基于神經(jīng)網(wǎng)絡(luò)的無人機傳感器故障識別

文/孟文曄

神經(jīng)網(wǎng)絡(luò)的應(yīng)用，能夠?qū)o人機傳感器的故障識別體系更好健全，其在信息處理和各項數(shù)據(jù)判斷過程中，給出了更多的依據(jù)。另一方面，神經(jīng)網(wǎng)絡(luò)的運用過程中，能夠?qū)o人機傳感器更好的健全，在更新?lián)Q代與實驗的過程中，可以由此來拉動元件的有效健全，降低故障的發(fā)生概率。因此，基于神經(jīng)網(wǎng)絡(luò)的無人機傳感器故障識別，值得推廣應(yīng)用。

1 神經(jīng)網(wǎng)絡(luò)的應(yīng)用意義

從客觀的角度來分析，無人機傳感器故障識別的過程中，傳統(tǒng)方法不僅在檢驗的內(nèi)容上非常的繁瑣，同時得到的結(jié)果，未必能夠獲得較高的準(zhǔn)確性。結(jié)合以往的工作經(jīng)驗和當(dāng)下的工作標(biāo)準(zhǔn)，認(rèn)為神經(jīng)網(wǎng)絡(luò)的應(yīng)用意義，主要是表現(xiàn)在以下幾個方面：

（1）神經(jīng)網(wǎng)絡(luò)促使識別技術(shù)的操作，按照較高的標(biāo)準(zhǔn)和方法來完成，針對傳統(tǒng)的經(jīng)驗判斷，或者是固有的依據(jù)不足等有效應(yīng)對。整體上的工作開展，能夠由此獲得較高的肯定。

（2）神經(jīng)網(wǎng)絡(luò)的應(yīng)用，符合無人機傳感器故障識別的趨勢，其能夠在故障的定位和類型掌握上，取得較好的成果。

2 無人機傳感器故障識別的現(xiàn)狀和問題

2.1 識別依據(jù)較少

分析認(rèn)為，識別依據(jù)較少的問題，是日后的重點解決對象。例如，無人機的無人機傳感器故障識別過程中，不同的故障和元件損壞，造成的故障現(xiàn)象存在很大的差異性，但是由于在識別依據(jù)上較少，以至于無人機傳感器故障識別的結(jié)果并不準(zhǔn)確，大量的元件更換，或者是反復(fù)的拆解維修，都容易導(dǎo)致無人機傳感器故障識別的效率下降，而且得不到用戶的認(rèn)可，最終產(chǎn)生的損失和矛盾較多。

2.2 識別體系不健全

首先，無人機傳感器故障識別的初期階段，并沒有辦法完成快速引導(dǎo)實驗分析，對于傳感器的損壞原因，或者是具體損壞的程度等，無法做出快速、準(zhǔn)確的判斷。其次，識別體系不健全的情況下，容易導(dǎo)致無人機的其他元件，也出現(xiàn)較多的隱患和不足，這對于將來工作的進步，無疑造成了嚴(yán)重的挑戰(zhàn)。

3 無人機傳感器分析

現(xiàn)階段的無人機傳感器研究過程中，自身的精細(xì)化程度大幅度的提升，同時包含的內(nèi)容也在不斷的豐富。

（1）加速度計是無人機傳感器的核心組成部分，其主要是對無人機在不同的方向所承受的加速力進行有效的提供。例如，無人機在應(yīng)用或者是靜止的過程中，自身的傾斜角度，是通過加速度計來完成的，因此一旦出現(xiàn)了故障，則導(dǎo)致無人機自身的平衡性無法良好的保障，容易出現(xiàn)損毀現(xiàn)象。

（2）陀螺儀。該元件在應(yīng)用的過程中，能夠針對三軸的角速度開展有效的監(jiān)測分析，這其中涵蓋了無人機的俯仰、無人機的翻滾、無人機的偏擺等等，不同的動作幅度，對于陀螺儀的要求存在差異性，所以在故障診斷和處理的過程中，陀螺儀的應(yīng)對和解決，必須高度的關(guān)注。

（3）磁羅盤能為無人機提供方向感。它能提供裝置在XYZ各軸向所承受磁場的數(shù)據(jù)。接著相關(guān)數(shù)據(jù)會匯入微控制器的運算法，以提供磁北極相關(guān)的航向角，然后就能用這些信息來偵測地理方位。

4 神經(jīng)網(wǎng)絡(luò)在無人機傳感器故障識別中的應(yīng)用

4.1 完善神經(jīng)網(wǎng)絡(luò)架構(gòu)

從主觀的角度來分析，無人機傳感器故障識別工作的開展，對于神經(jīng)網(wǎng)絡(luò)的融入和應(yīng)用，想要在具體的效果上得到良好的提升，必須對神經(jīng)網(wǎng)絡(luò)架構(gòu)不斷的完善，該方面的工作開展，是細(xì)節(jié)上的組成部分，而且能夠產(chǎn)生的影響力是非常高的。

4.2 加強測試

基于神經(jīng)網(wǎng)絡(luò)的無人機傳感器故障識別，是比較可靠的方法和手段，同時能夠在很大程度上，針對固有的疏漏現(xiàn)象良好的解決。分析認(rèn)為，基于神經(jīng)網(wǎng)絡(luò)的無人機傳感器故障識別，其在運用過程中，會在測試的力度上不斷的加強。針對傳感器q來進行仿真分析。首先選取600s的實航數(shù)據(jù)作為網(wǎng)絡(luò)學(xué)習(xí)的樣本，然后選取100s的數(shù)據(jù)來進行故障診斷的數(shù)字仿真。仿真中，傳感器故障注入采用人工方式，注入時間為50s，故障類型為傳感器卡死故障。為了得到高的故障檢測能力和好的信號恢復(fù)質(zhì)量，主神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)選輸入層單元數(shù)、隱層單元數(shù)、輸出層單元數(shù)分別為9，16，3，學(xué)習(xí)速率為0.1，如圖1所示。

圖1：MQEE隨時間變化曲線圖

4.3 完善識別體系

從目前所掌握的情況來看，基于神經(jīng)網(wǎng)絡(luò)的無人機傳感器故障識別，能夠在很大程度上對既有的不足開展良好的彌補，而且在全局工作的實施層面上，創(chuàng)造了較高的價值。本文認(rèn)為，基于神經(jīng)網(wǎng)絡(luò)的無人機傳感器故障識別，必須在日后的發(fā)展上，對于自身的識別體系不斷的完善。例如，用戶在送檢和報修的過程中，針對不同的傳感器類型、故障原因、故障發(fā)生時間、故障持續(xù)時間、故障惡化情況等，都要開展搜集和探討，從而促使識別體系更好的健全，針對基于神經(jīng)網(wǎng)絡(luò)的無人機傳感器故障識別，能夠產(chǎn)生良好的推動效果。

5 總結(jié)

基于神經(jīng)網(wǎng)絡(luò)的無人機傳感器故障識別，能夠提供較多的保障，整體上的工作效率、工作質(zhì)量，都可以大幅度的提升。日后，應(yīng)繼續(xù)在神經(jīng)網(wǎng)絡(luò)的研究過程中，按照新的方式和標(biāo)準(zhǔn)來嘗試，堅持在創(chuàng)新力度上不斷的提升，促使將來的發(fā)展，可以按照預(yù)期設(shè)想來完成。