三轴平台航空重力仪测量数据处理研究

作者： 颜颖   来源： 东南大学 年份： 2019 文献类型 ： 学位论文 关键词： 平台倾斜改正   卡尔曼滤波   软件设计   重力异常  

描述： 三轴平台航空重力仪测量数据处理研究

激光点云平面配准辅助的惯性导航系统研究

作者： 聂明炎   来源： 武汉大学 年份： 2019 文献类型 ： 学位论文 关键词： 平面配准   惯性导航   卡尔曼滤波   激光点云  

描述： 激光点云平面配准辅助的惯性导航系统研究

基于随机森林算法的航空监视信息融合技术的研究与实现

作者： 张志阳   来源： 北京邮电大学 年份： 2020 文献类型 ： 学位论文 关键词： 卡尔曼滤波   加权随机森林算法   航空监视信息融合   随机森林算法  

描述： 基于随机森林算法的航空监视信息融合技术的研究与实现

航空制导炸弹的SINS/GPS组合导航系统研究

作者： 孙鸽   来源： 南京理工大学 年份： 2016 文献类型 ： 学位论文 关键词： 全球定位系统   捷联惯性导航系统   组合导航系统   卡尔曼滤波  

描述： 接收机输出的1PPS作为参考时标的实时数据同步方法。针对MEMS惯导系统的噪声误差难于精确统计的特性,设计了衰减记忆卡尔曼滤波器进行导航信息的融合,建立了基于位置、速度组合方式的15阶卡尔曼滤波算法模型

航空发动机性能寻优控制研究

作者： 王芳   来源： 西北工业大学 年份： 2016 文献类型 ： 学位论文 关键词： 航空发动机   性能参数估计   卡尔曼滤波   性能寻优控制  

描述： 本文研究了航空发动机性能寻优控制技术中的几个重要问题:发动机自适应模型的建立、发动机性能变化参数的估计和发动机性能优化问题.首先研究了发动机非线性数学模型和适应发动机性能寻优控制使用的自适应实时模型的设计思路,并在此基础上建立发动机线性模型.在研究发

航空发动机部件性能跟踪滤波器研究

作者： 欧阳舟   来源： 西北工业大学 年份： 2016 文献类型 ： 学位论文 关键词： 参数估计   卡尔曼滤波   发动机数学模型   跟踪滤波器  

描述： 该文研究用于基于模型控制(MBC,Model-Based Control)系统的发动机部件跟踪滤波器技术.该文分析了实时模型与真实发动机失配的原因,为了使实时模型能准确反映发动机的工作状态,利用卡尔曼滤波方法设计了发动机性能跟踪滤波器.该文重点研究了如何利用卡尔曼算法估计发?

不完整实例引导的航空发动机叶片实例分割

作者： 黄睿   张超群   成旭毅   邢艳   张宝   来源： 计算机应用 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机   损伤检测   实例分割   发动机叶片   交互式分割  

描述： 航空发动机安全是影响飞行安全的重要因素，在航空发动机损伤检测中常需要分割发动机的单个叶片以判断发动机叶片的损伤程度。然而，当前基于深度学习的实例检测方法在进行发动机叶片分割时，由于缺少带标注

基于改进YOLOv4的航空发动机损伤检测方法

作者： 蔡舒妤   闫子砚   师利中   来源： 现代制造工程 年份： 2023 文献类型 ： 期刊 关键词： 损伤检测   卷积注意力模块   YOLOv4   深度可分离卷积   MobileNetv3  

描述： 针对现有目标检测模型参数量大、检测速度慢，难以适应航空发动机孔探检测轻量化应用需求的问题，提出了基于YOLOv4目标检测算法的轻量化航空发动机损伤检测模型。设计了基于深度可分离卷积的轻量化特征融合

不完整实例引导的航空发动机叶片实例分割

作者： 黄睿   张超群   成旭毅   邢艳   张宝   来源： 计算机应用 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机   损伤检测   实例分割   发动机叶片   交互式分割  

描述： 航空发动机安全是影响飞行安全的重要因素，在航空发动机损伤检测中常需要分割发动机的单个叶片以判断发动机叶片的损伤程度。然而，当前基于深度学习的实例检测方法在进行发动机叶片分割时，由于缺少带标注

不完整实例引导的航空发动机叶片实例分割

作者： 黄睿     张超群     成旭毅     邢艳     张宝   来源： 计算机应用 年份： 2024 文献类型 ： 期刊 关键词： 航空发动机   损伤检测   实例分割   发动机叶片   交互式分割  

描述： 当前基于深度学习的实例检测方法在进行发动机叶片分割时，由于缺少带标注的发动机叶片数据，导致无法充分训练网络模型，仅得到次优的分割结果。为了提升航空发动机叶片实例分割精度，提出了不完整实例引导的航空发动机叶片实例分割方法，通过结合已有的实例分割方法和交互式分割方法，可得到较好的发动机叶片分割结果。首先，使用少量标注数据训练实例分割网络，得到发动机叶片的初步分割结果；其次，将检测到的单个叶片分为前景和背景两部分，通过选择前景种子点和背景种子点，利用交互式分割方法的思想，产生完整的单个叶片的分割结果；依次处理完所有的叶片后，将结果合并得到最终的发动机叶片实例分割结果。使用72张图像训练基于稀疏实例激活图的实时实例分割方法（SparseInst）产生初始的实例分割结果，在56张图像上进行测试。所提方法的全类平均准确率（mAP）比SparseInst的全类平均准确率高5.1个百分点；且它的mAP结果均优于当前流行的实例分割方法MASK R-CNN(MASK Region based Convolutional Neural Network)、YOLACT (You Only Look At CoefficienTs)、BMASKRCNN (Boundary-preserving MASK R-CNN)。