【技术实现步骤摘要】
本专利技术涉及无人机，特别涉及一种无人机执行器的故障诊断方法及装置、无人机和存储介质。
技术介绍
1、无人机作为一种重要的空中平台，被广泛应用于军事、民用等多个领域。在无人机的实际应用过程中，无人机的可靠性和安全性一直备受关注。其中，无人机执行器作为无人机的关键组件之一，在无人机的飞行控制和稳定性方面起着重要作用。
2、然而，由于无人机的高强度工作环境和频繁的飞行任务，执行器可能会遭受各种故障，如轴承磨损、电机故障等，这些故障可能会导致无人机失控甚至坠毁，严重威胁飞行安全和任务执行。
3、因此，急需一种提高无人机安全性和可靠性的技术。
技术实现思路
1、本专利技术提供了一种无人机执行器的故障诊断方法及装置、无人机和存储介质，旨在提高无人机的安全性和可靠性。
2、为了实现上述的目的，本专利技术采用了如下的技术方案：
3、本专利技术提出一种无人机执行器的故障诊断方法，所述故障诊断方法包括：
4、将实时采集的无人机执行器的运行数据输入预先构建的故障诊断模型；
5、通过所述故障诊断模型对所述无人机执行器的运行数据进行多尺度特征提取以得到多尺度的数据特征信息；
6、将所述多尺度的数据特征信息进行融合以得到所述无人机执行器的关键故障信息；
7、将所述关键故障信息进行归类，以判断所述关键故障信息对应的故障类别。
8、在一些实施例中，在将实时采集无人机执行器的运行数据输入预先构建的故障诊断模
9、获取故障数据样本，所述故障数据样本包括训练数据集和测试数据集；
10、根据所述故障数据样本对初始网络模型进行训练以得到所述故障诊断模型。
11、在一些实施例中，所述获取故障数据样本包括：
12、构建无人机数字孪生模型；
13、将故障数据集输入所述无人机数字孪生模型，以获取无人机执行器在不同故障状态下的仿真运行数据；
14、将所述仿真运行数据进行预处理以得到所述故障数据样本。
15、在一些实施例中，所述根据故障数据样本对初始网络模型进行训练以得到所述故障诊断模型包括：
16、基于所述训练数据集对所述初始网络模型进行训练，以得到所述训练数据集中的样本关键故障信息归类于每一故障类别的预测概率值；
17、确定所述训练数据集中的所述样本关键故障信息归类于每一故障类别的实际概率值；
18、根据所述预测概率值与所述实际概率值对所述初始网络模型的模型参数进行调整，直至所述初始网络模型收敛，得到初始故障诊断模型；
19、对所述初始故障诊断模型进行测试并根据测试结果得到所述故障诊断模型。
20、在一些实施例中，所述对初始故障诊断模型进行测试并根据测试结果得到所述故障诊断模型包括：
21、将所述测试数据集输入所述初始故障诊断模型中进行测试，以得到所述初始故障诊断模型的测试结果；
22、在所述测试结果中的预测准确率大于预设准确率时，将该测试结果对应的初始故障诊断模型置为所述故障诊断模型。
23、在一些实施例中，所述将关键故障信息进行归类，以判断所述关键故障信息对应的故障类别包括：
24、基于所述故障诊断模型计算所述关键故障信息归类于每一故障类别的概率值，以确定所述关键故障信息归类于不同故障类别的概率信息；
25、基于所述概率信息与所述不同故障类别，确定所述关键故障信息对应的故障类别。
26、在一些实施例中，所述基于所述概率信息与所述不同故障类别，确定所述关键故障信息对应的故障类别包括：
27、从所述概率信息中获取最大概率值；
28、确定所述最大概率值对应的故障类别，以确定所述关键故障信息对应的所述故障类别。
29、在一些实施例中，所述关键故障信息对应的所述故障类别可由以下公式确定：
30、
31、其中，θ为训练模型的参数集，m为训练数据集的样本总数；xm为模型的训练数据集；d为无人机故障类别数。
32、本专利技术进一步提出一种无人机，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述程序时实现上述实施例所述的故障诊断方法。
33、本专利技术进一步提出一种计算机可读存储介质，其存储有计算机指令，该计算机指令被处理器执行时实现上述实施例所述的故障诊断方法的步骤。
34、本专利技术的无人机执行器的故障诊断方法技术方案中，通过将实时采集无人机执行器的运行数据输入至预先构建好的故障诊断模型中对无人机执行器的运行数据进行多尺度特征提取得到多尺度的数据特征信息，然后通过将多尺度的数据特征信息进行融合得到无人机执行器的关键故障信息，再通过将关键故障信息进行归类，可以判断关键故障信息对应的故障类别，从而能够实时监测和诊断无人机执行器的运行状态，可以避免潜在的风险和安全隐患，进而提高了无人机的安全性和可靠性。
本文档来自技高网...【技术保护点】
1.一种无人机执行器的故障诊断方法，其特征在于，所述故障诊断方法包括：
2.根据权利要求1所述的无人机执行器的故障诊断方法，其特征在于，在将实时采集的无人机执行器的运行数据输入预先构建的故障诊断模型之前包括：
3.根据权利要求2所述的无人机执行器的故障诊断方法，其特征在于，所述获取故障数据样本包括：
4.根据权利要求2所述的无人机执行器的故障诊断方法，其特征在于，所述根据故障数据样本对初始网络模型进行训练以得到所述故障诊断模型包括：
5.根据权利要求4所述的无人机执行器的故障诊断方法，其特征在于，所述对初始故障诊断模型进行测试并根据测试结果得到所述故障诊断模型包括：
6.根据权利要求1所述的无人机执行器的故障诊断方法，其特征在于，所述将关键故障信息进行归类，以判断所述关键故障信息对应的故障类别包括：
7.根据权利要求6所述的无人机执行器的故障诊断方法，其特征在于，所述基于所述概率信息与所述不同故障类别，确定所述关键故障信息对应的故障类别包括：
8.根据权利要求1所述的无人机执行器的故障诊断方法，其
9.一种无人机，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述程序时实现权利要求1至8任一项所述的故障诊断方法。
10.一种计算机可读存储介质，其存储有计算机指令，其特征在于，该计算机指令被处理器执行时实现权利要求1至8中任一项所述的故障诊断方法的步骤。
...【技术特征摘要】
1.一种无人机执行器的故障诊断方法，其特征在于，所述故障诊断方法包括：
2.根据权利要求1所述的无人机执行器的故障诊断方法，其特征在于，在将实时采集的无人机执行器的运行数据输入预先构建的故障诊断模型之前包括：
3.根据权利要求2所述的无人机执行器的故障诊断方法，其特征在于，所述获取故障数据样本包括：
4.根据权利要求2所述的无人机执行器的故障诊断方法，其特征在于，所述根据故障数据样本对初始网络模型进行训练以得到所述故障诊断模型包括：
5.根据权利要求4所述的无人机执行器的故障诊断方法，其特征在于，所述对初始故障诊断模型进行测试并根据测试结果得到所述故障诊断模型包括：
6.根据权利要求1所述的无人机执行器的故障诊断方法...
【专利技术属性】
技术研发人员：肖冬明，王阳荣，邹文锐，李学军，马姣姣，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。