基于统计的飞机滑行状态识别方法及油耗研究

作者： 谢春生   余志伟   来源： 航空计算技术 年份： 2019 文献类型 ： 期刊 关键词： QAR数据   滑行   燃油流量   状态识别  

描述： 飞机地面滑行状态及其合理设定推力是准确计算污染物排放和地面滑行路径优化的基础。采用大量机载QAR数据,通过对数据插值填补空白项,构建CCSD算法识别滑行状态并研究其与推力的关系。经研究表明,飞机在地面转弯、停止、匀速、刹车和急刹车等滑行时,燃油流量变化不明显,只有飞机加速持续10 s以上且最终速度大于15 kn的加速状态,燃油流量才会明显变化。

基于QAR数据的碳当量值适航符合性验证方法

作者： 曹惠玲   汤鑫豪   来源： 北京航空航天大学学报 年份： 2019 文献类型 ： 期刊 关键词： 比航程   QAR数据   碳当量值   适航   基准几何因子  

描述： 为评估飞机碳排放水平并验证适航性，对国际民航组织最新的碳排放认证程序进行了研究。以比航程（SAR）和基准几何因子（RGF）组成的综合指标碳当量值作为评估适航性的度量，根据飞机最大起飞重量（MTOM）值选取试飞测量点，并确定对应的飞机碳当量值限制线。提出了一种基于快速存储记录器（QAR）数据的飞机碳当量水平快速评估方法，利用新服役飞机的QAR数据，使用多参数支持向量机回归（SVR）方法分别建立燃油消耗率和空速相对于推力的修正关系，通过飞机总重换算求解三个飞行测试点条件下的SAR值并计算碳当量值。使用一架B777-200新飞机的QAR数据进行实例分析，计算结果显示该机型碳当量值为1.5987，超出限制线20.4%。提出的基于QAR数据的碳当量值计算方法可以用于飞机碳排放水平的快速评估。

基于QAR水洗数据与神经网络的航空发动机气路状态分类方法研究

作者： 韩志斌   来源： 厦门大学 年份： 2019 文献类型 ： 学位论文 关键词： QAR数据   航空发动机   气路   状态分类   神经网络  

描述： 基于QAR水洗数据与神经网络的航空发动机气路状态分类方法研究

基于运行数据的飞机离场和巡航阶段燃油消耗预测

作者： 孔祥鲁   来源： 南京航空航天大学 年份： 2019 文献类型 ： 学位论文 关键词： QAR数据   燃油里程   油耗预测仿真实验平台   燃油消耗优化模型   侧风  

描述： 基于运行数据的飞机离场和巡航阶段燃油消耗预测

民航发动机QAR数据复杂性研究

作者： 龙莉楠   来源： 中国民航大学 年份： 2019 文献类型 ： 学位论文 关键词： QAR数据   LZ复杂度   最小生成树   复杂熵因果关系平面   多尺度水平可见度图   重现区间  

描述： 民航发动机QAR数据复杂性研究

卷积神经网络及其在航空视觉任务中的应用展望

作者： 漆昇翔   裘旭益   张伟   来源： 航空电子技术 年份： 2019 文献类型 ： 期刊 关键词： 卷积神经网络   计算机视觉   深度学习   航空航天  

描述： 从卷积神经网络的基本理论出发,介绍了几种经典卷积网络结构,并结合当前卷积神经网络在计算机视觉领域的应用现状,重点探讨了它在未来航空视觉相关任务系统中的应用前景,以及实施这些技术必须解决的若干问题,为未来航空装备智能化水平的进一步提升提供参考。

基于深度学习的陆空通话复诵校验方法研究

作者： 李丹   来源： 中国民航大学 年份： 2019 文献类型 ： 学位论文 关键词： 注意力机制   陆空通话复诵校验   深度学习   双向长短时记忆神经网络  

描述： 基于深度学习的陆空通话复诵校验方法研究

基于深度学习的飞机乘员应急撤离行为特征分类研究

作者： 纪乾   来源： 中国民航大学 年份： 2019 文献类型 ： 学位论文 关键词： 深度学习   应急撤离   行为特征   仿真模型  

描述： 基于深度学习的飞机乘员应急撤离行为特征分类研究

基于深度学习的遥感影像飞机检测方法研究

作者： 谢奇芳   来源： 中国地质大学(北京) 年份： 2019 文献类型 ： 学位论文 关键词： 高分辨率遥感影像   卷积神经网络   深度学习   目标检测  

描述： 基于深度学习的遥感影像飞机检测方法研究

基于深度学习的航空监视方法研究

作者： 王艳明   王宝珠   来源： 电子测量技术 年份： 2019 文献类型 ： 期刊 关键词： 航空监视   深度学习   人工智能   国土安全   俯视视角  

描述： 我国是一个幅员辽阔的国家,地理条件复杂,常规的国土安全巡检方法会耗费大量人力物力。为此,提出了一种基于深度学习的航空监视方法,其利用无人机从高空采集图像,并利用卷积神经网络对采集图像进行分类判断,从而对场景进行监视。其目的在于用人工智能的手段,通过无人机代替人工进行巡检,从而提高国土安全监视效率。为此,本文建立了包含10种不同场景的俯视视角的数据库。通过卷积神经网络模型,对不同场景的图像特征进行学习,使得模型可以分辨不同的场景。为了验证本方法的可行性,本文在10种空基视角的数据库上进行了实验,结果显示其分类准确率达到97%。说明本方法可满足安全监视的需求,为实现智能监视提供了思路。