基于RF-LSTM模型的无人机执行器故障诊断算法OA北大核心CSTPCD

针对现有的无人机执行器故障检测存在解析模型构建耗时长、故障诊断准确度低等问题,该文提出了一种基于数据驱动的复合故障诊断算法,有效地避免了传统解析模型诊断需要更为精确的信息的问题,实现准确快速的执行器故障诊断。该文提出了基于随机森林长短期记忆(RF-LSTM)模型的数据驱动的无人机执行器故障诊断方法。利用随机森林(RF)算法对输入数据进行特征选择,在此基础上构建RF-LSTM小型固定翼无人机故障诊断模型。在4种典型的执行器故障模式下验证了所提出方法的可行性。仿真实验结果表明,基于RF-LSTM模型的故障诊断精度较高,具有较好的实时性。