XiaoMi-AI文件搜索系统
World File Search System飞机蒙皮
基于深度学习的飞机蒙皮内部情况识别
飞机蒙皮是飞机的重要组成部分，其完整性影响着飞机的飞行性能和安全性能。以超声无损检测为核心的损伤检测技术在飞机蒙皮损伤检测中发挥了重要作用。由于飞机蒙皮检测难度大，单纯依靠超声A扫设备检测效率很低，引入人工智能可以有效提高检测效率。本文建立了一维卷积神经网络与单发多框检测器网络，在SSD网络基础上利用空洞卷积提高超声探头的实时跟踪，同时引入1DCNN对超声A扫信号进行分类，最后将二者的检测结果结合起来实现对飞机蒙皮内部状况的反映。经测试，该算法可以识别蒙皮模拟试件，其识别准确率为96.5%，AP为90.9%，kappa值为0.996。将改进的SSD网络与SSD、YOLOv3、Faster R-CNN等网络进行对比，结果表明本文采用的改进网络更加优秀、有效；同时研究了四类优化算法、五种学习率的检测效果，最终得出对应的信号分类模型采用Adam，学习率为0.0001时效果最好。
基于深度学习的飞机蒙皮内部状态识别
飞机蒙皮是飞机的重要部件，其完整性影响着飞机的飞行性能和安全性能。以超声无损检测为核心的损伤检测技术在飞机蒙皮损伤检测中发挥了重要作用。由于飞机蒙皮检测难度大，单纯依靠超声A扫设备检测效率很低。引入人工智能可以有效提高检测效率。本文建立了一维卷积神经网络和单发多框检测器网络，在SSD网络的基础上，利用空洞卷积提高超声探头的实时跟踪。同时引入1DCNN对超声A扫信号进行分类。最后将二者的检测结果结合起来，实现对飞机蒙皮内部状况的反映。经测试，该算法能够对皮肤模拟标本进行识别，其识别准确率为96.5%，AP为90.9%，kappa值为0.996。将改进的SSD网络与SSD、YOLOv3、Faster R-CNN等网络进行比较，结果表明本文采用的改进网络更加优秀、有效。同时研究了4类优化算法、5种学习率的检测效果，最终对应的信号分类模型采用Adam，学习率为0.0001时效果最好。
飞机蒙皮检查：迈向凹痕的新模式...
飞机维护、修理和大修行业正逐渐转向使用 3D 扫描进行凹痕检查。高精度设备可实现快速且可重复的测量，从而实现高效的报告和更客观的损伤评估。然而，3D 扫描仪的潜力还远未得到充分开发。这是因为结构维修手册处理凹痕的传统方式是将长度、宽度和深度视为唯一相关的测量指标。当前方法相当于将凹痕描述为“盒子”，因此会丢弃有关实际形状的任何信息。这会导致高度的模糊性，将非常不同的形状（以及相应的疲劳寿命）归为相同，并使从高精度 3D 扫描仪获取如此大量信息的努力化为泡影。本文提出了一个 7 参数模型来描述实际的凹痕形状，从而能够利用 3D 扫描仪生成的高保真数据。
飞机蒙皮腐蚀和结构安全...
摘要：本文旨在指出机身腐蚀的一些特性、外力对飞机蒙皮元素的影响以及它们对结构完整性的影响。腐蚀过程通常与飞机结构元素的疲劳有关，这是由许多因素引起的，例如载荷类型、材料性质、腐蚀环境等。本文的重点不是腐蚀过程，而是飞机机翼设计元素特有的载荷系数及其对关键结构元素腐蚀的影响。机翼腐蚀被认为是环境影响蒙皮和连接部件（铆钉、螺钉和焊接接头）受损表面保护的结果，这种影响是由机翼的静态和动态应力以及整体上各个结构元素的相互作用引起的。材料的疲劳进一步增强了各个结构元素的运行动态性。及早发现腐蚀过程对于飞机的整体安全通常至关重要。本文提出的建议是为了改进工作体系，确保飞机在抗腐蚀损伤方面的安全运行。