[发明专利]一种基于深度学习的飞机旋转作动器驱动装置自适应故障检测方法

摘要

本发明公开了一种基于深度学习的飞机旋转作动器驱动装置自适应故障检测方法，基于稀疏Dropout自动编码器与降噪自动编码器和Logistic回归的深度学习进行飞机旋转作动器驱动装置的自适应故障检测，采用基于多层神经网络的深度学习自主认知方法，通过在第一层使用稀疏Dropout自动编码器和第二、三层的层叠降噪自动编码器模型实现了原始数据的特征自学习，并将学习获得的数据特征输入至Logistic回归模型判断旋转作动器驱动装置的工作状态，通过加入自适应阈值故障观测器，使阈值随着系统的不同输入和系统的不同状态而发生变化，剔除非故障引起的残差。本发明能有效地应用于飞机旋转作动器驱动装置的故障诊断。

主权项

一种基于深度学习的飞机旋转作动器驱动装置自适应故障检测方法，针对飞机旋转作动器，利用输入指令信号和输出位移信号，基于双级神经网络获取残差和自适应阈值，实现故障检测，其特征在于实现步骤如下：(1)针对飞机旋转作动器驱动装置的故障检测方法，利用输入指令信号和输出角位移信号，建立基于深度学习的内外回路神经网络观测器，将输入指令信号和输出角位移信号输入基于深度学习的内外回路神经网络观测器，得到其估计输出和残差，然后将估计输出分别送入内外回路自适应阈值观测器；(2)建立基于深度学习的内外回路自适应阈值观测器，将输入控制指令和神经网络观测器产生的残差输入至自适应阈值生成器，得到自适应阈值，然后和神经网络观测器输出的残差作对比，从而判定飞机旋转作动器驱动装置是否发生故障。