航空重力测量与EIGEN-6C4重力场模型在高原地区的符合性分析

作者： 尹伟言   聂晶   赵鑫   来源： 测绘与空间地理信息 年份： 2022 文献类型 ： 期刊 关键词： 向上延拓   EIGEN   航空重力测量   6C4重力场模型   重力异常   符合性  

描述： 利用航空重力测量和EIGEN-6C4重力场模型分别计算了青藏高原局部区域的重力异常，以地面重力测量结果为参照，评估2种计算方法的符合性，结果表明：在局部高原区域，航空重力测量外符合精度约6.64 mGal; EIGEN-6C4重力场模型的计算精度约6.21 mGal。这为航空重力测量在高原地区的精度评定提供了一种方案。

“三全育人”视域下应用型本科院校校企合作实践育人的探索与思考——以湖南科技学院航空服务艺术与管理专业为例

作者： 黄渊基   蔡保忠   王跃   徐蕾   来源： 湖南科技学院学报 年份： 2022 文献类型 ： 期刊 关键词： 产教融合   实践育人   应用型人才培养   校企合作   三全育人   航空服务艺术与管理  

描述： “三全育人”是新时代高等教育改革的重大理论创新和实践要求，实践育人是高校应用型人才培养的关键举措，校企合作和产教融合是推进“三全育人”和实践育人的重要途径。湖南科技学院航空服务艺术与管理专业作为

基于注意力机制和CNN-BiLSTM模型的航空发动机剩余寿命预测

作者： 张加劲   来源： 电子测量与仪器学报 年份： 2022 文献类型 ： 期刊 关键词： 注意力机制   航空发动机   卷积神经网络   剩余寿命   双向长短期记忆网络  

描述： 航空发动机作为飞机的主要动力源，其可靠性是保证飞机安全的关键。剩余使用寿命预测对于提高航空发动机的可用性和降低其寿命周期成本具有重要意义。针对现有的预测算法存在对航空发动机多维数据特征提取不足的问题，提出了一种基于注意力机制的卷积神经网络和双向长短期网络融合模型。首先，采用卷积神经网络提取特征和双向长短期记忆网络获取特征中的长短期依赖关系；其次，使用注意力机制来突出特征中的重要部分，提高模型预测的准确率。为验证所提出方法的有效性，在C-MAPSS数据集上进行了实验。实验表明，模型可以准确地预测出航空发动机的剩余使用寿命，并比传统方法有着更高的预测精度。

基于Multi-Agent的航空装备产业集聚区域供应链协同采购协商模型研究

作者： 汪明   来源： 贵州大学 年份： 2022 文献类型 ： 学位论文 关键词： 支持向量机   供应链   Agent技术   粒子群算法   协商模型  

描述： 基于Multi-Agent的航空装备产业集聚区域供应链协同采购协商模型研究

基于Spatiotemporal Learning的随机模型预测控制方法及其在航空发动机控制中的应用

作者： 陈燃   李渝哲   孙希明   柴天佑   来源： 第33届中国过程控制会议论文集 年份： 2022 文献类型 ： 会议论文 关键词： 随机模型预测控制   航空发动机控制   高斯过程   learning   Spatiotemporal  

描述： 为了处理模型不确定性的问题,大量的随机模型预测控制方法假设不确定性遵循给定的统计分布用于解决随机最优控制问题。然而,在实际场景中,取决于某些超参数的模型不确定性统计特性可能在跟随时间和空间上的变化。在航空发动机控制应用中,在不同的运行条件下可能会出现不同类型的不确定性,例如动态变化的飞行高度和马赫数。传统上,随机模型预测控制方法可能无法直接处理这些类型的不确定性。因此,在本文中,我们提出了一种基于Spatiotemporal Learning的随机模型预测控制算法,通过构建时空高斯过程来逼近基于测量数据的不确定性,来研究具有动态变化不确定性的随机最优控制问题。由于时空高斯过程可能难以用长处理时间序列评估,我们提出了高斯过程的状态空间表示,以采用计算有效的卡尔曼滤波和平滑方法。然后,我们通过参数化控制器并重新制定成本和机会约束来推导出计算上易于处理的控制策略,并明确分析相应的递归可行性和闭环稳定性。最后,将所提出的算法应用于航空发动机的压气机喘振控制,并与其他模型预测控制方法进行了比较,证明了我们方法的有效性。

基于Multi-Agent的航空装备产业集聚区域供应链协同采购协商模型研究

作者： 汪明   来源： 贵州大学 年份： 2022 文献类型 ： 学位论文 关键词： 支持向量机   供应链   Agent技术   粒子群算法   协商模型  

描述： 基于Multi-Agent的航空装备产业集聚区域供应链协同采购协商模型研究

基于Spatiotemporal Learning的随机模型预测控制方法及其在航空发动机控制中的应用

作者： 陈燃   李渝哲   孙希明   柴天佑   来源： 第33届中国过程控制会议论文集 年份： 2022 文献类型 ： 会议论文 关键词： 随机模型预测控制   航空发动机控制   高斯过程   learning   Spatiotemporal  

描述： 为了处理模型不确定性的问题,大量的随机模型预测控制方法假设不确定性遵循给定的统计分布用于解决随机最优控制问题。然而,在实际场景中,取决于某些超参数的模型不确定性统计特性可能在跟随时间和空间上的变化。在航空发动机控制应用中,在不同的运行条件下可能会出现不同类型的不确定性,例如动态变化的飞行高度和马赫数。传统上,随机模型预测控制方法可能无法直接处理这些类型的不确定性。因此,在本文中,我们提出了一种基于Spatiotemporal Learning的随机模型预测控制算法,通过构建时空高斯过程来逼近基于测量数据的不确定性,来研究具有动态变化不确定性的随机最优控制问题。由于时空高斯过程可能难以用长处理时间序列评估,我们提出了高斯过程的状态空间表示,以采用计算有效的卡尔曼滤波和平滑方法。然后,我们通过参数化控制器并重新制定成本和机会约束来推导出计算上易于处理的控制策略,并明确分析相应的递归可行性和闭环稳定性。最后,将所提出的算法应用于航空发动机的压气机喘振控制,并与其他模型预测控制方法进行了比较,证明了我们方法的有效性。