基于Bi/GRU模型的航空发动机外部液压管路故障诊断研究

作者： 黄续芳   赵平   冯铃   张丽   来源： 机床与液压 年份： 2023 文献类型 ： 期刊 关键词： 液压管路   故障诊断   深度学习   Bi/GRU模型  

描述： 针对航空液压管路故障信号含有噪声干扰导致管路故障识别困难的问题，提出一种基于双向门控循环单元(Bi/GRU)的深度学习液压管路故障诊断方法。由Bi/GRU神经网络模型综合液压管路数据进行时序特征提取，基于同一含噪声的液压管路振动实测数据，输入到Bi/GRU、GRU、RNN、SVM、BPNN等5种故障诊断模型中进行训练。最后，为了进一步展示Bi/GRU模型对于航空液压管路不同故障类型特征的学习能力，利用t/SNE降维算法进行液压管路特征可视化。结果表明：基于Bi/GRU航空故障诊断方法能达到99.60%的准确性，明显优于GRU等其他4种神经网络模型，Bi/GRU模型在含有噪声的液压管路数据上具备更出色的特征提取能力，可有效地提取出液压管路故障数据特征，从而实现了液压管路故障的智能化识别。

基于关键点检测的航空发动机螺栓安装缺陷自动化检测方法

作者： 辛佳雯   王睿   谢艳霞   孙军华   来源： 仪器仪表学报 年份： 2023 文献类型 ： 期刊 关键词： 关键点检测   深度学习   双目立体视觉   缺陷检测  

描述： 针对航空发动机螺栓存在背景复杂、目标小、且精细特征不明显的问题，本文研究了一种基于关键点检测的航空发动机螺栓安装缺陷的自动化检测方法。首先设计了基于Faster RCNN和改进CPN（AD-CPN）的级联卷积神经网络，实现了图像中螺栓及二维关键点的检测，可判断该螺栓是否脱落、漏装。为进一步检测螺栓的三维安装缺陷，通过欧氏距离选择策略对已检测出的关键点进行双目匹配、筛选以获得检测点对，最后对检测点对三维重构，并计算出螺栓的实际长度，从而判断螺栓是否错装。实验结果表明，相较于CPN,AD-CPN的mAP、AP50、AP75分别提升了2.9%、3.3%、4%;螺栓测量长度的相对平均误差约为3.0%,可见该方法具有较高的缺陷检测准确率，有效保障了航空发动机的安全运行。

基于深度学习的航空遥感图像目标检测算法研究

作者： 常洪彬   来源： 吉林大学 年份： 2022 文献类型 ： 学位论文 关键词： 遥感图像   注意力机制   深度学习   目标检测  

描述： 基于深度学习的航空遥感图像目标检测算法研究

航空重力梯度测量误差补偿的深度学习方法研究

作者： 李桐林   程一   来源： 2020年中国地球科学联合学术年会 年份： 2020 文献类型 ： 会议论文 关键词： 重力梯度测量   深度学习   测量方程   神经网络  

描述： 航空重力梯度测量误差补偿的深度学习方法研究

基于风险要素分析的民航安全管控研究

作者： 徐怡   来源： 南京航空航天大学 年份： 2021 文献类型 ： 学位论文 关键词： 主成分分析   深度学习   风险管控   民航风险  

描述： 基于风险要素分析的民航安全管控研究

切换LPV系统的镇定与H_∞控制及其用于航空发动机控制设计的研究

作者： 朱孔伟   来源： 东北大学 年份： 2018 文献类型 ： 学位论文 关键词： 切换LPV系统   镇定   跟踪控制   H_∞控制   故障检测   事件触发控制   H_∞滤波   参数依赖的多Lyapunov函数  

描述： 切换LPV系统的镇定与H_∞控制及其用于航空发动机控制设计的研究

三级式航空无刷同步电机三相交流励磁技术研究

作者： 张赞   来源： 西北工业大学 年份： 2018 文献类型 ： 学位论文 关键词： 航空三级式同步电机   控制方法   故障检测   起动/发电一体化技术   等效耦合电路模型   三相交流励磁系统   主电机励磁电流   输入量与输出量数学关系   励磁方式  

描述： 三级式航空无刷同步电机三相交流励磁技术研究

基于民航陆空对话的语音识别关键技术研究

作者： 张志辉   来源： 中国民航大学 年份： 2017 文献类型 ： 学位论文 关键词： 受限制玻尔兹曼机   声学模型   深度学习   民航陆空对话   语音识别  

描述： 民航陆空对话语音指令的正确识别一直是确保航空器飞行安全的关键问题。近年来,由陆空对话问题导致的民航安全事故时有发生,给民航安全带来严重威胁。因此如何在现有条件下探索降低陆空对话风险的新方法,保障陆空对话指令的正确传输,成为一个有待解决的重要问题。近年来,语音识别技术一直是模式识别领域的研究热点并被广泛应用于诸多领域。本文通过对民航陆空对话的应用场景和特点进行分析,将语音识别技术应用到民航陆空对话领域,并结合深度神经网络(DNN)来解决民航陆空对话语音识别中的关键技术问题。为解决陆空对话的噪声问题,本文以真实的陆空对话为实验数据,对比了四种不同的降噪处理方法。实验结果表明,在该语料库下改进的谱减算法具有更好的降噪效果。在搭建语音识别系统的过程中,本文使用的语料库是以飞行员和管制员日常陆空对话的内容为蓝本,聘请管制专业人员录制的。使用该语料库分别搭建GMM-HMM单音素和三音素模型,并将三音素模型改进的结果作为DNN-HMM模型训练的标签,成功搭建DNN-HMM的声学模型。实验结果表明,DNN-HMM模型较GMM-HMM模型在基于民航陆空对话数据的音素识别中具有更强的建模能力。

遥感图像飞机目标分类的卷积神经网络方法

作者： 周敏   史振威   丁火平   来源： 中国图象图形学报 年份： 2017 文献类型 ： 期刊 关键词： 卷积神经网络   深度学习   可见光遥感   飞机   分类  

描述： 分类问题。方法在缺乏公开数据集的情况下,收集了真实可见光遥感图像中的8种飞机数据,按大致4∶1的比例分为训练集和测试集,并对训练集进行合理扩充。然后针对遥感图像与飞机分类的特殊性,结合深度学习卷积

基于深度学习的离场航空器滑行时间预测（英文）

作者： 李楠   焦庆宇   朱新华   王少聪   来源： Transactions of Nanjing University of Aeronautics and Astronautics 年份： 2021 文献类型 ： 期刊 关键词： 卷积神经网络   场面运行   滑行时间   深度学习   航空运输  

描述： 随着航班数量的不断增加,机场协同决策系统(Airport collaborative decision-making,A-CDM)的使用也越来越广泛。滑行时间预测的准确性对A-CDM计算离场航空器起飞排序队列和给出准确的撤轮挡时间具有重要的作用。本文提出一种基于时间-空间-环境数据的深度学习模型(Spatio-temporal-environment deep learning model,STEDL)来提高滑行时间预测的准确性。该模型由时间-流量变量(机场实际容量,场面航空器数量,时间段)、空间变量(滑行距离)、外部环境变量(天气,流控信息,跑道运行模式,机型)3部分组成。使用STEDL模型对香港机场离场航空器滑行时间进行预测验证。实验结果显示,STEDL模型预测准确率为95.4%,预测精度明显优于其他机器学习算法。