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
- 多电飞机电动水平安定面作动系统体系架构设计及评估
- 作者： 马浩林 付剑 张文森 郑超群 来源： 航空科学技术 年份： 2024 文献类型 ： 期刊 关键词： 水平安定面作动器 冗余配置 架构设计 轻量化 传力路径
- 描述： 指标，导致新产品开发周期长、可靠性不高、设计裕量大。针对这一问题，从轻量化指标出发，本文提出了一套系统性的架构设计及评估方法。该方法从系统余度架构设计开始，利用启发式算法确定系统余度数目及余度方案配置
- 飞机发动机短舱降载轻量化设计方法研究
- 作者： 舒恪晟 陈李 来源： 飞机设计 年份： 2024 文献类型 ： 期刊 关键词： 强度分析 降载 飞机发动机短舱 柔性连接 轻量化
- 描述： 析方法，建立了短舱传递和不传递发动机扭矩的两种结构形式，并对短舱参与传载比例进行了计算分析，最终通过试验验证了轻量化新结构形式的有效性，实现了基于柔性连接结构设计技术的发动机短舱降载轻量化目标，为进一步工业化、批产化提供技术支持。
- 超大规模线列红外焦平面杜瓦封装关键技术研究
- 作者： 李俊 来源： 中国科学院大学(中国科学院上海技术物理研究所) 年份： 2021 文献类型 ： 学位论文 关键词： 杜瓦封装 红外焦平面 超大规模线列 深低温 轻量化
- 描述： 超大规模线列红外焦平面杜瓦封装关键技术研究
- 超大规模线列红外焦平面杜瓦封装关键技术研究
- 作者： 李俊 来源： 中国科学院大学(中国科学院上海技术物理研究所) 年份： 2021 文献类型 ： 学位论文 关键词： 杜瓦封装 红外焦平面 超大规模线列 深低温 轻量化
- 描述： 超大规模线列红外焦平面杜瓦封装关键技术研究
- 基于全向移动的多自由度飞机发动机拆装车的研究
- 作者： 王凯强 来源： 扬州大学 年份： 2018 文献类型 ： 学位论文 关键词： 飞机发动机拆装车 有限元分析 结构设计 全向移动 轻量化
- 描述： 基于全向移动的多自由度飞机发动机拆装车的研究
- 基于仿生轻质结构的飞行器结构件优化及其力学性能研究
- 作者： 张鹏飞 来源： 南京航空航天大学 年份： 2019 文献类型 ： 学位论文 关键词： 仿生网格结构 级间段 优化设计 轻量化 有限元仿真
- 描述： 基于仿生轻质结构的飞行器结构件优化及其力学性能研究
- 基于全向移动的多自由度飞机发动机拆装车的研究
- 作者： 王凯强 来源： 扬州大学 年份： 2018 文献类型 ： 学位论文 关键词： 飞机发动机拆装车 有限元分析 结构设计 全向移动 轻量化
- 描述： 基于全向移动的多自由度飞机发动机拆装车的研究
- 基于仿生轻质结构的飞行器结构件优化及其力学性能研究
- 作者： 张鹏飞 来源： 南京航空航天大学 年份： 2019 文献类型 ： 学位论文 关键词： 仿生网格结构 级间段 优化设计 轻量化 有限元仿真
- 描述： 基于仿生轻质结构的飞行器结构件优化及其力学性能研究
- A deep learning-based technique for firm classification and domain adaptation in land cover classification using time-series aerial images
- 作者： Kalita Indrajit Chakraborty Shounak Reddy Talla Giridhara Ganesh Roy Moumita 来源： Earth Science Informatics 年份： 2023 文献类型 ： 期刊 关键词： Convolutional Series images LSTMs Attention adaptation Time datasets mechanism Domain temporal multi
- 描述： In this manuscript, a novel framework has been presented for firm classification of a geographical area based on spatial as well as time-series analysis of multi-temporal very high resolution (VHR) satellite images. For this dual objective, an attention-based deep learning mechanism combined with the capabilities of convolutional-recurrent neural networks has been investigated for this purpose. The proposed classification strategy is introduced as ‘firm’ since it allows the classifier to assign only one class label to a multi-temporal image stack of co-registered images, as opposed to multiple. This technique ascertains the land-cover class by taking into consideration the geophysical changes on a landmass and thus outsmarting the conventional techniques relying on the visual interpretation of a single image. The attention mechanism focuses on the important portions of the image scene while the convolutional long short-term memory neural networks exploit the temporal dependencies on the time-series image scenes. Moreover, an adaptive land cover classification scheme, considering the features extracted from the proposed classification approach has been explored for more robust time-series based firm classification. To assess the performance of the proposed schemes, the experiments have been conducted on the two novels VHR multi-temporal land cover classification datasets. The investigated models have been shown to have the capacity to outperform the other state-of-the-art techniques under non-adaptive as well as adaptive scenarios using the multi-temporal images captured over disjoint geographical locations.