通用航空训练飞行发动机数据异常检测初探

作者： 王翔   来源： 内燃机与配件 年份： 2022 文献类型 ： 期刊 关键词： 深度学习   训练飞行   异常检测  

描述： 大型运输机发动机的健康管理研究较为广泛,相对于运输航空,针对通用航空领域以训练飞行为主的小型教练机发动机的异常检测技术还不够成熟。训练飞行具有飞行模式固定,起降频次较高,信息数据结构简单的特点,更适合引入深度学习对其进行建模分析。本文归纳了当前主流的几种深度异常检测模型,从原理、计算复杂度和优缺点三个角度进行分析。为通用航空训练飞行的教练机发动机的异常检测研究提供可行的研究思路。

基于Transformer的多特征融合的航空发动机剩余使用寿命预测

作者： 马依琳   陶慧玲   董启文   王晔   来源： 华东师范大学学报(自然科学版) 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机   Transformer   深度学习   剩余使用寿命  

描述： 发动机作为飞机的核心部件,对飞机运行起着至关重要的作用.对航空发动机做准确的剩余使用寿命预测,能够提前进行维护诊断,预防重大事故的发生,节约维护成本.针对现有的方法缺乏对不同时间步长的考虑以及不同传感器和操作条件之间关系的研究,提出了一种基于Transformer的多编码器特征输出融合的航空发动机剩余使用寿命预测方法.该方法选取两个不同时间长度的输入数据,使用排列熵对传感器之间的关系进行分析,并将操作条件数据独立提取特征.在广泛使用的航空发动机CMAPSS(Commercial Modular Aero-Propulsion System Simulation)数据集上进行了实验验证.实验结果表明,该方法优于现有的先进预测方法,可有效提高预测精度.

旋转式航空重力梯度仪动态测量误差传递模型与事后误差补偿

作者： 程一   李桐林   周帅   来源： 地球物理学报 年份： 2022 文献类型 ： 期刊 关键词： 误差传递模型   事后误差补偿   深度学习   重力梯度仪  

描述： 航空重力梯度测量技术可快速、高效地完成面积性重力梯度数据采集工作，在矿产资源勘查、军事目标探测等诸多科学领域具有广泛的应用.而航空重力梯度动态测量误差补偿方法是重力梯度动态测量数据处理中的一项重要工作.本文首先对旋转式重力梯度仪误差传递机理进行了定量分析，在综合考虑重力梯度仪系统非理想因素相互作用的情况下，建立了多种非理想因素与外部动态运动参数相耦合的误差传递模型；其次，提出了基于数据驱动的深度学习方法对航空动态测量误差进行补偿，并基于误差传递传递模型建立仿真数据样本集验证了方法的有效性；最后，通过航空重力梯度仪实测数据的处理和应用，验证了本文建立事后误差补偿方法的泛化性，进一步验证了本文建立方法在航空动态测量噪声抑制中的实用性，为航空重力梯度动态测量数据的处理提供技术储备.

基于深度学习的航空器场面轨迹预测

作者： 李雪   何元清   胡耀   来源： 现代计算机 年份： 2022 文献类型 ： 期刊 关键词： 长短期记忆网络   深度学习   轨迹预测  

描述： 轨迹预测研究是安全高效控制场面滑行的重要基础，在路由规划，风险预警，航班次序，重要节点的时间安排等都能起到重要作用。利用深度学习中循环神经网络的长期记忆性特点，对航空器场面历史数据进行分析和预处理，设定网络模型参数，构建轨迹预测模型，提出了一种基于深度学习的航空器场面滑行轨迹预测方法。结合场面航空器运动状态的变化，改进长短期记忆网络的隐藏层结构，实现对航空器场面轨迹的中期预测。

基于Transformer的航空目标检测算法

作者： 季长清   高志勇   秦静   汪祖民   来源： 无线电工程 年份： 2023 文献类型 ： 期刊 关键词： 倾斜目标   Transformer   深度学习   航空检测  

描述： 近几年，基于深度学习的目标检测算法在航空图像检测任务中得到了广泛的应用。针对传统的水平目标检测算法无法定位航空图像中大量密集排列的倾斜目标的问题，提出了TF-BBAVectors模型算法来实现航空图像中倾斜目标的检测任务。首先，为了避免深度卷积神经网络带来的网络退化等问题使用Transformer结构搭建特征提取网络；其次，针对密集地、小尺度图像目标的问题，采用多尺度特征融合的方法提升检测效果；最后针对倾斜目标检测的问题，通过边界框边缘感知向量表示任意角度的倾斜目标。在DOTA 1.0和SSDD+数据集上的部分测试结果表明，此方法的平均精度分别为72.39%和79.98%，证明了TF-BBAVectors模型算法的有效性。

一种结合非顶层特征图和自适应阈值的飞机目标检测算法

作者： 谭振宇   江刚武   刘建辉   来源： 测绘科学技术学报 年份： 2020 文献类型 ： 期刊 关键词： R   RPN网络   目标检测   Faster   CNN模型   飞机   特征图  

描述： 一种结合非顶层特征图和自适应阈值的飞机目标检测算法

一种RetinaNet与SE融合的航空取证目标检测算法

作者： 刘克   潘广煜   郑大国   顾佼佼   孟春英   来源： 现代防御技术 年份： 2022 文献类型 ： 期刊 关键词： 数据均衡   目标检测   航空取证   SE模块   通道注意力   RetinaNet  

描述： 针对在开展航空侦察取证时缺乏自动化、智能化取证手段的情况，提出了一种基于RetinaNet与SE融合的航空取证目标检测算法，解决目标尺度变化大、数据集中类别不均衡的问题，并通过SE(squeeze-excitations)模块引入注意力机制进一步改进性能。该改进算法中的特征金字塔网络FPN可有效应对目标尺寸变化较大问题，Focal Loss可有效应对数据均衡性问题，SE模块引入通道注意力机制对特征图进行加强，可进一步利用提取的通道间相关性增强有效特征并抑制无效特征。通过仿真实验，验证了算法能够在增加少量计算条件下提高目标检测准确率，进一步增强模型的表征能力，有效提高目标检测效率，可为相关工程应用提供参考。

遥感图像飞机目标分类的卷积神经网络方法

作者： 周敏   史振威   丁火平   来源： 中国图象图形学报 年份： 2017 文献类型 ： 期刊 关键词： 卷积神经网络   深度学习   可见光遥感   飞机   分类  

描述： 分类问题。方法在缺乏公开数据集的情况下,收集了真实可见光遥感图像中的8种飞机数据,按大致4∶1的比例分为训练集和测试集,并对训练集进行合理扩充。然后针对遥感图像与飞机分类的特殊性,结合深度学习卷积

基于深度学习的离场航空器滑行时间预测（英文）

作者： 李楠   焦庆宇   朱新华   王少聪   来源： Transactions of Nanjing University of Aeronautics and Astronautics 年份： 2021 文献类型 ： 期刊 关键词： 卷积神经网络   场面运行   滑行时间   深度学习   航空运输  

描述： 随着航班数量的不断增加,机场协同决策系统(Airport collaborative decision-making,A-CDM)的使用也越来越广泛。滑行时间预测的准确性对A-CDM计算离场航空器起飞排序队列和给出准确的撤轮挡时间具有重要的作用。本文提出一种基于时间-空间-环境数据的深度学习模型(Spatio-temporal-environment deep learning model,STEDL)来提高滑行时间预测的准确性。该模型由时间-流量变量(机场实际容量,场面航空器数量,时间段)、空间变量(滑行距离)、外部环境变量(天气,流控信息,跑道运行模式,机型)3部分组成。使用STEDL模型对香港机场离场航空器滑行时间进行预测验证。实验结果显示,STEDL模型预测准确率为95.4%,预测精度明显优于其他机器学习算法。

光学遥感图像中的飞机目标检测技术研究综述

作者： 祝文韬   谢宝蓉   王琰   沈霁   朱浩文   来源： 计算机科学 年份： 2021 文献类型 ： 期刊 关键词： 机器学习   光学遥感图像   深度学习   飞机目标检测   模板匹配  

描述： 光学遥感图像中的飞机目标检测技术已被广泛应用于城市规划、航空交通以及军事侦察领域。目前尽管已有大量研究,但仍然存在很多问题亟待解决。文中回顾了该技术研究现状,并从遥感图像目标检测思路出发,将飞机目标检测方法总结为3类,对这3类检测方法的概念和研究情况分别进行了阐述,并在此基础上进行了比较分析,重点研究了深度学习方法在该领域的研究情况并讨论了样本和数据集问题,最后讨论了飞机目标检测的关键技术难点,并对该领域的未来发展趋势做了展望。