一种基于噪音深度学习的无人机故障预测诊断系统及方法技术方案

本发明专利技术公开了一种基于噪音深度学习的无人机故障预测诊断系统及方法，包括云端中心，由服务器搭建而成，完成无人机噪音数据的深度学习训练，并将无人机的噪音进行分类，识别出具体故障；无人机模块，在无人机模块中配置有网络通信单元、计算单元、存储单元和噪音采集单元，噪音采集单元用于获取无人机的噪音数据；网络通信单元用于实现无人机模块与云端中心的通信连接；计算单元用于确定噪音对应的故障；存储单元用于存储数据。本发明专利技术的一种基于噪音深度学习的无人机故障预测诊断系统及方法与现有技术相比，能够综合其它因素结合声音深度学习模型进行预测性维护，提前故障预警和定位故障位置，实用性强，适用范围广泛，具有很好的推广使用价值。

【技术实现步骤摘要】
一种基于噪音深度学习的无人机故障预测诊断系统及方法
本专利技术涉及人工智能领域，具体地说是一种基于噪音深度学习的无人机故障预测诊断系统及方法。
技术介绍
无人驾驶飞机简称“无人机”，英文缩写为“UAV”，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机，或者由车载计算机完全地或间歇地自主地操作。随着无人机技术的发展以及关键零组件成本持续下降，大大降低了开发无人机系统的门槛，这也使得无人机得到了广泛的应用，目前已经用在影视航拍、农林植保、快递运输、灾难救援、测绘、新闻报道、电力巡检等领域。无人机的体积和重量也在不断变小以适应更广的应用场景，同时无人机也变得更加智能，自动避障、自动跟踪目标等智能化功能都开始普及。近年来，人工智能技术发展迅速，其商业化速度超出预期，人工智能将会给整个社会带来颠覆性的变化，已经成为未来各国重要的发展战略。特别是以深度学习为核心的算法演进，其超强的进化能力，在大数据的支持下，通过训练构建得到类似人脑结构的大规模卷积神经网络，已经可以解决各类问题。随着无人机的普及，其故障分析诊断成为关注的问题，由于无人机工作时间基本都在空中，产生的声音成为其比较有效的运本文档来自技高网...

【技术保护点】
1.一种基于噪音深度学习的无人机故障预测诊断系统，其特征在于，包括，云端中心，由服务器搭建而成，完成无人机噪音数据的深度学习训练，并将无人机的噪音进行分类，识别出具体故障；无人机模块，在无人机模块中配置有网络通信单元、计算单元、存储单元和噪音采集单元，其中噪音采集单元用于获取无人机的噪音数据；网络通信单元用于实现无人机模块与云端中心的通信连接，实现采集的噪音数据上传至云端中心，同时将云端中心的深度学习训练结果发送给无人机，再通过计算单元确定噪音对应的故障，及时发出故障报警及故障定位；存储单元用于存储采集的数据及云端中心发送来的数据。

【技术特征摘要】
1.一种基于噪音深度学习的无人机故障预测诊断系统，其特征在于，包括，云端中心，由服务器搭建而成，完成无人机噪音数据的深度学习训练，并将无人机的噪音进行分类，识别出具体故障；无人机模块，在无人机模块中配置有网络通信单元、计算单元、存储单元和噪音采集单元，其中噪音采集单元用于获取无人机的噪音数据；网络通信单元用于实现无人机模块与云端中心的通信连接，实现采集的噪音数据上传至云端中心，同时将云端中心的深度学习训练结果发送给无人机，再通过计算单元确定噪音对应的故障，及时发出故障报警及故障定位；存储单元用于存储采集的数据及云端中心发送来的数据。2.根据权利要求1所述的一种基于噪音深度学习的无人机故障预测诊断系统，其特征在于，所述无人机模块配置有若干个，且每个无人机模块均通过网络通信模块连接至云端中心。3.一种基于噪音深度学习的无人机故障预测诊断方法，其特征在于，基于上述无人机故障预测诊断系统，其实现过程为：一、首先在云端中心收集声音数据，然后进行深度学习训练，得到通用声音识别模型；二、通用声音识别模型采集无人机噪音历史数据并进行训练，将无人机产生的噪音进行分类，并将分类后的噪音与故障原因对应起来，从而识别出具体故障原因，然后...

【专利技术属性】
技术研发人员：孙善宝，于治楼，金长新，
申请(专利权)人：济南浪潮高新科技投资发展有限公司，
类型：发明
国别省市：山东,37