基于神經網絡的無人機傳感器故障識別

文/孟文曄

神經網絡的應用，能夠對無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據判斷過程中，給出了更多的依據。另一方面，神經網絡的運用過程中，能夠對無人機傳感器更好的健全，在更新換代與實驗的過程中，可以由此來拉動元件的有效健全，降低故障的發生概率。因此，基于神經網絡的無人機傳感器故障識別，值得推廣應用。

1 神經網絡的應用意義

從客觀的角度來分析，無人機傳感器故障識別的過程中，傳統方法不僅在檢驗的內容上非常的繁瑣，同時得到的結果，未必能夠獲得較高的準確性。結合以往的工作經驗和當下的工作標準，認為神經網絡的應用意義，主要是表現在以下幾個方面：

（1）神經網絡促使識別技術的操作，按照較高的標準和方法來完成，針對傳統的經驗判斷，或者是固有的依據不足等有效應對。整體上的工作開展，能夠由此獲得較高的肯定。

（2）神經網絡的應用，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狀和問題

2.1 識別依據較少

分析認為，識別依據較少的問題，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，造成的故障現象存在很大的差異性，但是由于在識別依據上較少，以至于無人機傳感器故障識別的結果并不準確，大量的元件更換，或者是反復的拆解維修，都容易導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可，最終產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、準確的判斷。其次，識別體系不健全的情況下，容易導致無人機的其他元件，也出現較多的隱患和不足，這對于將來工作的進步，無疑造成了嚴重的挑戰。

3 無人機傳感器分析

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

（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，因此一旦出現了故障，則導致無人機自身的平衡性無法良好的保障，容易出現損毀現象。

（2）陀螺儀。該元件在應用的過程中，能夠針對三軸的角速度開展有效的監測分析，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，陀螺儀的應對和解決，必須高度的關注。

（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據。接著相關數據會匯入微控制器的運算法，以提供磁北極相關的航向角，然后就能用這些信息來偵測地理方位。

4 神經網絡在無人機傳感器故障識別中的應用

4.1 完善神經網絡架構

從主觀的角度來分析，無人機傳感器故障識別工作的開展，對于神經網絡的融入和應用，想要在具體的效果上得到良好的提升，必須對神經網絡架構不斷的完善，該方面的工作開展，是細節上的組成部分，而且能夠產生的影響力是非常高的。

4.2 加強測試

基于神經網絡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，針對固有的疏漏現象良好的解決。分析認為，基于神經網絡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的實航數據作為網絡學習的樣本，然后選取100s的數據來進行故障診斷的數字仿真。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質量，主神經網絡結構選輸入層單元數、隱層單元數、輸出層單元數分別為9，16，3，學習速率為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，基于神經網絡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，創造了較高的價值。本文認為，基于神經網絡的無人機傳感器故障識別，必須在日后的發展上，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、故障發生時間、故障持續時間、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，針對基于神經網絡的無人機傳感器故障識別，能夠產生良好的推動效果。

5 總結

基于神經網絡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、工作質量，都可以大幅度的提升。日后，應繼續在神經網絡的研究過程中，按照新的方式和標準來嘗試，堅持在創新力度上不斷的提升，促使將來的發展，可以按照預期設想來完成。