摘要
本发明公开了一种基于Conv1D‑LSTM混合模型的核应急四旋翼无人机多执行器故障检测方法,包括采集四旋翼无人机飞行数据;对采集的四旋翼无人机飞行数据进行预处理,并将预处理后的数据按随机方式划分为训练集、验证集和测试集;基于一维卷积神经网络Conv1D和长短期记忆网络LSTM构建混合模型;使用训练集来训练混合模型,然后使用验证集评估训练后的混合模型以选择最优超参数配置,并在独立的测试集上进行全面性能评估;使用最终获得的混合模型进行核应急环境下的四旋翼无人机飞行状态实时监测,根据实时监测过程中新采集的四旋翼无人机飞行数据定量预测四旋翼无人机的各执行器可能发生的故障程度。本发明显著提升了核应急任务中四旋翼无人机多执行器故障的检测可靠性。
技术关键词
四旋翼无人机
故障检测方法
执行器
一维卷积神经网络
状态实时监测
长短期记忆网络
训练混合模型
检查点
超参数
训练集
策略
坐标系
机制
加速度
机身
数据
序列
系统为您推荐了相关专利信息
故障特征提取
一维卷积神经网络
电缆故障诊断系统
10kV配电网
粒子群优化算法
多尺度局部特征
特征融合网络
一维卷积神经网络
多头注意力机制
融合特征
翻转步梯
移动机器人底盘
剪叉机构
伸缩机构
升降机构
条件生成对抗网络
海上风电场
海上风电功率预测
风速
尾流模型