全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 基于改进的SENet航空发动机振动预测
- 作者： 夏存江 詹于游 来源： 航空动力学报 年份： 2022 文献类型 ： 期刊 关键词： 数据驱动 注意力机制 卷积神经网络 多参数融合 振动预测
- 描述： 为实时监测和预警航空发动机振动状态，基于气路及振动参数，提出一种使用改进的SENet(squeeze-and-excitation network)模型，对航空发动机近未来的振动进行预测。该研究相比以往采用的实验室模拟数据和仿真数据，使用了真实的QAR(quick access recorder)数据并进行随机采样，以求更能表征发动机振动和工作参数之间的关系。同时，不仅使用其他振动信号进行验证，还在其他型号的发动机上进行测试。结果表明：针对航空发动机的振动进行预测是可行的，SENet模型可以有效并实时追踪振动的突变和波动。此外，该方法对于其他振动信号和不同类型的发动机具有一定的适用性。而且相较于以往采用的其他经典的深度模型，SENet模型在振动的预测中能得到更小的误差。实验证明，相较于以往只使用振动这个单参数进行预测，并行使用与振动相关的多参数融合进行研究更能提高预测的准确性。
- 基于多传感器融合卷积神经网络的航空发动机轴承故障诊断
- 作者： 杨洁 万安平 王景霖 单添敏 缪徐 李客 左强 来源： 中国电机工程学报 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机 卷积神经网络 多传感器信息融合 故障诊断 深度学习
- 描述： 航空发动机轴承进行故障诊断。该模型采用一维卷积神经网络(one dimensional convolutional neural network,1D-CNN)对实验获取的某航空发动机的轴承故障振动
- 基于注意力机制和CNN-BiLSTM模型的航空发动机剩余寿命预测
- 作者： 张加劲 来源： 电子测量与仪器学报 年份： 2022 文献类型 ： 期刊 关键词： 注意力机制 航空发动机 卷积神经网络 剩余寿命 双向长短期记忆网络
- 描述： 航空发动机作为飞机的主要动力源，其可靠性是保证飞机安全的关键。剩余使用寿命预测对于提高航空发动机的可用性和降低其寿命周期成本具有重要意义。针对现有的预测算法存在对航空发动机多维数据特征提取不足的问题，提出了一种基于注意力机制的卷积神经网络和双向长短期网络融合模型。首先，采用卷积神经网络提取特征和双向长短期记忆网络获取特征中的长短期依赖关系；其次，使用注意力机制来突出特征中的重要部分，提高模型预测的准确率。为验证所提出方法的有效性，在C-MAPSS数据集上进行了实验。实验表明，模型可以准确地预测出航空发动机的剩余使用寿命，并比传统方法有着更高的预测精度。
- 基于字符与单词嵌入的航空安全命名实体识别
- 作者： 孙安亮 时宏伟 王金策 来源： 计算机技术与发展 年份： 2022 文献类型 ： 期刊 关键词： 卷积神经网络 条件随机场 命名实体识别 双向长短期记忆网络 航空安全
- 描述： 实体，F1值相对现有方法提升了2.22%。实验结果表明，增加字符粒度的嵌入并且使用CNN获取全局特征可以有效提高航空安全领域命名实体识别效果。
- 基于差分隐私的航空发动机喘振故障检测
- 作者： 岑鹏 郑德生 陆超 来源： 燃气涡轮试验与研究 年份： 2022 文献类型 ： 期刊 关键词： 差分隐私 航空发动机 卷积神经网络 故障检测 喘振
- 描述： 。结果表明，DP-CNN模型在准确率、召回率以及f1-sc ore上都更高，分别达到了95.3%、94.6%和96.5%。
- 基于优化混合模型的航空发动机剩余寿命预测方法
- 作者： 刘月峰 张小燕 郭威 边浩东 何滢婕 来源： 计算机应用 年份： 2022 文献类型 ： 期刊 关键词： 注意力机制 航空发动机 卷积神经网络 剩余使用寿命 双向长短期记忆网络
- 描述： 的路径提取特征：1）将原始数据的均值和趋势系数输入至全连接网络；2）将原始数据输入双向长短期记忆（Bi-LSTM）网络，并采用注意力机制处理得到的特征；3）使用注意力机制处理原始数据，并将加权特征输入
- 基于多传感器融合卷积神经网络的航空发动机轴承故障诊断
- 作者： 杨洁 万安平 王景霖 单添敏 缪徐 李客 左强 来源： 中国电机工程学报 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机 卷积神经网络 多传感器信息融合 故障诊断 深度学习
- 描述： 航空发动机轴承进行故障诊断。该模型采用一维卷积神经网络(one dimensional convolutional neural network,1D-CNN)对实验获取的某航空发动机的轴承故障振动
- 面向航空目标检测的神经网络加速器设计
- 作者： 施立瑞 王帅帅 肖昊 来源： 航空科学技术 年份： 2022 文献类型 ： 期刊 关键词： 卷积神经网络 FPGA 目标检测 Winograd算法 加速器
- 描述： 卷积神经网络被广泛应用于航空图像目标检测领域。然而，由于航空图像成像背景环境复杂、目标尺寸小且方向任意，为了提取更高层次的特征信息，神经网络模型的结构复杂度不断提高，使得模型计算复杂度高、计算时间长，从而难以满足航空目标检测的实时性需求。本文提出了一种面向航空目标检测的基于Winograd算法的神经网络加速器，通过Winograd卷积算法可大幅减少卷积计算中的乘法数量，并针对Winograd卷积在神经网络计算中由于时域变换引入额外加法计算的问题，提出了一种深流水的矩阵变换计算结构，通过复用加法计算的中间结果以及调整运算顺序减少输入和输出变换的计算量。同时，针对加速器的现场可编程门阵列（FPGA）实现，提出了一种高效的数据流形式和DSP阵列结构。试验结果表明，本文提出的加速器相比CPU和GPU分别获得了32倍和2.6倍的速度提升。