基于多结构卷积神经网络的高分遥感影像飞机目标检测

作者： 姚相坤   万里红   霍宏   方涛   来源： 计算机工程 年份： 2017 文献类型 ： 期刊 关键词： 特征提取   卷积神经网络   多结构网络   目标检测   高分遥感影像  

描述： 传统的遥感影像目标检测方法大多利用人工提取特征,难以用于背景复杂的高分辨率遥感影像。针对该问题,构建一种多结构卷积神经网络模型(MSCNN)自动学习目标特征。通过改变卷积滤波器尺寸、数量以及网络层数,分别设计4种不同结构的CNN以提取目标从低层、中层到高层不同尺度的特征信息,并将4种CNN输出采用串行方式连接并输入到BP神经网络分类器进行训练。在检测阶段采用滑动窗口方法进行目标搜索。对高分辨遥感影像中飞机的检测实验结果表明,MSCNN在虚警率和召回率上较4种单一结构的CNN具有明显的检测优势,召回率平均提升6%,虚警率平均降低3%。对油罐的检测结果进一步表明,MSCNN可以推广到对遥感影像其他目标的检测。

基于深度神经网络的遥感图像飞机目标检测

作者： 李文斌   何冉   来源： 计算机工程 年份： 2021 文献类型 ： 期刊 关键词： 遥感图像   卷积神经网络   目标检测   密度聚类   像素级标签  

描述： 。实验结果表明,DC-DNN模型对于遥感图像飞机目标检测的准确率、召回率和F1值分别为95.78%、98.98%和0.973 5,相比WS-DNN、R-FCN等模型具有更好的检测性能和泛化能力。

基于深度神经网络的遥感图像飞机目标检测

作者： 李文斌   何冉   来源： 计算机工程 年份： 2021 文献类型 ： 期刊 关键词： 遥感图像   卷积神经网络   目标检测   密度聚类   像素级标签  

描述： 。实验结果表明,DC-DNN模型对于遥感图像飞机目标检测的准确率、召回率和F1值分别为95.78%、98.98%和0.973 5,相比WS-DNN、R-FCN等模型具有更好的检测性能和泛化能力。

改进的智能飞机牵引车路径导航纯追踪算法

作者： 张攀   柳阳   刘新杰   张威   来源： 计算机工程 年份： 2019 文献类型 ： 期刊 关键词： 偏差统计   路径导航   纯追踪算法   智能飞机牵引车   自动控制  

描述： 为了提高飞机地面自动牵引滑行导航控制系统的精度,提出一种改进的纯追踪算法。基于纯追踪算法对飞机牵引车系统的路径进行跟踪控制,将简化的两轮模型作为其运动学模型。融合经典纯追踪算法及改进算法确定新的预测目标点,以减少轨迹误差。采用偏差统计的方法实现不同预测距离下最优融合系数的选择,提高控制精度。仿真结果表明,该算法的路径轨迹误差控制在0.5 m范围内,满足飞机自动牵引滑行的精度要求,验证了其可行性和有效性。

改进的智能飞机牵引车路径导航纯追踪算法

作者： 张攀   柳阳   刘新杰   张威   来源： 计算机工程 年份： 2019 文献类型 ： 期刊 关键词： 偏差统计   路径导航   纯追踪算法   智能飞机牵引车   自动控制  

描述： 为了提高飞机地面自动牵引滑行导航控制系统的精度,提出一种改进的纯追踪算法。基于纯追踪算法对飞机牵引车系统的路径进行跟踪控制,将简化的两轮模型作为其运动学模型。融合经典纯追踪算法及改进算法确定新的预测目标点,以减少轨迹误差。采用偏差统计的方法实现不同预测距离下最优融合系数的选择,提高控制精度。仿真结果表明,该算法的路径轨迹误差控制在0.5 m范围内,满足飞机自动牵引滑行的精度要求,验证了其可行性和有效性。

改进的智能飞机牵引车路径导航纯追踪算法

作者： 张攀   柳阳   刘新杰   张威   来源： 计算机工程 年份： 2019 文献类型 ： 期刊 关键词： 偏差统计   路径导航   纯追踪算法   智能飞机牵引车   自动控制  

描述： 为了提高飞机地面自动牵引滑行导航控制系统的精度,提出一种改进的纯追踪算法。基于纯追踪算法对飞机牵引车系统的路径进行跟踪控制,将简化的两轮模型作为其运动学模型。融合经典纯追踪算法及改进算法确定新的预测目标点,以减少轨迹误差。采用偏差统计的方法实现不同预测距离下最优融合系数的选择,提高控制精度。仿真结果表明,该算法的路径轨迹误差控制在0.5 m范围内,满足飞机自动牵引滑行的精度要求,验证了其可行性和有效性。

面向航空信息网络的控制器可靠性部署方法研究

作者： 高航航   王翔   赵尚弘   彭聪   来源： 计算机工程 年份： 2019 文献类型 ： 期刊 关键词： 粒子群算法   航空信息网络   软件定义网络   网络可靠性   控制器部署  

描述： 在软件定义航空信息网络架构中，针对控制平面可扩展性问题提出一种多控制器部署方案，该方案包括集群域划分和域内部署控制器两个阶段。在集群域划分阶段，针对K-means算法初始聚心不稳定这一缺点，文中提出一种基于离散因子的改进K-means算法将航空信息网络划分为多个航空集群域；在域内部署阶段，以网络控制路径故障率最小为目标，采用一种离散粒子群优化算法对控制器进行部署，以此获得对网络的有效管控。仿真结果表明，本文所提方案在对航空信息网络合理划分的同时也保证了各控制器间的负载均衡，与其他部署方案相比，文中采用的离散粒子群优化算法能够有效地降低控制路径的故障率，为解决动态及大规模网络下的多控制器部署问题提供了一种新思路。

基于FCN与CNN的遥感影像飞机目标检测方法

作者： 李文斌   何冉   来源： 计算机工程 年份： 2020 文献类型 ： 期刊 关键词： FCN   遥感图像   CNN   目标检测   像素级标签  

描述： 进行抑制；使用图像级标签代替目标级标签进行CNN训练、以及使用图像的CNN底层特征图制作像素级标签来训练FCN。实验表明，本模型获得了95.78%的准确率、98.98%的召回率、0.9735的F1分数，具有优异的检测性能和良好的泛化能力。

基于深度学习的航空传感器故障诊断方法

作者： 郑晓飞   郭创   姚斌   冯华鑫   来源： 计算机工程 年份： 2018 文献类型 ： 期刊 关键词： 信号重构   故障诊断   深度学习   航空传感器   深度置信网络   故障隔离  

描述： 为解决传统神经网络进行传感器故障诊断时存在的过拟合、泛化能力有限等问题,提出一种基于深度置信网络观测器的航空传感器故障诊断方法。利用深度置信网络替代浅层神经网络,在优化网络结构的基础上,给出深度置信网络隐层节点数选取的递推公式,构建深度置信网络状态观测器。离线训练时,利用飞行数据训练深度置信网络观测器。在线诊断时,通过比较观测器输出值与实际输出值判断故障类型,并给出3种故障隔离与信号重构方法。仿真结果表明,与BP神经网络观测器相比,该方法能够快速准确地进行故障诊断与隔离,并且完成信号重构。

LSSVM与HMM在航空发动机状态预测中的应用研究

作者： 崔建国   高波   蒋丽英   于明月   郑蔚   来源： 计算机工程 年份： 2018 文献类型 ： 期刊 关键词： 隐马尔科夫模型   状态预测   航空发动机   最小二乘支持向量机   小波包分解   振动信号   降噪  

描述： 传统单一的状态预测方法难以精确预测航空发动机状态的缺陷,而最小二乘支持向量机(LSSVM)具有较强的非线性预测能力和泛化能力,可以有效地对信号进行非线性预测,隐马尔科夫模型(HMM)有利于处理连续的动态信号,能够精确计算出似然度概率。提出一种结合LSSVM与HMM的状态预测方法。利用提升小波函数全阈值降噪法对采集的振动信号进行降噪,采用小波包分解提取有效的特征,选择不同状态下的特征量训练多个HM M模型,并通过此模型对未知信号特征量以及LSSVM预测的特征量进行状态监测,从而预测出发动机未来时刻的状态以及状态的退化趋势。实验结果表明,该方法的预测准确率达到92%以上,能够有效地预测航空发动机的状态情况。