...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Aerospace science and technology >An application of Deep Neural Networks to the in-flight parameter identification for detection and characterization of aircraft icing
【24h】

An application of Deep Neural Networks to the in-flight parameter identification for detection and characterization of aircraft icing

机译：深度神经网络在用于飞机结冰检测和特征化的飞行参数识别中的应用

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper applies the Deep Neural Networks to the in-flight parameter identification for detection and characterization of the aircraft icing. General dynamics of the aircraft are firstly presented, ice effects on the dynamics are characterized. Deep Neural Networks (DNNs) including Convolutional Neural Network (CNN) and Recurrent Neural Network (RNN) are briefly introduced. We propose a "state-image" approach for the pre-processing of the input flight state, then we design a DNN structure which models both local connectivity (using CNN) and temporal characteristics (using RNN) of the flight state. The identified parameters are exported from the DNN output layer directly. To fully evaluate the performance of the DNN-based approach, we conduct simulation tests for different cases which correspond to clean and aircraft icing at different locations (wing, tail, wing and tail) with different severities (moderate, severe). A comparison of the DNN-based approach with a baseline H-infinity-based identification algorithm (state-of-the-art for aircraft icing) is also delivered. Based on the test and comparison results, the DNN-based approach yields more accurate identification performance for more parameters, which shows promising applicability to the in-flight parameter identification problem. (C) 2018 Elsevier Masson SAS. All rights reserved.
机译：本文将深度神经网络应用于飞行中的参数识别，以检测和表征飞机的结冰情况。首先介绍了飞机的一般动力，并描述了冰对动力的影响。简要介绍了包括卷积神经网络（CNN）和递归神经网络（RNN）的深度神经网络（DNN）。我们为输入飞行状态的预处理提出了一种“状态图像”方法，然后设计了一个DNN结构，该结构对飞行状态的本地连通性（使用CNN）和时间特征（使用RNN）进行建模。识别出的参数直接从DNN输出层导出。为了全面评估基于DNN的方法的性能，我们针对不同情况进行了模拟测试，这些情况对应于在不同位置（中度，重度）的不同位置（机翼，机尾，机翼和机尾）结冰和飞机结冰。还提供了基于DNN的方法与基于基线H-无穷大的识别算法（飞机结冰的最新技术）的比较。基于测试和比较结果，基于DNN的方法可对更多参数产生更准确的识别性能，这显示了对飞行中参数识别问题的有希望的适用性。 （C）2018 Elsevier Masson SAS。版权所有。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号