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
- 基于ELM的航空制孔机器人定位精度补偿方法
- 作者： 薛雷 李汝鹏 周庆慧 汤海洋 方伟 陈冬冬 袁培江 来源： 航空制造技术 年份： 2018 文献类型 ： 期刊 关键词： 航空制孔机器人 定位精度补偿 ELM
- 描述： 针对航空制孔机器人绝对定位精度补偿中存在的建模复杂及运算量大的问题,提出了一种基于极限学习机的绝对定位精度补偿方法。该方法通过将机器人视为一个黑箱系统,忽略机器人的几何因素和非几何因素的影响,通过高精度的激光跟踪仪测量获得机器人的末端运动误差,采用极限学习机建立机器人误差预测模型。由机器人误差预测模型获得机器人在期望位置的位置偏差,通过修正机器人位置坐标来实现机器人的绝对定位精度补偿。最后该方法在航空制孔机器人上进行了试验,试验结果显示机器人的绝对位置误差的平均值和最大值分别降低了75.69%和78.16%。
- 基于QAR数据的民航客机设计理念分析
- 作者： 陈啸 王永飞 来源： 计算机测量与控制 年份： 2018 文献类型 ： 期刊 关键词： QAR数据 高度保持控制律 自动飞行 设计逻辑
- 描述： 中国国内运行着大量国外先进民用飞机。这些飞机全部装有飞行数据快速存取记录器,以采集飞行数据开展飞行品质监控工作;民机日常飞行数据除了能够在航空公司运行中发挥作用,还能够通过技术手段分析得出先进型号的设计经验与运行特点,相关技术成果对国产民机制造业的发展也具有一定的借鉴意义;在分析国内外相关研究基础上,以两款国外民机巡航段飞行数据的分析为例,解析了两型飞机的高度保持控制律设计逻辑,实际案例分析表明,基于QAR数据的分析能够有效地反应在自动飞行阶段高度保持控制律中体现的设计逻辑,从而有助于对国产民机的设计和优化。
- 航线飞行员的风险倾向特征研究
- 作者： 任勇 来源： 中国民航大学 年份： 2018 文献类型 ： 学位论文 关键词： QAR数据 超限事件 风险操作倾向 风险心理变量 航线飞行员
- 描述： 航线飞行员的风险倾向特征研究
- 航线飞行员的风险倾向特征研究
- 作者： 任勇 来源： 中国民航大学 年份： 2018 文献类型 ： 学位论文 关键词： QAR数据 超限事件 风险操作倾向 风险心理变量 航线飞行员
- 描述： 航线飞行员的风险倾向特征研究
- 基于谱聚类算法的航空发动机故障诊断
- 作者： 程弓 来源： 上海交通大学 年份： 2018 文献类型 ： 学位论文 关键词： QAR数据 航空发动机 经验小波变换 故障诊断 扩散映射 谱聚类
- 描述： 基于谱聚类算法的航空发动机故障诊断
- 基于谱聚类算法的航空发动机故障诊断
- 作者： 程弓 来源： 上海交通大学 年份： 2018 文献类型 ： 学位论文 关键词： QAR数据 航空发动机 经验小波变换 故障诊断 扩散映射 谱聚类
- 描述： 基于谱聚类算法的航空发动机故障诊断
- 基于多分辨率遥感影像的飞机检测研究
- 作者： 侯宇青阳 全吉成 魏湧明 来源： 激光与光电子学进展 年份： 2018 文献类型 ： 期刊 关键词： 显著性提取 遥感影像 目标检测 深度学习
- 描述： 从多分辨遥感图像特点、深度学习网络结构和飞机目标尺寸三个方面进行研究,明确了检测结果与图像中飞机目标像素数的定量关系,对影响图像中目标像素数的两个因素飞机实际尺寸和图像分辨率关系进行定量分析。在检测结论基础上设计了基于显著性检测算法的遥感图像前期处理算法,算法基于生成的显著性图像生成图像掩膜提取潜在目标区域图像块,进行多尺度放大,增加图像中目标的像素数,提升目标检测率。前期处理算法自适应的进行图像目标区域提取,解决了不同分辨率的大尺寸遥感影像中飞机检测率低的问题,通过与原始检测算法和其他图像处理方法对比验证了本文设计算法的有效性,在检测准确率和检测速度上均得到明显提升。
- 基于卷积神经网络的遥感图像飞机目标识别
- 作者： 晁安娜 刘坤 来源： 微型机与应用 年份： 2018 文献类型 ： 期刊 关键词： 遥感图像 卷积神经网络 飞机识别 深度学习
- 描述： 遥感图像的识别技术一直被广泛运用于民用和军事领域。针对采集到的遥感飞机图像存在大量干扰,如遮挡、噪声、视角变化等因素,提出一种改进的基于卷积神经网络的遥感图像目标识别算法。在复杂环境下,运用卷积神经网络对飞机目标进行识别,避免了在特征提取过程中信息的丢失,提高了识别率。实验结果证明了该算法在遥感图像飞机目标识别中的可行性,能克服尺度变化及目标姿态变化等因素的影响。同时提出的算法较传统CNN、BP神经网络和支持向量机(SVM)方法具有更好的识别效果,鲁棒性更强。
- 航空轮胎有限元分析
- 作者： 刘坤 苏彤 王典 来源： 激光与光电子学进展 年份： 2018 文献类型 ： 期刊 关键词： 卷积神经网络 深度学习 模糊不变 目标识别
- 描述： 由于采集、运动以及聚焦等导致的目标模糊是目标识别率偏低的一个主要问题,因此本文提出一种基于模糊不变卷积神经网络模型BICNN(Blur-Invariant Convolutional Neural Network)的目标识别方法。与仅优化多项式逻辑回归目标的传统CNN(Convolutional Neural Network)模型的训练不同,BICNN引入和学习一个新的模糊不变层改善模糊目标的识别率,提高目标识别的鲁棒性。首先,BICNN通过增加模糊不变约束项及正则化来优化本文提出的模糊不变目标函数进行训练;其次,通过减小模糊不变目标函数值来规定训练样本在模糊之前和之后的特征映射相一致,最终实现模糊不变性。测试结果表明验证,BICNN改善了因模糊造成识别率降低的问题,进而提升运动模糊图像的识别率。