合的ARSIAD方法。通过多尺度卷积模块Inception提取ARSI中多样性目标的分类特征，通过Transformer增强模型的全局语义检测性能，通过特征融合模块整合高层和低层特征，得到航空目标图像完整的边缘和纹理特征。该模型结合多尺度U-Net较强的局部特征提取能力和Transformer较强的全局上下文依存关系提取能力，进而提高MSU-Trans的整体检测性能。在ARSI集上的试验表明，与U-Net、多尺度U-Net、注意力U-Nets相比，MSU-Trans具有较高的检测精度，精度超过95%,该方法为ARSIAD提供一定的技术支撑。

航空锂离子电池剩余容量及RUL预测建模

作者： 丁劲涛   罗美君   呙晓兵   郑先成   来源： 电池 年份： 2019 文献类型 ： 期刊 关键词： 剩余使用寿命   机载锂离子电池模型   剩余容量   航空锂离子电池  

描述： 综合考虑环境温度、电流倍率、循环次数和贮存时间等因素的影响,根据实测数据的分析结果,对机载锂离子电池剩余容量的预测进行建模;用基于数据驱动的方法实现对剩余使用寿命(RUL)的预测建模。构建的实验验证

航空锂离子电池剩余容量及RUL预测建模

作者： 丁劲涛   罗美君   呙晓兵   郑先成   来源： 电池 年份： 2019 文献类型 ： 期刊 关键词： 剩余使用寿命   机载锂离子电池模型   剩余容量   航空锂离子电池  

描述： 综合考虑环境温度、电流倍率、循环次数和贮存时间等因素的影响,根据实测数据的分析结果,对机载锂离子电池剩余容量的预测进行建模;用基于数据驱动的方法实现对剩余使用寿命(RUL)的预测建模。构建的实验验证

基于机器学习的航空发动机剩余寿命预测综述

作者： 刘国建   杜冬   邢苗英   翟羽佳   来源： 电子技术 年份： 2023 文献类型 ： 期刊 关键词： 机器学习   预测方法   剩余使用寿命  

描述： 阐述航空发动机的数据分析，对航空发动机剩余寿命的预测方法的选择进行分类和对比，探讨航空发动机预测的发展趋势展望。

基于机器学习的航空发动机剩余寿命预测综述

作者： 刘国建   杜冬   邢苗英   翟羽佳   来源： 电子技术 年份： 2023 文献类型 ： 期刊 关键词： 机器学习   预测方法   剩余使用寿命  

描述： 阐述航空发动机的数据分析，对航空发动机剩余寿命的预测方法的选择进行分类和对比，探讨航空发动机预测的发展趋势展望。

基于Copula相似性的航空发动机RUL预测

作者： 许先鑫     李娟     孙秀慧     戴洪德   来源： 航空动力学报 年份： 2024 文献类型 ： 期刊 关键词： 非线性   预测与健康管理   剩余使用寿命   Copula相似性   特征退化  

描述： Copula相似性实现对航空发动机的剩余寿命预测。结果表明：基于Copula相似性的航空发动机RUL预测方法相较传统方法，在发动机运行周期的50%、70%、90%预测误差分别减少13.053%、31.328%、74.602%，预测精度得到提高。

一种基于Transformer编码器与LSTM的飞机轨迹预测方法

作者： 李明阳     鲁之君     曹东晶     曹世翔   来源： 航天返回与遥感 年份： 2024 文献类型 ： 期刊 关键词： Transformer   Encoder   轨迹预测   Transformer编码器   飞机目标   神经网络   LSTM模型  

描述： 为了解决飞机目标机动数据集缺失的问题，文章利用运动学建模生成了丰富的轨迹数据集，为网络训练提供了必要的数据支持。针对现阶段轨迹预测运动学模型建立困难及时序预测方法难以提取时空特征的问题，提出了一种结合Transformer编码器和长短期记忆网络（Long Short Term Memory,LSTM）的飞机目标轨迹预测方法，即Transformer-Encoder-LSTM模型。新模型可同时提供LSTM和Transformer编码器模块的补充历史信息和基于注意力的信息表示，提高了模型能力。通过与一些经典神经网络模型进行对比分析，发现在数据集上，新方法的平均位移误差减小到0.22，显著优于CNN-LSTMAttention模型的0.35。相比其他网络，该算法能够提取复杂轨迹中的隐藏特征，在面对飞机连续转弯、大机动转弯的复杂轨迹时，能够保证模型的鲁棒性，提升了对于复杂轨迹预测的准确性。

基于航空图像的目标检测算法Trans＿YOLOv5

作者： 文青     伍欣     敖斌     李宽     殷建平   来源： 计算机技术与发展 年份： 2024 文献类型 ： 期刊 关键词： 航空图像   Transformer   YOLOv5   圆形平滑标签   小目标检测   Swin  

描述： 能力，使网络模型更加关注于待检测的目标对象。在DOTAv2.0航空图像数据集上的实验结果验证了所提方法的有效性，检测结果达到60.98%mAP,与原YOLOv5算法检测结果相比提高10.85百分点，与官网公布的竞赛最佳结果相比提高2.01百分点。

改进的YOLOv5s遥感影像机场场面飞机小目标识别

作者： 张新君     赵春霖   来源： 电光与控制 年份： 2024 文献类型 ： 期刊 关键词： 坐标注意力机制   遥感影像   Transformer   YOLOv5s   小目标检测   Swin  

描述： 小目标检测识别测试实验，改进后的YOLOv5s网络的mAP值为0.837 5,比YOLOv5s网络模型提高了0.022 5。实验结果表明，改进后的YOLOv5s网络模型对比YOLO系列网络和EfficientDet模型有效地提高了识别准确率、召回率以及mAP值，并且在训练时间上也比YOLOv5s减少了1/12。