排序方式: 共有7条查询结果,搜索用时 171 毫秒
1
1.
2.
3.
4.
针对隐马尔科夫模型(HMM)不能实时更新的问题,提出一种基于增量学习-隐马尔科夫模型(IL-HMM)的目标机动动作识别和预测方法,并构建了基于目标机动识别的意图威胁分析方法。HMM能够较好地处理时间序列问题,增量学习提供了一种解决数据更新的方法,将HMM与增量学习相结合,使得模型训练延伸至全过程,从而提高模型的识别率。空中目标三维运动是关于方向状态与动作状态的HMM过程,通过观测目标的方向状态,识别出当前动作状态,并进行轨迹预测,对目标的意图威胁进行分析。仿真试验表明了动作识别的准确性,同时通过对比传统HMM与IL-HMM识别的精度,验证了所提方法的可靠性。 相似文献
5.
6.
7.
为了完善航空发动喘振故障研究和加速发动机技术快速成熟,通过分析喘振原因及其影响因素,建立故障树,将喘振影
响因素分为调节机构、进气扰动、主机性能及主机结构4个模块。以故障树及4个模块为依据,并综合考虑零部件发生故障概率和
维护工作难易程度,提出一种喘振故障外场诊断方法,制定排故流程以及与4个模块相对应的排故子流程,将排故流程模块化。
诊断方法已应用于外场用户的使用维护中,通过该方法,可将喘振故障快速定位于4个模块中的1个,进而根据该模块及其排故子
流程进行故障排查及处理。结果表明:该方法有效可行,能够大幅提高喘振故障的排查效率,并大量节约了航空发动机在外场中
的使用维护成本。 相似文献
1