应用机器学习的无人机故障数据分析方法、服务器及介质技术

本发明专利技术实施例涉及无人机技术领域，具体而言，提供一种应用机器学习的无人机故障数据分析方法、服务器及介质，应用本发明专利技术实施例，可以从全局热力图谱中掌握故障类别描述信息。鉴于该故障类别描述信息是依据全局热力图谱所确定的，因而能够适用于不同故障类别（无论是已知的故障类别还是未知的故障类别）的判断分析，从而提高故障类别定位的精度和可信度。从而提高故障类别定位的精度和可信度。从而提高故障类别定位的精度和可信度。

【技术实现步骤摘要】
应用机器学习的无人机故障数据分析方法、服务器及介质


[0001]本专利技术涉及无人机
，具体而言，涉及应用机器学习的无人机故障数据分析方法、服务器及介质。

技术介绍

[0002]机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能。随着机器学习的不断发展，其应用领域越来越广泛。以无人机为例，机器学习可以应用到无人机的航测图像分析、飞行线路调度、故障分析等领域。然而，在无人机的故障分析领域，传统技术在实现故障类别定位时还存在精度和可信度低下的问题。

技术实现思路

[0003]本专利技术至少提供应用机器学习的无人机故障数据分析方法、服务器及介质。
[0004]本专利技术提供了一种应用机器学习的无人机故障数据分析方法，应用于人工智能服务器，所述方法包括：获得无人机故障分析任务的故障状态文本记录和故障分析辅助向量集，其中，所述故障分析辅助向量集的全局热力图谱为目标全局热力图谱，所述故障分析辅助向量集包括最少一个故障分析辅助向量；对所述故障状态文本记录进行文本语义挖掘，得到所述故障状态文本记录的故障状态文本语义数据；对所述最少一个故障分析辅助向量进行故障类别描述变换，得到最少一个故障类别描述变量数据；依据所述最少一个故障类别描述变量数据，对所述故障状态文本语义数据进行故障类别分析处理，得到所述故障状态文本语义数据的故障类别分析观点；依据所述故障状态文本语义数据，对所述最少一个故障分析辅助向量进行热力图谱生成处理，得到关于所述故障状态文本语义数据的热力图谱生成结果；依据所述故障类别分析观点和所述热力图谱生成结果，对所述无人机故障分析任务进行故障类别定位。
[0005]在一些可能的实施例中，所述依据所述故障状态文本语义数据，对所述最少一个故障分析辅助向量进行热力图谱生成处理，得到关于所述故障状态文本语义数据的热力图谱生成结果，包括：对所述最少一个故障分析辅助向量进行变化特征挖掘，得到每个故障分析辅助向量的变化特征信息；依据所述故障状态文本语义数据，将所述每个故障分析辅助向量的变化特征信息进行优化处理，得到每个故障分析辅助向量的变化特征优化结果；依据所述每个故障分析辅助向量的变化特征优化结果，确定所述热力图谱生成结
果。
[0006]在一些可能的实施例中，所述依据所述每个故障分析辅助向量的变化特征优化结果，确定所述热力图谱生成结果，包括：依据所述每个故障分析辅助向量的变化特征优化结果，对所述故障状态文本语义数据进行热力图谱识别，得到所述故障状态文本语义数据的文本语义热力图谱；确定所述文本语义热力图谱和所述目标全局热力图谱之间的热力图谱共性值；将所述热力图谱共性值和设定热力解析指示进行比对，得到所述热力图谱生成结果。
[0007]在一些可能的实施例中，所述依据所述最少一个故障类别描述变量数据，对所述故障状态文本语义数据进行故障类别分析处理，得到所述故障状态文本语义数据的故障类别分析观点，包括：将所述最少一个故障类别描述变量数据和所述故障状态文本语义数据进行共性度量运算，得到每个故障类别描述变量数据和所述故障状态文本语义数据之间的语义描述共性度量；依据设定故障类别分析要求，对所述语义描述共性度量进行权衡数据转换处理，得到所述语义描述共性度量对应的目标权衡数据；将所述目标权衡数据和设定决策数据进行比对，得到所述故障类别分析观点。
[0008]在一些可能的实施例中，所述对所述故障状态文本记录进行文本语义挖掘，得到所述故障状态文本记录的故障状态文本语义数据，包括：对所述故障状态文本记录进行文本单元提取，得到所述故障状态文本记录的文本单元数据；对所述文本单元数据进行可逆操作，得到所述故障状态文本记录的可逆特征数据；对所述可逆特征数据进行区间数值映射处理，得到所述故障状态文本记录的区间数值映射数据；对所述区间数值映射数据进行特征投影，得到所述故障状态文本记录的故障状态文本语义数据。
[0009]在一些可能的实施例中，所述对所述最少一个故障分析辅助向量进行故障类别描述变换，得到最少一个故障类别描述变量数据，包括：对所述故障分析辅助向量进行特征整合处理，得到所述故障分析辅助向量对应的特征整合数据；依据所述特征整合数据，对所述故障分析辅助向量进行归纳区分处理，得到所述故障分析辅助向量对应的归纳区分结果；依据所述归纳区分结果，将所述故障分析辅助向量投影至设定故障类别描述坐标系中，得到所述故障类别描述变量数据。
[0010]在一些可能的实施例中，所述对所述故障状态文本记录进行文本语义挖掘，得到所述故障状态文本记录的故障状态文本语义数据，包括：通过设定文本语义挖掘网络，对所述故障状态文本记录进行文本语义挖掘，得到所述故障状态文本记录的故障状态文本语义数据；
所述对所述最少一个故障分析辅助向量进行故障类别描述变换，得到最少一个故障类别描述变量数据，包括：通过设定类别描述输出网络，对所述最少一个故障分析辅助向量进行故障类别描述变换，得到最少一个故障类别描述变量数据；依据所述最少一个故障类别描述变量数据，对所述故障状态文本语义数据进行故障类别分析处理，得到所述故障状态文本语义数据的故障类别分析观点，包括：依据所述最少一个故障类别描述变量数据，通过设定类别分析组件，对所述故障状态文本语义数据进行故障类别分析处理，得到所述故障状态文本语义数据的故障类别分析观点；依据所述故障状态文本语义数据，对所述最少一个故障分析辅助向量进行热力图谱生成处理，得到关于所述故障状态文本语义数据的热力图谱生成结果，包括：依据所述故障状态文本语义数据，通过设定热力图谱生成组件，对所述最少一个故障分析辅助向量进行热力图谱生成处理，得到关于所述故障状态文本语义数据的热力图谱生成结果。
[0011]在一些可能的实施例中，所述方法还包括：获得拟调试文本语义挖掘网络和拟调试类别描述输出网络；采集若干个故障状态文本调试示例和全局热力图谱满足目标全局热力图谱的已认证故障分析辅助向量集，所述已认证故障分析辅助向量集包括若干个先验故障分析辅助向量；通过所述若干个故障状态文本调试示例和所述若干个先验故障分析辅助向量，对所述拟调试文本语义挖掘网络和所述拟调试类别描述输出网络进行调试，得到所述设定文本语义挖掘网络和所述设定类别描述输出网络。
[0012]在一些可能的实施例中，所述通过所述若干个故障状态文本调试示例和所述若干个先验故障分析辅助向量，对所述拟调试文本语义挖掘网络和所述拟调试类别描述输出网络进行调试，得到所述设定文本语义挖掘网络和所述设定类别描述输出网络，包括：通过所述拟调试文本语义挖掘网络对所述故障状态文本调试示例进行文本语义挖掘，得到所述故障状态文本调试示例的故障状态文本语义学习数据；通过所述拟调试类别描述输出网络对所述先验故障分析辅助向量进行故障类别描述变换，得到故障类别描述学习变量数据；依据所述故障类别描述学习变量数据和先验故障分析辅助向量，确定所述故障状态文本语义学习数据对应的文本语义调试代价和热力图谱调试代价；依据所述文本语义调试代价对所述拟调试文本语义挖掘网络的模型配置变量进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用机器学习的无人机故障数据分析方法，其特征在于，应用于人工智能服务器，所述方法包括：获得无人机故障分析任务的故障状态文本记录和故障分析辅助向量集，其中，所述故障分析辅助向量集的全局热力图谱为目标全局热力图谱，所述故障分析辅助向量集包括最少一个故障分析辅助向量；对所述故障状态文本记录进行文本语义挖掘，得到所述故障状态文本记录的故障状态文本语义数据；对所述最少一个故障分析辅助向量进行故障类别描述变换，得到最少一个故障类别描述变量数据；依据所述最少一个故障类别描述变量数据，对所述故障状态文本语义数据进行故障类别分析处理，得到所述故障状态文本语义数据的故障类别分析观点；依据所述故障状态文本语义数据，对所述最少一个故障分析辅助向量进行热力图谱生成处理，得到关于所述故障状态文本语义数据的热力图谱生成结果；依据所述故障类别分析观点和所述热力图谱生成结果，对所述无人机故障分析任务进行故障类别定位。2.根据权利要求1所述的方法，其特征在于，所述依据所述故障状态文本语义数据，对所述最少一个故障分析辅助向量进行热力图谱生成处理，得到关于所述故障状态文本语义数据的热力图谱生成结果，包括：对所述最少一个故障分析辅助向量进行变化特征挖掘，得到每个故障分析辅助向量的变化特征信息；依据所述故障状态文本语义数据，将所述每个故障分析辅助向量的变化特征信息进行优化处理，得到每个故障分析辅助向量的变化特征优化结果；依据所述每个故障分析辅助向量的变化特征优化结果，确定所述热力图谱生成结果。3.根据权利要求2所述的方法，其特征在于，所述依据所述每个故障分析辅助向量的变化特征优化结果，确定所述热力图谱生成结果，包括：依据所述每个故障分析辅助向量的变化特征优化结果，对所述故障状态文本语义数据进行热力图谱识别，得到所述故障状态文本语义数据的文本语义热力图谱；确定所述文本语义热力图谱和所述目标全局热力图谱之间的热力图谱共性值；将所述热力图谱共性值和设定热力解析指示进行比对，得到所述热力图谱生成结果。4.根据权利要求1所述的方法，其特征在于，所述依据所述最少一个故障类别描述变量数据，对所述故障状态文本语义数据进行故障类别分析处理，得到所述故障状态文本语义数据的故障类别分析观点，包括：将所述最少一个故障类别描述变量数据和所述故障状态文本语义数据进行共性度量运算，得到每个故障类别描述变量数据和所述故障状态文本语义数据之间的语义描述共性度量；依据设定故障类别分析要求，对所述语义描述共性度量进行权衡数据转换处理，得到所述语义描述共性度量对应的目标权衡数据；将所述目标权衡数据和设定决策数据进行比对，得到所述故障类别分析观点。5.根据权利要求1所述的方法，其特征在于，所述对所述故障状态文本记录进行文本语
义挖掘，得到所述故障状态文本记录的故障状态文本语义数据，包括：对所述故障状态文本记录进行文本单元提取，得到所述故障状态文本记录的文本单元数据；对所述文本单元数据进行可逆操作，得到所述故障状态文本记录的可逆特征数据；对所述可逆特征数据进行区间数值映射处理，得到所述故障状态文本记录的区间数值映射数据；对所述区间数值映射数据进行特征投影，得到所述故障状态文本记录的故障状态文本语义数据。6.根据权利要求1所述的方法，其特征在于，所述对所述最少一个故障分析辅助向量进行故障类别描述变换，得到最少一个故障类别描述变量数据，包括：对所述故障分析辅助向量进行特征整合处理，得到所述故障分析辅助向量对应的特征整合数据；依据所述特征整合数据，对所述故障分析辅助向量进行归纳区分处理，得到所述故障分析辅助向量对应的归纳区分结果；依据所述归纳区分结果，将所述故障分析辅助向量投影至设定故障类别描述坐标系中，得到所述故障类别描述变量数据。7.根据权利要求1所述的方法，其特征在于，所述对所述故障状态文本记录进行文本语义挖掘，得到所述故障状态文本记录的故障状态文本语义数据，包括：通过设定文本语义挖掘网络，对所述故障状态文本记录进行文本语义挖掘，得到所述故障状态文本记录的故障状态文本语义数据；所述对所述最少一个故障分析辅助向量进行故障类别描述变换，得到最少一个故障类别描述变量数据，包括：通过设定类别描述输出网络，对所述最少一个故障分析辅助向量进行故障类别描述变换，...

【专利技术属性】
技术研发人员：刘学亮，徐杰，任继远，
申请(专利权)人：天之翼苏州科技有限公司，
类型：发明
国别省市：