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
- 基于深度迁移学习的复杂机场场景飞机目标检测方法
- 作者： 钟聃 李铁虎 李诚 来源： 光子学报 年份： 2024 文献类型 ： 期刊 关键词： 深度学习 机场场面 迁移学习 特征金字塔网络 飞机目标检测
- 描述： 提出了一种改进的深度学习模型，旨在解决检测问题。首先基于迁移学习，微调预训练模型，提高了模型在有限的飞机数据集中的特征提取能力。其次，融入调整模块以增加深层特征图的感受野，提升模型的鲁棒性。引入
- 考虑燃烧室出口温度分布的航空发动机部件级模型
- 作者： 郑前钢 张宏维 张海波 来源： 推进技术 年份： 2024 文献类型 ： 期刊 关键词： 燃烧室出口温度分布 深度学习 预测模型 全包线 发动机部件级模型
- 描述： 发动机在不同工作状态、不同包线点下的燃烧室出口温度分布场。结果表明：Inception-反卷积网络在训练集和测试集上的均方误差比常规反卷积降低11.83%和5.6%，比WGAN-GP降低87%和90
- 航空发动机润滑系统故障知识图谱构建及应用
- 作者： 吴闯 张亮 唐希浪 崔利杰 谢小月 来源： 北京航空航天大学学报 年份： 2024 文献类型 ： 期刊 关键词： 航空发动机 深度学习 润滑系统 知识问答 知识图谱
- 描述： 故障知识图谱本体概念的基础上，采用双向长短期记忆(BiLSTM)神经网络和条件随机场(CRF)等深度学习技术实现知识自主抽取，并基于余弦距离和Jaccard相关系数法进行多源异构故障知识的融合。同时，基于
- 基于概率稀疏自注意力的航空发动机剩余寿命预测
- 作者： 王欣 黄佳琪 许雅玺 来源： 科学技术与工程 年份： 2024 文献类型 ： 期刊 关键词： 航空发动机 Transformer 深度学习 概率稀疏自注意力 剩余寿命预测
- 描述： 航空发动机剩余寿命预测对其健康管理具有重要意义，针对长序列、多维度的航空发动机监测参数，提出一种基于概率稀疏自注意力(ProbSparse Self-Attention)的Transformer模型以实现航空发动机剩余寿命的准确预测。用ProbSparse Self-Attention取代原始Transformer中的常规自注意力机制，使得模型更关注时间序列中重要的时间节点，大幅缩减时间维度，减小了时间和空间复杂度；通过注意力层整合后的信息，进一步通过前馈神经网络层和卷积层，提取传感器的空间特征，编码层之间通过扩张因果卷积相连接，扩大了感受野，提高了模型对长序列信息的捕获能力。在新公开的N-CMAPSS数据集上验证算法，实验结果表明，相比于实验中的对比模型，所提模型的RMSE和Score值均有提升，推理速度也优于其他模型。
- SAR图像飞机目标智能检测识别技术研究进展与展望
- 作者： 罗汝 赵凌君 何奇山 计科峰 匡纲要 来源： 雷达学报 年份： 2024 文献类型 ： 期刊 关键词： 可解释人工智能 合成孔径雷达 深度学习 飞机目标 目标检测与识别
- 描述： 提升了SAR图像飞机目标检测与识别的性能。该文结合团队在SAR图像目标特别是飞机目标的检测与识别理论、算法及应用等方面的长期研究积累，对基于深度学习的SAR图像飞机目标检测与识别进行了全面回顾和综述，深入分析
- 基于改进DRSN的航空发动机故障风险预警模型
- 作者： 毛浩英 孙有朝 李龙彪 晏传奇 来源： 航空动力学报 年份： 2024 文献类型 ： 期刊 关键词： 深度注意力机制 软阈值化 深度残差收缩网络 深度学习 故障风险预警
- 描述： 特征，实现软阈值化。结合长短时记忆神经网络层与多个隐层，改进DRSN模型，使用主成分分析重构特征与主元提取，累积可解释方差贡献率为93.7%。对潜在20种故障征兆识别、分类并预警，训练精确度为96.1
- 飞机结构健康监测技术发展研究
- 作者： 刘雪蓉 曹贺 张宝珍 来源： 计测技术 年份： 2024 文献类型 ： 期刊 关键词： 结构预测与健康管理 数字孪生 先进传感器 深度学习 飞机 结构健康监测
- 描述： Fighter, JSF）上的典型应用。指出飞机结构健康监测技术正向智能化方向发展；未来需要重点研究传感器网络的智能诊断技术、复杂环境下的SHM技术、基于结构健康监测的健康管理技术、智能材料/结构健康监测技术，并将深度学习、数字孪生等前沿技术应用于航空领域，以推动我国飞机结构健康监测技术发展。
- 基于Transformer的飞机状态预测
- 作者： 王经纬 高艳鹍 宋澣兴 刘一非 来源： 计算机工程与设计 年份： 2024 文献类型 ： 期刊 关键词： 深度学习 状态分类 气动力建模 多任务 大迎角 非定常气动力 时序预测
- 描述： 在非定常气动力下，为防止飞机进入危险状态，通过建模进行状态预测，是保障飞行安全的重要手段，传统方法建模过程复杂、工程化难度大且普适性不强。为更好解决大迎角下飞行状态预测，使用基于深度学习的时序
- 不确定环境下的航空发动机装配线适应性调度方法
- 作者： 王怡琳 刘鹃 乔非 张家谔 来源： 控制与决策 年份： 2024 文献类型 ： 期刊 关键词： 调度规则 航空发动机装配 适应性调度 深度学习 扰动识别 门控循环神经网络
- 描述： 航空发动机装配是航空发动机制造过程的关键环节,其工序多,流程复杂,生产过程中扰动频发,如装配时间波动、不合格返工等.针对不确定环境下的航空发动机装配线的调度问题,提出一种基于门控循环神经网络(GRU)的适应性调度方法.该调度方法包含扰动识别和调度规则调整两个部分:扰动识别模块以滑动时间窗口为周期,利用GRU神经网络进行渐近型扰动的识别;调度规则调整模块以扰动识别的结果为触发,通过构建基于GRU神经网络的调度规则决策模型,输出适配当前生产状态的新的调度规则,用以指导生成更新的调度方案.最后,以某航空发动机装配线为研究案例,对所提出适应性调度方法进行验证分析.对比实验结果表明,所提出方法能够有效提升装配线的设备利用率、日均生产率等性能.