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
- 基于矩阵信息几何的飞机尾流目标检测方法
- 作者： 刘俊凯*① 李健兵② 马 梁① 陈忠宽① 蔡益朝① 来源： 雷达学报 年份： 2018 文献类型 ： 期刊 关键词： 矩阵信息几何 飞机尾流 目标检测 矩阵CFAR 矩阵流形
- 描述： 矩阵信息几何在雷达信号处理和目标检测中的应用是一个正在引起关注的研究方向。飞机尾流回波经过傅里叶变换后，其功率谱是展宽的，传统动目标检测(MTD)方法未能对展宽的功率谱进行有效积累。针对飞机尾流目标检测问题，基于矩阵信息几何理论，该文提出了一种矩阵恒虚警率(CFAR)检测方法，该方法中观测数据协方差矩阵构成一个矩阵流形，类比CFAR检测的思想，利用检测单元协方差矩阵与参考单元协方差矩阵均值间定义的距离作为检测统计量。最后利用噪声中仿真的尾流回波数据，分析了黎曼均值的迭代估计性能、尾流目标协方差矩阵与噪声协方差矩阵的测地线距离随信噪比的变化，比较了常规MTD检测方法和矩阵CFAR检测方法的检测性能。
- 基于矩阵信息几何的飞机尾流目标检测方法
- 作者： 刘俊凯*① 李健兵② 马 梁① 陈忠宽① 蔡益朝① 来源： 雷达学报 年份： 2018 文献类型 ： 期刊 关键词： 矩阵信息几何 飞机尾流 目标检测 矩阵CFAR 矩阵流形
- 描述： 矩阵信息几何在雷达信号处理和目标检测中的应用是一个正在引起关注的研究方向。飞机尾流回波经过傅里叶变换后，其功率谱是展宽的，传统动目标检测(MTD)方法未能对展宽的功率谱进行有效积累。针对飞机尾流目标检测问题，基于矩阵信息几何理论，该文提出了一种矩阵恒虚警率(CFAR)检测方法，该方法中观测数据协方差矩阵构成一个矩阵流形，类比CFAR检测的思想，利用检测单元协方差矩阵与参考单元协方差矩阵均值间定义的距离作为检测统计量。最后利用噪声中仿真的尾流回波数据，分析了黎曼均值的迭代估计性能、尾流目标协方差矩阵与噪声协方差矩阵的测地线距离随信噪比的变化，比较了常规MTD检测方法和矩阵CFAR检测方法的检测性能。
- YOLOv4-tiny及其改进算法在航空机务维修照相管理中的应用
- 作者： 张锐丽 张琦 高万春 李江龙 来源： 兵工自动化 年份： 2022 文献类型 ： 期刊 关键词： 注意力机制 tiny 目标检测 YOLOv4 照相管理
- 描述： 针对飞机机务维修照相管理存在工作量大、不精确等问题，提出一种利用深度学习YOLOv4-tiny算法来执行照片对比检测的方法。利用一个自制的数据集来训练网络模型，为解决开口销螺母及其他背景干扰，引入注意力机制模块以改进YOLOv4-tiny。测试结果表明：准确率(precision,P)相较原YOLOv4-tiny提高了5%，召回率(recall,R)提高约8%，平均准确率均值(mean average precision,mAP)提高了4.9%，照片识别精度和定位精准性方面都有较优表现，满足照相管理中对目标精准识别与比对的要求。
- 面向航空目标检测的神经网络加速器设计
- 作者： 施立瑞 王帅帅 肖昊 来源： 航空科学技术 年份： 2022 文献类型 ： 期刊 关键词： 卷积神经网络 FPGA 目标检测 Winograd算法 加速器
- 描述： 卷积神经网络被广泛应用于航空图像目标检测领域。然而，由于航空图像成像背景环境复杂、目标尺寸小且方向任意，为了提取更高层次的特征信息，神经网络模型的结构复杂度不断提高，使得模型计算复杂度高、计算时间长，从而难以满足航空目标检测的实时性需求。本文提出了一种面向航空目标检测的基于Winograd算法的神经网络加速器，通过Winograd卷积算法可大幅减少卷积计算中的乘法数量，并针对Winograd卷积在神经网络计算中由于时域变换引入额外加法计算的问题，提出了一种深流水的矩阵变换计算结构，通过复用加法计算的中间结果以及调整运算顺序减少输入和输出变换的计算量。同时，针对加速器的现场可编程门阵列（FPGA）实现，提出了一种高效的数据流形式和DSP阵列结构。试验结果表明，本文提出的加速器相比CPU和GPU分别获得了32倍和2.6倍的速度提升。
- 基于深度学习的航空影像非正规垃圾堆放点监测技术研究与实践
- 作者： 李军吉 应良中 陶文旷 来源： 测绘通报 年份： 2023 文献类型 ： 期刊 关键词： 深度学习 无人机 航空影像 非正规垃圾堆放点
- 描述： 城市化进程的加快导致垃圾随处堆放的问题日益突出，给城市的环境及居民的生活质量造成了严重的影响。利用遥感手段快速监测非正规垃圾堆放点具有及时性和高效性，因此具有十分重要的意义。本文结合无人机高分辨率航空影像及非正规垃圾堆分布特征，提出了按地域特征勾画样本数据集提取样本数据特征，采用U/Net和Swin Transformer融合模型，以及针对性改进训练流程开展非正规垃圾堆放点信息分类研究。试验以绍兴市越城区、柯桥区和上虞区作为研究区域，利用飞马航测无人机获取航空影像数据，对比分析了本文提出的方法和基于深度学习的典型地物要素提取方法在非正规垃圾堆放点监测上的应用，试验结果表明本文提出的方法准确率提高了1.72倍。
- 基于深度学习的航空装备保障初级指挥专业人才培养探索
- 作者： 王利明 祝华远 纪云飞 马海洋 刘杨 来源： 大学教育 年份： 2023 文献类型 ： 期刊 关键词： 初级指挥 培养方式 深度学习 航空装备保障
- 描述： 该研究基于深度学习理论，从情感、行为、认知3个层面，采取认知重组、联系、反馈、参与、问题、激励、交互、拓展8项策略，构建了以16项教学活动为主体的深度学习策略模型，探索了课程与教学活动相耦合的人才培养方式。教学实践表明，该研究使航空装备保障初级指挥专业人才培养的“指挥管理”特质得到巩固强化。
- 基于Bi/GRU模型的航空发动机外部液压管路故障诊断研究
- 作者： 黄续芳 赵平 冯铃 张丽 来源： 机床与液压 年份： 2023 文献类型 ： 期刊 关键词： 液压管路 故障诊断 深度学习 Bi/GRU模型
- 描述： 针对航空液压管路故障信号含有噪声干扰导致管路故障识别困难的问题，提出一种基于双向门控循环单元(Bi/GRU)的深度学习液压管路故障诊断方法。由Bi/GRU神经网络模型综合液压管路数据进行时序特征提取，基于同一含噪声的液压管路振动实测数据，输入到Bi/GRU、GRU、RNN、SVM、BPNN等5种故障诊断模型中进行训练。最后，为了进一步展示Bi/GRU模型对于航空液压管路不同故障类型特征的学习能力，利用t/SNE降维算法进行液压管路特征可视化。结果表明：基于Bi/GRU航空故障诊断方法能达到99.60%的准确性，明显优于GRU等其他4种神经网络模型，Bi/GRU模型在含有噪声的液压管路数据上具备更出色的特征提取能力，可有效地提取出液压管路故障数据特征，从而实现了液压管路故障的智能化识别。
- 基于关键点检测的航空发动机螺栓安装缺陷自动化检测方法
- 作者： 辛佳雯 王睿 谢艳霞 孙军华 来源： 仪器仪表学报 年份： 2023 文献类型 ： 期刊 关键词： 关键点检测 深度学习 双目立体视觉 缺陷检测
- 描述： 针对航空发动机螺栓存在背景复杂、目标小、且精细特征不明显的问题，本文研究了一种基于关键点检测的航空发动机螺栓安装缺陷的自动化检测方法。首先设计了基于Faster RCNN和改进CPN（AD-CPN）的级联卷积神经网络，实现了图像中螺栓及二维关键点的检测，可判断该螺栓是否脱落、漏装。为进一步检测螺栓的三维安装缺陷，通过欧氏距离选择策略对已检测出的关键点进行双目匹配、筛选以获得检测点对，最后对检测点对三维重构，并计算出螺栓的实际长度，从而判断螺栓是否错装。实验结果表明，相较于CPN,AD-CPN的mAP、AP50、AP75分别提升了2.9%、3.3%、4%;螺栓测量长度的相对平均误差约为3.0%,可见该方法具有较高的缺陷检测准确率，有效保障了航空发动机的安全运行。