一种无人机舵机故障检测模型的构建方法和装置、一种无人机舵机故障检测方法和装置制造方法及图纸

一种无人机舵机故障检测模型的训练方法和装置、一种无人机舵机故障检测方法和装置，涉及无人机检测领域。现有的无人机飞行系统的控制中，舵机一旦发生故障，会导致无人机处于危险境地；通常是通过神经网络技术对舵机进行故障检测和特征学习，但是会存在因为无关数据的输入导致检测的准确性降低的问题，并且存在对于时间序列处理不完善，针对无人机数据拟合能力不强，时间成本高的问题。本申请提供了一种无人机舵机故障检测方法，包括：建立无人机舵机故障检测模型的步骤；对比所述模型中的舵机的当前时刻的理想值与所述的舵机实际飞行数据的步骤；根据所述的对比的结果判断舵机是否发生故障的步骤。可广泛普及于无人机检测应用中。用中。用中。

【技术实现步骤摘要】
一种无人机舵机故障检测模型的构建方法和装置、一种无人机舵机故障检测方法和装置


[0001]涉及无人机检测领域，具体涉及一种无人机舵机故障检测方法。

技术介绍

[0002]随着现代技术的发展，无人机(Unmanned Aerial Vehicle,UAV)以其低成本、高效率的优点越来越受到人们的重视。作为飞行控制系统的重要组成部分，舵机一旦发生故障，无人机将无可避免地处于危险境地。因此，有必要对舵机进行实时故障检测，以便及时采取措施缓解故障影响，提高飞行安全。
[0003]基于物理模型的无人机执行器故障检测方法非常有效，在能够建立精确的物理机制时具有快速响应。然而，在实际应用中很难满足这一要求。相比之下，基于机器学习的方法由于其高性能和适用性而变得更具吸引力。利用机器学习模型对测量结果进行分析，通过输出与输入之间的对应映射关系，有效地获取目标信息。此外，该方法易于应用，不需要太多专家知识和技术。神经网络是机器学习领域的重要研究方向之一。
[0004]近年来，人们提出了多种神经网络，并将其应用于各种应用场景中。现有文献显示了这些神经本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机舵机故障检测模型的构建方法，其特征在于：所述方法包括：选择最相关的输入特征变量，得到无干扰的特征数据的步骤；将所述的无干扰的特征数据中的无人机时间序列进行重构，采集无人机数据的特征的步骤；将所述的无人机数据的特征作为输入，对一维卷积神经网络模型进行构建的步骤；将所述的无干扰的特征数据分割为训练集、验证集和测试集的步骤；采用所述的训练集对模型进行训练的步骤；采用Earlystop机制依据所述的验证集中的误差值对构建过程进行控制的步骤。2.根据权利要求1所述的一种无人机舵机故障检测模型的构建方法，其特征在于，所述的选择最相关的输入特征变量的方法为：根据最大信息系数法采集无人机数据与升降舵的相关程度，筛选出相关的数据进行特征选择优化，具体为：通过下述公式：相关程度，筛选出相关的数据进行特征选择优化，具体为：通过下述公式：其中，o表示升降舵的参数向量，i表示无人机的输入参数向量，p表示对应变量的概率值或变量间的联合概率值，MIC表示最大信息系数值，I表示变量间的互信息，min{}表示取最小值，max{}表示取最大值，∑表示求和。3.根据权利要求1所述的一种无人机舵机故障检测模型的构建方法，其特征在于，所述的方法还包括：对所述的无干扰的特征数据进行归一化处理的步骤，具体为：通过公式：其中，μ是输入数据X的均值，σ是输入数据X的方差，X＝[x1,x2,
…
,x
n
],x
i
∈R表示无人机第i时刻的输入数据，n表示样本总长度。4.根据权利要求3所述的一种无人机舵机故障检测模型的构建方法，其特征在于，所述的方法还包括：对所述的X和Y进行重构的步骤，具体为：通过公式：X
t
＝[x
t
‑
m+1
,x
t
‑
m+...

【专利技术属性】
技术研发人员：彭喜元，顾彬彬，郭凯，任捷，王娜，朱京来，
申请(专利权)人：北京电子工程总体研究所，
类型：发明
国别省市：