关键词
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: 航空发动机属于多发性故障机械,运用先进的计算训练方法可有效地实现准确的风险预警分析,为发动机的运维指导提供参考。在发动机故障风险预警征兆数据集中提取多变量时间序列样本,将样本矩阵化,转换为灰度图样本。预处理并增强图像数据样本,热编码化序列样本标签。深度残差收缩网络(deep residual shrinkage network,DRSN)中融入深度注意力机制与带有阈值的残差收缩块,获取高判别性特征,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%。提出了改进DRSN航空发动机故障风险预警模型,与其他算法相比有较强的鲁棒性,预警正确率至少提高4.4%。
基于深度学习的航空发动机剩余使用寿命预测方法研究
作者: 曹锦山.   来源: 重庆交通大学 年份: 2024 文献类型 : 学位论文 关键词: 航空发动机   Transformer   深度学习   剩余使用寿命   多头自注意力机制  
描述: 基于深度学习的航空发动机剩余使用寿命预测方法研究
基于深度学习的航空发动机涡轮叶片烧蚀检测研究
作者: 陈纪宗.   来源: 中国民用航空飞行学院 年份: 2024 文献类型 : 学位论文 关键词: 注意力机制   航空发动机   自动化检测   语义分割   深度学习  
描述: 基于深度学习的航空发动机涡轮叶片烧蚀检测研究
模拟塞斯纳172无动力迫降时飞行员工作负荷分析
作者: 林华显.   来源: 中国民用航空飞行学院 年份: 2024 文献类型 : 学位论文 关键词: 机器学习   工作负荷   生理信号   深度学习   航空安全  
描述: 模拟塞斯纳172无动力迫降时飞行员工作负荷分析
基于深度学习的航空发动机剩余使用寿命预测方法研究
作者: 曹锦山.   来源: 重庆交通大学 年份: 2024 文献类型 : 学位论文 关键词: 航空发动机   Transformer   深度学习   剩余使用寿命   多头自注意力机制  
描述: 基于深度学习的航空发动机剩余使用寿命预测方法研究
基于深度学习的航空发动机涡轮叶片烧蚀检测研究
作者: 陈纪宗.   来源: 中国民用航空飞行学院 年份: 2024 文献类型 : 学位论文 关键词: 注意力机制   航空发动机   自动化检测   语义分割   深度学习  
描述: 基于深度学习的航空发动机涡轮叶片烧蚀检测研究
模拟塞斯纳172无动力迫降时飞行员工作负荷分析
作者: 林华显.   来源: 中国民用航空飞行学院 年份: 2024 文献类型 : 学位论文 关键词: 机器学习   工作负荷   生理信号   深度学习   航空安全  
描述: 模拟塞斯纳172无动力迫降时飞行员工作负荷分析
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序列
基于深度学习的航空发动机涡轮叶片自动射线检测技术研究
作者: 王栋欢     肖洪     吴丁毅   来源: 推进技术 年份: 2024 文献类型 : 期刊 关键词: 航空发动机   涡轮叶片   射线图像   深度学习   射线检测   缺陷检测  
描述: %的平均查全率,优于通用目标检测算法YOLOv4模型。9次缺陷裁剪、旋转和亮度增减的图像数据增强方法能够显著提高模型的缺陷检测精度(平均精度分别得到了59.19%和2.53%的提升)。该研究为涡轮叶片自动射线检测提供了一种新方法。
< 1 2 3 ... 5 6 7
Rss订阅