【摘 要】
：
飞机起飞前巡检是飞机安全保障必要程序,快速完成飞机飞行前的飞控系统健康检查,是提高飞机放飞架次的重要因素,然而飞机飞控系统越来越复杂,飞控系统健康的定位越来越难和排故时间越来越长。对飞机飞行前的故障检测方法的研究,提高飞机故障检测准确率和检测效率,有着重要意义。针对飞机飞控系统的飞行前故障检测技术,本文开展了飞控系统健康管理相关理论研究与应用系统工程实现。本文具体的研究及工作内容如下:（1）针对传
论文部分内容阅读
飞机起飞前巡检是飞机安全保障必要程序,快速完成飞机飞行前的飞控系统健康检查,是提高飞机放飞架次的重要因素,然而飞机飞控系统越来越复杂,飞控系统健康的定位越来越难和排故时间越来越长。对飞机飞行前的故障检测方法的研究,提高飞机故障检测准确率和检测效率,有着重要意义。针对飞机飞控系统的飞行前故障检测技术,本文开展了飞控系统健康管理相关理论研究与应用系统工程实现。本文具体的研究及工作内容如下:（1）针对传统故障排算法不能区分故障的特征重要度,和故障检测准确率,提出了改进的支持向量机故障检测算法。通过改进传统的支持向量机故障检测模型,设计了针对飞机飞控系统故障检测模型,并仿真验证了算法模型性能。（2）针对飞行参数据特征排序问题,研究了梯度提升树故障检测算法。对飞行前故障检测数据样本集进行数据编码,特征排序和特征选择的模型设计。结合提取出的特征,构建基于梯度提升树支持向量机故障检测模型,并开展了模型的仿真验证。（3）研究了人工智能开发工具,完成了飞机飞行前故障检测系统的设计与实现。本文基于Python语言、软件工程技术和设计模式,开展了某飞机飞行前飞控系统故障检测系统的设计与仿真测试验证。本文利用提出的算法模型,开展具体工程中的仿真验证,其故障检测准确度达到88.42%,高于传统判故能力。本系统已应用于某飞机的故障专家诊断系统中,取得了良好的应用效果。
其他文献
随着智能交通的不断发展,车载自组织网络在提高道路安全、实时数据收集、自动化控制、智能收费、增强导航以及一些特定的位置服务、音视频传输、娱乐服务、车内办公等各方各面都发挥着至关重要的作用。然而由于车辆的快速移动性,车载自组织网络的拓扑和网络情况会时刻发生改变,导致其路由存在两个方面的问题:一是在单播路由情况下,车载自组织网络的动态变化性易导致网络环境复杂,消息传输时延增加,同时车辆的快速移动性会造成
文本信息是图像中的重要线索,检测图像中的文本是智能信息处理的重要课题之一。传统的文本检测任务通常是用来提取文档图像中的文字。因为文档的背景一般比较干净、没有复杂的纹理信息,文本信息提取往往比较简单,然而在自然场景下,文本提取的难度往往远大于此,一个原因是它的背景非常丰富,例如街道、植被、楼宇等,另外文字的展现形式也是各种各样,艺术字、变形字、多语言混合、残缺字、光影遮蔽等,而且自然场景图片的质量往
多标签图像是指一张图像中含有多个关注对象的图像,对于多标签图像的研究主要是多标签图像分类。多标签图像分类目前存在的问题主要是分类精度和分类时间没办法有很好的平衡,并且模型的适应能力较差。多标签图片学习目前主要的方向是问题转换和模型适配,问题转换主要是在思想和策略上进行优化,模型适配是通过改变模型的结构来适应多标签,为了得到更强泛化能力的模型,本文在多标签图像分类中开展了详细的研究,主要贡献如下:（
肺癌是全人类一直无法攻克的医学界难题,其极高的发病率和死亡率对人们的身体健康有着巨大的危害。专家研究表示,为了有效地治疗肺癌,提升患者的存活率,可以利用计算机辅助诊断技术来辅助医生进行肺结节的良恶性诊断,该方式明显提升了肺癌早期筛查的准确率和医生的工作效率。随着人工智能的迅猛发展,基于深度学习的计算机辅助诊断技术在医疗诊断领域表现出了强大的生命力和明显的优势。针对肺结节的良恶性辅助诊断,本文在分析
在互联网行业不断发展的背景下,世界各个领域也都开始应用网络技术来创造一个更好的发展环境,同时这为行业发展带来了新的销售与生产革命机会。电子商务不仅使客户与商家之间从实体消费模式过渡到线上商务营销模式,移动互联网的异军突起和相关技术的成熟,使得更多的企业开始通过移动平台来获取客户,从而企业实体店面的营销成本得到有效降低。中小店家在移动互联网的发展的大趋势下,迫切需要一套能够对商品在线平台进行管理的系
行人检测是一种特殊的目标检测任务,它的检测对象为行人,是一个二分类的检测任务。行人检测任务中存在三个关键问题——多尺度问题、遮挡问题和光照问题。目标检测算法的准确率往往与目标的在图片中的尺度有关,大多数目标检测算法对小目标的准确率都较低。当物体发生遮挡时,一方面,物体的轮廓、边缘等特征会被改变,另一方面,物体的特征会重叠在一起难以区分,从而导致误检和漏检。当光照条件比较极端时,可见度较低,这也会导
深度神经网络（deep neural networks,DNNs）在自然语言处理（natural language processing,NLP）的各个领域特别是情感分析领域已经取得了广泛的应用。DNNs具有特征自学习能力,特别适合学习文本抽象、高维和复杂的语义特征。DNNs具有海量的训练参数,其决策过程具有难以理解的黑盒性,而具有可解释性的模型不仅容易改进,也更容易被使用者理解和信任。为此,本文
5G技术和IPv6技术的深度融合和应用普及,使IP地址资源紧张的局面得到明显改善,网络中业务类型和数据流量急剧上升。然而,随着网络规模不断地扩张,网络结构也变得非常复杂,异常流量不断增多,这给网络监控带来了极大挑战。现有的网络监控技术存在着异常流量监测困难、网络数据包获取不完整等问题,远远无法达到细粒度网络监控的要求。基于此,本文提出轻量级细粒度网络流量监控机理和方法,用于监控网络的实时状态,当网
随着互联网行业的蓬勃发展,通过恶意网页进行的网络安全攻击也越来越多,严重威胁网络空间安全。基于深度学习的恶意网页方法能够检测出添加了混淆的url链接,但是url文本和常规的文本不太类似,url文本非常嘈杂,影响神经网络模型的分类效果。所以为了提升神经网络模型分类url链接的效果,和增加对短连接、ip等无词法特征的url链接的检测,本文提出了基于混合嵌入的恶意url链接检测算法和基于网页文本分类的恶
大数据快速发展的今天,庞大的数据量已经让不少人看到了其中的价值。在寻找、发现、获取大数据所蕴含价值的过程中,人们采集、存储、整理、计算、分析数据,以求由结果得出某种启发、规律,进而对数据价值加以创造利用。但若数据的分析结果仍然以数字、表格或文字方式展示,既不便于用户阅读,也不利于有效地暴露数据的隐藏信息。为了更直观、友好地展示数据,数据可视化技术不断发展,通过点线面构成图形将信息组织起来,用静态或