2023年4月Apr.,2023第39卷第2期Vol.39,No.2滨州学院学报JournalofBinzhouUniversity【航空科学与工程研究】基于卷积神经网络的无人机结构故障诊断马玉猛"，3,谢振伟Z3,陈蒙蒙4,常国栋"(1.滨州学院航空工程学院；2.滨州学院山东省航空材料与器件工程技术研究中心；3.滨州学院无人驾驶航空器测控系统滨州市技术创新中心；4.山东蓝标检测科技有限公司，山东滨州256603)摘要：针对无人机结构故障难以发现的问题，提出了基于振动信号与卷积神经网络的无人机结构故障诊断方法。分别在无人机正常状态下和故障状态下进行振动信号采集，搭建了含有三层卷积层和三层池化层的卷积神经网络，对采集的无人机振动数据信号进行故障分类，利用实验室无人机测试平台进行验证，该方法准确率能够达到97.5%,高于传统的机器学习方法，可以用于无人机结构故障诊断。关键词：无人机；数据采集；卷积神经网络；故障诊断中图分类号:V279文献标识码：ADOI：10.13486/j.cnki.1673-2618.2023.02.004近年来，无人机被广泛应用于植保、测绘、巡检等领域，由于工作环境恶劣以及受旋转部件的影响，无人机不可避免地会出现各种故障，无人机的故障大体可以分为三类：结构故障、传感器故障、执行机构故障切。关于结构故障的诊断，经常采用目视检查、基于模型的诊断方法,这都是局部检测方法，只能检测特定部件的故障，而且有些故障是无法被检测到的。随着计算能力的不断提升以及大数据的出现，基于数据的诊断方法作为一种全局检测方法被广泛釆用。该方法通过采集相关数据来提取相关故障特征进行分类,从而达到故障检测的目的。Iannce等図通过采集无人机的声音信号结合人工神经网络从而达到故障诊断的目的。Lu等页采用电机的温度数据结合LSTM网络来判断电机故障信息。Ferriro等⑷采用电机电压数据结合人工神经网络来判断电机故障。基于温度或电压数据的故障诊断只能判断特定部件的故障，不能对机体结构损伤进行检测。振动广泛存在于旋转机械中，无人机因为螺旋桨的存在，不可避免地会有振动信号的产生，研究表明，任何结构的改变都会带来振动信号的改变。无人机振动数据能够反映无人机的结构状况，因此被广泛用来判断无人机故障。因为具有强大的特征提取能力，深度学习在故障诊断领域被广泛使用旳。Zhang等炖采用LSTM网络对无人机振动数据进行分类来判断无人机的故障，但是精度不高。传统的基于振动信号的故障检测方法，因为振动信号存在噪声，所以精度不高。卷积神经网络在模式识别领域取...
