-
题名拟VGG16网络的航空传感器故障检测分类
被引量：1
- 1
-
-
作者
李忠智
马金毅
艾剑良
董一群
-
机构
复旦大学航空航天系
-
出处
《航空学报》
EI
CAS
CSCD
北大核心
2023年第S01期59-68,共10页
-
基金
上海市青年科技英才扬帆计划(20YF1402500)
上海市自然科学基金(22ZR1404500)
-
文摘
参考计算机视觉等领域的研究与应用进展,提出了拟图智能化故障诊断概念;拟照VGG16图像分类网络,提出了一种航空传感器故障检测与分类方法。首先,基于仿真、实飞等手段建立了航空传感器故障飞行数据库;该数据库包含4型大型客机、通航飞机在5种飞行状态的飞行数据,并可有效模拟气动数据、惯性测量单元等传感器的故障。其次,提出将航空器气动数据、惯性测量单元等传感器的测量数据堆叠成灰度图像数据格式;该图像保留了传感器测量数据的时间、空间耦合特征,将传感器故障检测与分类转换成为图像上的异常区域检测与分类问题。再次,提出了一种数据增强方法,将堆叠形成的传感器测量数据图像的维度增强为VGG16图像分类网络输入维度,并基于预训练的VGG16图像分类网络,采用微调优化网络模型,最终得到了拟图智能化航空传感器故障检测与分类深度神经网络。在多个航空器数据集上的实验结果表明,网络的平均测试准确度可以达到97.6%。最后,参考计算机视觉领域的深度神经网络可解释性分析方法,基于类激活映射图(CAM)对本文发展的传感器故障检测与分类网络进行了分析,初步阐明了网络内部各层卷积核节点特征提取运算的机理,提升了该网络故障检测与分类性能的可信度。
-
关键词
航空传感器
故障检测与分类
拟图智能化
深度神经网络
可解释性分析
-
Keywords
aerospace sensors
fault detection and classification
imagification-based intelligence
deep neural networks
explainability analysis
-
分类号
V267
[航空宇航科学与技术—航空宇航制造工程]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
