摘要
本发明公开了一种面向不同任务场景的飞行器智能故障检测方法,涉及行器故障检测技术领域,该方法结合域对抗网络(Domain Adversarial Neural Network,DANN)与混合专家模型(Mixture of Experts,MoE)的优点,通过DANN提取源域和目标域的共享特征,减少数据分布差异,提高模型的泛化能力;通过MoE构建多个专家子模型,由Router模块动态分配不同任务场景的数据至对应专家,实现对多模态数据的高效处理。实验结果表明,该方法在多任务场景下的故障检测率达到99.55%,虚警率降至1.40%,显著优于传统方法。该方法可广泛应用于无人机复杂飞行环境下的故障检测,为无人机的安全性和可靠性提供技术保障。
技术关键词
智能故障检测
飞行器
特征提取器
场景
样本
飞行状态数据
分类器
标签
故障检测模型
数据分布
故障检测率
故障检测技术
长短期记忆网络
短时间
序列
多任务
线性
参数
无人机
系统为您推荐了相关专利信息
电网负荷预测
优化调度策略
数据采集终端
数据收集模块
数据传输单元
异常数据
LSTM神经网络
诊断方法
计量仪器
误差