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
- 无人机航空摄影测量技术在矿山测量中的应用及优化
- 作者： 周维 梁晨葵 来源： 世界有色金属 年份： 2024 文献类型 ： 期刊 关键词： 摄影测量技术 无人机 矿山工程
- 描述： 无人机航空摄影测量是当今社会发展进程中出现的一种新型测量技术，具有低成本、高效率、高精度、高速度及机动灵活等特点，极大地占领了金属矿山测量方面的应用市场。在本文的研究中，对其工作原理、应用优势进行了
- 无人机航空摄影测量技术在大比例尺数据获取中应用
- 作者： 刘建军 宋利奎 刘亚青 姚姝娟 昂格鲁玛 来源： 信息记录材料 年份： 2024 文献类型 ： 期刊 关键词： 无人机 摄影测量 航空摄影
- 描述： 无人机航空摄影测量是利用无人机搭载机载遥感设备，如磁测仪、电荷耦合元件(charge-coupled device, CCD)数码相机、多光谱相机、LIDAR技术(light detection
- 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。
- 基于迁移学习和改进Faster-RCNN遥感影像飞机目标检测
- 作者： 周绍鸿 方新建 刘鑫怡 张潆丹 严盛 来源： 机电工程技术 年份： 2024 文献类型 ： 期刊 关键词： 遥感影像 目标检测 RCNN 深度学习 Faster 迁移学习
- 描述： 为了提高遥感影像飞机目标检测的准确性和泛化能力，需要解决背景复杂、尺度多变、目标密集、飞机朝向不确定和特征不明显等问题。但现阶段训练数据量有限，初始训练需要消耗大量算力和时间，容易出现过拟合现象。因此，需要优化模型结构和训练过程。针对上述问题，首先引入一种迁移学习的策略，在Faster-RCNN模型训练之前，加载MS COCO数据集预先训练好的权重，使模型快速收敛，节约了大量的训练时间。然后以ResNet50替代原Faster-RCNN的VGG16特征提取网络，更好地利用深层次的语义信息，在此基础上结合FPN网络，并对原Faster-RCNN的9种锚框增加为15种锚框，通过融合多尺度特征图以获得更丰富的特征表示，从而提高网络检测和定位目标的能力。以RSOD-Dataset数据集为例进行飞机目标检测实验，同时比较不同检测算法的性能；再以NWPU VHR-10数据集验证模型的泛化性和稳定性，实验结果表明：改进的Faster-RCNN在RSOD-Dataset数据集上的精确率为97.54%；在NWPU VHR-10数据集上的精确率为98.27%。通过迁移学习和改进Faster-RCNN的网络结构，可以实现在数据量较少的情况下高精度目标检测，且泛化能力较强，所提方法可以利用于其他目标检测和识别，具有较好的推广意义。
- 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SW-YOLO模型的航空发动机叶片损伤实时检测
- 作者： 何宇豪 曹学国 刘信良 蒋浩坤 王静秋 来源： 推进技术 年份： 2024 文献类型 ： 期刊 关键词： 航空发动机 实时检测 叶片损伤 深度学习 目标检测 孔探检测
- 描述： 孔探检测技术是航空发动机叶片损伤检测的主要手段，但目前依赖人工操作，耗时耗力。本文提出了一个孔探视频检测的SW-YOLO模型，该模型包括输入端、主干网络、颈部网络、头部网络4个模块。首先，在主干网
- 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： 一直以来，航空发动机涡轮叶片的射线检测依靠检验员人工评片。为避免经验差异、眼睛疲劳、标准理解等人为因素影响，有效改善传统射线检测费时费力、效率低下等问题，针对航空发动机涡轮叶片射线图像，基于YOLOv4模型提出了一种双主干特征融合的缺陷自动检测算法（DBFFYOLOv4）；通过设计包含所有特征映射的新型连接结构搭建缺陷检测颈部网络，建立了适用于涡轮叶片射线图像的缺陷自动检测模型；针对每个缺陷，采用9次裁剪、旋转和亮度增减的图像数据增强方法扩充样本数据，在此基础上进行了模型训练与测试。结果表明，针对完整涡轮叶片，建立的缺陷检测模型在0.5的置信度阈值下可获得96.7%的平均查准率和91.87%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。
- 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.