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
- 时间域航空电磁激发极化参数正反演研究
- 作者： 满开峰 来源： 吉林大学 年份： 2021 文献类型 ： 学位论文 关键词： 激发极化效应 时间域航空电磁法 三维正反演 深度学习 交错网格有限差分 地球物理电磁勘探 Pearson相关性约束
- 描述： 时间域航空电磁激发极化参数正反演研究
- 民用航空发动机故障诊断与健康管理现状、挑战与机遇Ⅱ：地面综合诊断、寿命管理和智能维护维修决策
- 作者： 曹明 王鹏 左洪福 曾海军 孙见忠 杨卫东 魏芳 陈雪峰 来源： 航空学报 年份： 2023 文献类型 ： 期刊 关键词： 故障融合决策 数字孪生 航空发动机健康管理系统 深度学习 智能视情维护维修 知识图谱 寿命管理
- 描述： 基于民用航空发动机健康管理（EHM）的需求及发展目标，从CBM+全流程的角度分析民用航空发动机健康管理系统应用现状及行业发展趋势，进而总结民用航空发动机健康管理的应用现状及差距、挑战，并指出未来国内需要重点关注的民用发动机EHM研发方向。针对各个EHM功能模块的需求、差距、解决方案进行了深入论证分析，重点讨论了民用发动机EHM“下游”3个模块：地面综合诊断、寿命管理和智能视情维护维修决策的需求、必要性、现状及未来发展趋势和热点技术。
- 基于深度学习的航空发动机可靠性分析
- 作者： 洪骥宇 来源： 南京航空航天大学 年份： 2018 文献类型 ： 学位论文 关键词： 航空发动机 寿命预测 深度学习 性能退化 状态监测 故障分析 可靠性
- 描述： 基于深度学习的航空发动机可靠性分析
- 基于深度学习的SAR图像飞机目标检测与识别
- 作者： 李楚茵 来源： 国防科技大学 年份： 2019 文献类型 ： 学位论文 关键词： 注意力机制 卷积神经网络 飞机检测与识别 合成孔径雷达 深度学习 机场检测
- 描述： 基于深度学习的SAR图像飞机目标检测与识别
- 航空安全事件文本信息关系提取方法的研究
- 作者： 李晗 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 航空安全事件 关系抽取 深度学习 GRU模型 领域本体
- 描述： 航空安全事件文本信息关系提取方法的研究
- 不确定环境下的航空发动机装配线适应性调度方法
- 作者： 王怡琳 刘鹃 乔非 张家谔 来源： 控制与决策 年份： 2023 文献类型 ： 期刊 关键词： 调度规则 航空发动机装配 适应性调度 深度学习 扰动识别 门控循环神经网络
- 描述： 航空发动机装配是航空发动机制造过程的关键环节，其工序多，流程复杂，生产过程中扰动频发，如装配时间波动、不合格返工等。针对不确定环境下的航空发动机装配线的调度问题，本文提出一种基于门控循环神经网络（Gate Recurrent Unit, GRU）的适应性调度方法。该调度方法包含扰动识别和调度规则调整两个部分。扰动识别模块以滑动时间窗口为周期，利用GRU神经网络进行渐进型扰动的识别；调度规则调整模块以扰动识别的结果为触发，通过构建基于GRU神经网络的调度规则决策模型，输出适配当前生产状态的新的调度规则，用以指导生成更新的调度方案。最后，以某航空发动机装配线为研究案例，对本文提出的适应性调度方法进行验证分析，对比实验结果表明，本方法能够有效提升装配线的设备利用率、日均生产率等性能.
- 基于深度特征的民航发动机气路异常检测方法研究
- 作者： 罗辉 来源： 哈尔滨工业大学 年份： 2020 文献类型 ： 学位论文 关键词： 民航发动机 气路异常检测 领域自适应 深度特征 深度学习 迁移学习
- 描述： 基于深度特征的民航发动机气路异常检测方法研究
- 基于深度迁移学习的航空发动机滚动轴承故障智能诊断
- 作者： 张向阳 来源： 南京航空航天大学 年份： 2020 文献类型 ： 学位论文 关键词： 滚动轴承 航空发动机 卷积神经网络 机匣 深度学习 迁移学习 智能诊断
- 描述： 基于深度迁移学习的航空发动机滚动轴承故障智能诊断
- 基于深度学习的航空发动机涡轮叶片自动射线检测技术研究
- 作者： 王栋欢 肖洪 吴丁毅 来源： 推进技术 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 涡轮叶片 射线图像 深度学习 射线检测 缺陷检测
- 描述： 一直以来，航空发动机涡轮叶片的射线检测依靠检验员人工评片。为避免经验差异、眼睛疲劳、标准理解等人为因素影响，有效改善传统射线检测费时费力、效率低下等问题，针对航空发动机涡轮叶片射线图像，基于YOLOv4模型提出了一种双主干特征融合的缺陷自动检测算法（DBFF-YOLOv4）；通过设计包含所有特征映射的新型连接结构搭建缺陷检测颈部网络，建立了适用于涡轮叶片射线图像的缺陷自动检测模型；针对每个缺陷，采用9次裁剪、旋转和亮度增减的图像数据增强方法扩充样本数据，在此基础上进行了模型训练与测试。结果表明，针对完整涡轮叶片，建立的缺陷检测模型在0.5的置信度阈值下可获得96.7%的平均查准率和91.87%的平均查全率，优于通用目标检测算法YOLOv4模型。9次缺陷裁剪、旋转和亮度增减的图像数据增强方法能够显著提高模型的缺陷检测精度（平均精度分别得到了59.19%和2.53%的提升）。该研究为涡轮叶片自动射线检测提供了一种新方法。