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:
航空电缆电弧故障,特征提取,Inception模块,双向长短期记忆网络
】搜索到相关结果
37
条
按文献类别分组
学位论文
(104)
期刊
(60)
会议论文
(4)
按栏目分组
学位论文
(104)
期刊
(60)
会议论文
(4)
按年份分组
2025
(6)
2024
(9)
2023
(37)
2022
(16)
2021
(10)
2020
(12)
2019
(37)
2018
(20)
2017
(7)
2016
(14)
按来源分组
哈尔滨工业大学
(10)
西安工业大学
(8)
沈阳工业大学
(8)
航空动力学报
(4)
航空计算技术
(4)
北京航空航天大学学报
(2)
测控技术
(2)
中国科学:技术科学
(2)
齐鲁工业大学
(2)
河南大学
(2)
西安理工大学
(2)
上海交通大学
(2)
现代雷达
(2)
电子测试
(2)
赣南师范大学学报
(2)
信号处理
(2)
科学技术与工程
(2)
应用力学学报
(1)
计算机应用研究
(1)
应用光学
(1)
飞控与探测
(1)
火力与指挥控制
(1)
雷达与对抗
(1)
中国光学(中英文)
(1)
经纬天地
(1)
南昌航空大学学报(自然科学版)
(1)
雷达科学与技术
(1)
计算机应用
(1)
计算机技术与发展
(1)
电子测量与仪器学报
(1)
关键词
基于特征定位的航空航天制孔多视测量拼接方法
作者:
王嘉瑞
崔海华
史建猛
高凯元
国荣辉
来源:
应用光学
年份:
2023
文献类型 :
期刊
关键词:
特征提取
点云配准
孔检测
三维重建
描述:
为满足航空航天大部件对制孔质量的数字化原位检测需求,提出一种基于特征板的制孔多视点云拼接方法,实现孔壁完整三维形貌重建与检测。分析制孔多视检测的需求,提出采用特征定位板辅助的多视点云配准方法。介绍了内角不等四边形特征板的设计与相应的点云分割、识别算法。说明基于特征自定位的多视点云拼接及参数提取方法。结合机械臂搭建实验平台,对常用钛、铝及复合材料的试件模拟原位检测,结果显示各平均误差分别为0.011 mm、0.034 mm、0.041 mm,验证了配准算法的可靠性;并对比传统单视与该方法检测结果,体现该方法的鲁棒性。
飞行员疲劳检测的多模态神经网络方法研究
作者:
王礼恩.
来源:
西安工业大学
年份:
2023
文献类型 :
学位论文
关键词:
多模态生理信号
特征提取
深度神经网络
疲劳检测
描述:
飞行员疲劳检测的多模态神经网络方法研究
飞行员疲劳检测的多模态神经网络方法研究
作者:
王礼恩.
来源:
西安工业大学
年份:
2023
文献类型 :
学位论文
关键词:
多模态生理信号
特征提取
深度神经网络
疲劳检测
描述:
飞行员疲劳检测的多模态神经网络方法研究
飞行员疲劳检测的多模态神经网络方法研究
作者:
王礼恩.
来源:
西安工业大学
年份:
2023
文献类型 :
学位论文
关键词:
多模态生理信号
特征提取
深度神经网络
疲劳检测
描述:
飞行员疲劳检测的多模态神经网络方法研究
飞行员疲劳检测的多模态神经网络方法研究
作者:
王礼恩.
来源:
西安工业大学
年份:
2023
文献类型 :
学位论文
关键词:
多模态生理信号
特征提取
深度神经网络
疲劳检测
描述:
飞行员疲劳检测的多模态神经网络方法研究
飞行员疲劳检测的多模态神经网络方法研究
作者:
王礼恩.
来源:
西安工业大学
年份:
2023
文献类型 :
学位论文
关键词:
多模态生理信号
特征提取
深度神经网络
疲劳检测
描述:
飞行员疲劳检测的多模态神经网络方法研究
飞行员疲劳检测的多模态神经网络方法研究
作者:
王礼恩.
来源:
西安工业大学
年份:
2023
文献类型 :
学位论文
关键词:
多模态生理信号
特征提取
深度神经网络
疲劳检测
描述:
飞行员疲劳检测的多模态神经网络方法研究
飞行员疲劳检测的多模态神经网络方法研究
作者:
王礼恩.
来源:
西安工业大学
年份:
2023
文献类型 :
学位论文
关键词:
多模态生理信号
特征提取
深度神经网络
疲劳检测
描述:
飞行员疲劳检测的多模态神经网络方法研究
飞行员疲劳检测的多模态神经网络方法研究
作者:
王礼恩.
来源:
西安工业大学
年份:
2023
文献类型 :
学位论文
关键词:
多模态生理信号
特征提取
深度神经网络
疲劳检测
描述:
飞行员疲劳检测的多模态神经网络方法研究
基于航空发动机工况的叶尖间隙智能预测方法
作者:
杨阳
张建超
项洋
陆海鹰
来源:
航空动力学报
年份:
2023
文献类型 :
期刊
关键词:
叶尖间隙
特征提取
机器学习
零维仿真
空气系统
描述:
问题,通过机器学习模型对发动机工况参数进行
特征提取
,利用有效特征求解传热问题的边界,从而实现基于发动机工况参数快速预测实时叶尖间隙。机器学习模型的十折交叉验证集的平均准确率为98.9%,叶尖间隙模型的验证误差为4.3%,得到了不同工况下的叶尖间隙计算结果和冷气流量大小变化规律,计算耗时小于0.03s。
<
1
2
3
>
Rss订阅
订阅地址: