低转速航空发动机滚动轴承故障深度异常检测方法

作者： 康玉祥     陈果     盛嘉玖     王浩     尉询楷   来源： 振动与冲击 年份： 2024 文献类型 ： 期刊 关键词： 滚动轴承   航空发动机   Transformer   深度异常检测   低转速  

描述： 针对航空发动机滚动轴承在低转速状态下故障难检测的问题，提出了一种基于Transformer框架的深度支持向量描述方法用于检测低转速滚动轴承的故障。首先，构建了基于Transformer模型的振动特征提取主干网络。然后，将所提取的特征输入一个三层自编码器结构，用于计算网络模型的损失函数。为减少网络计算量，提高训练速度，在预处理中将滚动轴承的振动加速度时域信号通过快速傅里叶变换(FFT)得到的频谱结果作为网络的输入，且仅依靠正常数据完成模型的训练。最后，在带机匣的航空发动机转子试验器和某型真实的航空发动机上分别进行了试验验证。结果表明，所提方法能够准确的实现对低转速滚动轴承故障的检测，且检测精度分别为93%和100%,充分表明该方法具有很好的异常检测能力及应用价值。

基于概率稀疏自注意力的航空发动机剩余寿命预测

作者： 王欣     黄佳琪     许雅玺   来源： 科学技术与工程 年份： 2024 文献类型 ： 期刊 关键词： 航空发动机   Transformer   深度学习   概率稀疏自注意力   剩余寿命预测  

描述： 航空发动机剩余寿命预测对其健康管理具有重要意义，针对长序列、多维度的航空发动机监测参数，提出一种基于概率稀疏自注意力(ProbSparse Self-Attention)的Transformer模型以实现航空发动机剩余寿命的准确预测。用ProbSparse Self-Attention取代原始Transformer中的常规自注意力机制，使得模型更关注时间序列中重要的时间节点，大幅缩减时间维度，减小了时间和空间复杂度；通过注意力层整合后的信息，进一步通过前馈神经网络层和卷积层，提取传感器的空间特征，编码层之间通过扩张因果卷积相连接，扩大了感受野，提高了模型对长序列信息的捕获能力。在新公开的N-CMAPSS数据集上验证算法，实验结果表明，相比于实验中的对比模型，所提模型的RMSE和Score值均有提升，推理速度也优于其他模型。

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DETR的高清航空图像目标检测算法研究

作者： 许伟伟.   来源： 电子科技大学 年份： 2024 文献类型 ： 学位论文 关键词： DETR   Transformer   知识蒸馏   滑动窗口   航空目标检测  

描述： 基于DETR的高清航空图像目标检测算法研究

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DETR的高清航空图像目标检测算法研究

作者： 许伟伟.   来源： 电子科技大学 年份： 2024 文献类型 ： 学位论文 关键词： DETR   Transformer   知识蒸馏   滑动窗口   航空目标检测  

描述： 基于DETR的高清航空图像目标检测算法研究

基于多帧影像的航空超分辨成像技术研究

作者： 穆绍硕   来源： 中国科学院大学(中国科学院长春光学精密机械与物理研究所) 年份： 2017 文献类型 ： 学位论文 关键词： 多帧影像   局部线性嵌入   自学习   超分辨   字典   航空成像   Papoulis   Gerchberg  

描述： 失真等问题,以多帧航空影像为研究对象,围绕多帧图像的超分辨成像技术主题展开了深入研究。主要研究工作如下:1.为进一步提高拍摄图像的分辨率,提出一种改进的Papoulis-Gerchberg超分辨算法,新

基于多帧影像的航空超分辨成像技术研究

作者： 穆绍硕   来源： 中国科学院大学(中国科学院长春光学精密机械与物理研究所) 年份： 2017 文献类型 ： 学位论文 关键词： 多帧影像   局部线性嵌入   自学习   超分辨   字典   航空成像   Papoulis   Gerchberg  

描述： 失真等问题,以多帧航空影像为研究对象,围绕多帧图像的超分辨成像技术主题展开了深入研究。主要研究工作如下:1.为进一步提高拍摄图像的分辨率,提出一种改进的Papoulis-Gerchberg超分辨算法,新

一种基于Transformer编码器与LSTM的飞机轨迹预测方法

作者： 李明阳     鲁之君     曹东晶     曹世翔   来源： 航天返回与遥感 年份： 2024 文献类型 ： 期刊 关键词： Transformer   Encoder   轨迹预测   Transformer编码器   飞机目标   神经网络   LSTM模型  

描述： 为了解决飞机目标机动数据集缺失的问题，文章利用运动学建模生成了丰富的轨迹数据集，为网络训练提供了必要的数据支持。针对现阶段轨迹预测运动学模型建立困难及时序预测方法难以提取时空特征的问题，提出了一种结合Transformer编码器和长短期记忆网络（Long Short Term Memory,LSTM）的飞机目标轨迹预测方法，即Transformer-Encoder-LSTM模型。新模型可同时提供LSTM和Transformer编码器模块的补充历史信息和基于注意力的信息表示，提高了模型能力。通过与一些经典神经网络模型进行对比分析，发现在数据集上，新方法的平均位移误差减小到0.22，显著优于CNN-LSTMAttention模型的0.35。相比其他网络，该算法能够提取复杂轨迹中的隐藏特征，在面对飞机连续转弯、大机动转弯的复杂轨迹时，能够保证模型的鲁棒性，提升了对于复杂轨迹预测的准确性。

EGMT-CD: Edge-Guided Multimodal Transformers Change Detection from Satellite and Aerial Images

作者： Yunfan   Xiang     Xiangyu   Tian     Yue   Xu     Xiaokun   Guan     Zhengchao   Chen   来源： Remote Sensing 年份： 2023 文献类型 ： 期刊 关键词： sensing   detection   images   edge   Transformer   feature   change   remote   alignment   heterogeneous  

描述： Change detection from heterogeneous satellite and aerial images plays a progressively important role in many fields, including disaster assessment, urban construction, and land use monitoring. Currently, researchers have mainly devoted their attention to change detection using homologous image pairs and achieved many remarkable results. It is sometimes necessary to use heterogeneous images for change detection in practical scenarios due to missing images, emergency situations, and cloud and fog occlusion. However, heterogeneous change detection still faces great challenges, especially using satellite and aerial images. The main challenges in satellite and aerial image change detection are related to the resolution gap and blurred edge. Previous studies used interpolation or shallow feature alignment before traditional homologous change detection methods, which ignored the high-level feature interaction and edge information. Therefore, we propose a new heterogeneous change detection model based on multimodal transformers combined with edge guidance. In order to alleviate the resolution gap between satellite and aerial images, we design an improved spatially aligned transformer (SP-T) with a sub-pixel module to align the satellite features to the same size of the aerial ones supervised by a token loss. Moreover, we introduce an edge detection branch to guide change features using the object edge with an auxiliary edge-change loss. Finally, we conduct considerable experiments to verify the effectiveness and superiority of our proposed model (EGMT-CD) on a new satellite–aerial heterogeneous change dataset, named SACD. The experiments show that our method (EGMT-CD) outperforms many previously superior change detection methods and fully demonstrates its potential in heterogeneous change detection from satellite–aerial images.