YOLOv4-tiny及其改进算法在航空机务维修照相管理中的应用

作者： 张锐丽   张琦   高万春   李江龙   来源： 兵工自动化 年份： 2022 文献类型 ： 期刊 关键词： 注意力机制   tiny   目标检测   YOLOv4   照相管理  

描述： 针对飞机机务维修照相管理存在工作量大、不精确等问题，提出一种利用深度学习YOLOv4-tiny算法来执行照片对比检测的方法。利用一个自制的数据集来训练网络模型，为解决开口销螺母及其他背景干扰，引入

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

不均衡小样本遥感图像飞机目标检测方法

作者： 裘宇婵   李琳   梁建虎   李海   李金辉   来源： 第十六届全国信号和智能信息处理与应用学术会议论文集 年份： 2022 文献类型 ： 会议论文 关键词： 遥感图像   生成对抗网络   YOLOv5   目标检测   L2正则化  

描述： 不均衡小样本遥感图像飞机目标检测方法

不均衡小样本遥感图像飞机目标检测方法

作者： 裘宇婵   李琳   梁建虎   李海   李金辉   来源： 第十六届全国信号和智能信息处理与应用学术会议论文集 年份： 2022 文献类型 ： 会议论文 关键词： 遥感图像   生成对抗网络   YOLOv5   目标检测   L2正则化  

描述： 不均衡小样本遥感图像飞机目标检测方法

旋转式航空重力梯度仪动态测量误差传递模型与事后误差补偿

作者： 程一   李桐林   周帅   来源： 地球物理学报 年份： 2022 文献类型 ： 期刊 关键词： 误差传递模型   事后误差补偿   深度学习   重力梯度仪  

描述： 的深度学习方法对航空动态测量误差进行补偿，并基于误差传递传递模型建立仿真数据样本集验证了方法的有效性；最后，通过航空重力梯度仪实测数据的处理和应用，验证了本文建立事后误差补偿方法的泛化性，进一步验证了本文建立方法在航空动态测量噪声抑制中的实用性，为航空重力梯度动态测量数据的处理提供技术储备.

基于深度学习的航空器场面轨迹预测

作者： 李雪   何元清   胡耀   来源： 现代计算机 年份： 2022 文献类型 ： 期刊 关键词： 长短期记忆网络   深度学习   轨迹预测  

描述： 轨迹预测研究是安全高效控制场面滑行的重要基础，在路由规划，风险预警，航班次序，重要节点的时间安排等都能起到重要作用。利用深度学习中循环神经网络的长期记忆性特点，对航空器场面历史数据进行分析和预处理

基于深度学习的航空器场面轨迹预测

作者： 李雪   何元清   胡耀   来源： 现代计算机 年份： 2022 文献类型 ： 期刊 关键词： 长短期记忆网络   深度学习   轨迹预测  

描述： 轨迹预测研究是安全高效控制场面滑行的重要基础，在路由规划，风险预警，航班次序，重要节点的时间安排等都能起到重要作用。利用深度学习中循环神经网络的长期记忆性特点，对航空器场面历史数据进行分析和预处理

通用航空训练飞行发动机数据异常检测初探

作者： 王翔   来源： 内燃机与配件 年份： 2022 文献类型 ： 期刊 关键词： 深度学习   训练飞行   异常检测  

描述： ,更适合引入深度学习对其进行建模分析。本文归纳了当前主流的几种深度异常检测模型,从原理、计算复杂度和优缺点三个角度进行分析。为通用航空训练飞行的教练机发动机的异常检测研究提供可行的研究思路。

通用航空训练飞行发动机数据异常检测初探

作者： 王翔   来源： 内燃机与配件 年份： 2022 文献类型 ： 期刊 关键词： 深度学习   训练飞行   异常检测  

描述： ,更适合引入深度学习对其进行建模分析。本文归纳了当前主流的几种深度异常检测模型,从原理、计算复杂度和优缺点三个角度进行分析。为通用航空训练飞行的教练机发动机的异常检测研究提供可行的研究思路。

基于Transformer的多特征融合的航空发动机剩余使用寿命预测

作者： 马依琳   陶慧玲   董启文   王晔   来源： 华东师范大学学报(自然科学版) 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机   Transformer   深度学习   剩余使用寿命  

描述： 发动机作为飞机的核心部件,对飞机运行起着至关重要的作用.对航空发动机做准确的剩余使用寿命预测,能够提前进行维护诊断,预防重大事故的发生,节约维护成本.针对现有的方法缺乏对不同时间步长的考虑以及不同传感器和操作条件之间关系的研究,提出了一种基于Transformer的多编码器特征输出融合的航空发动机剩余使用寿命预测方法.该方法选取两个不同时间长度的输入数据,使用排列熵对传感器之间的关系进行分析,并将操作条件数据独立提取特征.在广泛使用的航空发动机CMAPSS(Commercial Modular Aero-Propulsion System Simulation)数据集上进行了实验验证.实验结果表明,该方法优于现有的先进预测方法,可有效提高预测精度.