摘要
本发明提出一种基于时序特征关联建模的舵机多工况故障检测方法,属于无人飞行器舵机智能故障检测技术领域,解决舵机多工况故障检测中不能在获取单维舵机时序特征的同时实现舵机运行工况复杂多变的场景下在线故障检测的问题,包括:S1:构建舵机故障检测模型;S2:获取飞行器时序数据集并将飞行器时序数据集划分为训练集和测试集,将训练集输入基于1DCNN‑LSTM的单维舵机时序数据特征提取和关联预测模块;S3:基于规律分析和残差构建多工况舵机故障检测阈值,将超出阈值的测试数据标记为故障数据;S3:构建故障检测指标,根据故障检测指标对故障检测结果进行评价,输出评价后的故障检测结果。
技术关键词
舵机故障检测
故障检测方法
时序特征
数据特征提取
工况
误差
预测残差
飞行器
一维卷积神经网络
智能故障检测
指标
在线故障检测
长短期记忆网络
序列
训练集
系统为您推荐了相关专利信息
设计优化方法
防波板
液罐车
数值模拟实验
数学模型
深度残差网络模型
补偿值
数据
车身
长短期记忆网络
燃料电池
迭代学习控制算法
电压
速率
学习控制器
健康状态评估方法
风力发电机组
工况
mRMR算法
特征参量
工件
小波变换处理方法
图像
实例分割模型
特征提取模块