Page 144 - 航空电子传感器技术的研究与应用

第三章 航空电子传感器技术

及技术和商业机密，很少向外公开。例如基于神经网络的方法成功解决了“旅行
者 1 号”通讯系统的故障诊断研究以及国产某歼型飞机的结构故障诊断应用、空
中送货无人机的故障诊断应用、冗余与容错技术在民机飞行控制系统中的应用、

MQ-9B 正在配备的 GA-ASI 开辟的检测和幸免（DAA）系统在故障诊断中的应用、
型号为 Skydio2 的无人机配备了具有自动故障检测功能的先进自主飞行系统等。
以及在某些研究中对相应的无人机故障诊断技术进行的实际飞行测试，如 Bronz
等通过对小型固定翼无人机在实际飞行条件下，记录的 11 份飞行日志，采用支

持向量机算法对飞行器在正常飞行阶段和故障阶段的行为进行分类。Zhang 等将
其提出的一种基于混合深域自适应 BiLSTM 网络和 Hampel 滤波器（HDBNH），
同样用于这种固定翼无人机的故障诊断，通过在该无人机真实的飞行数据中进行
测试来验证该方法的有效性。孙城在完成所构建神经网络模型结构和参数的保存

以及软件平台中模型的构建情况下，将其研究的深度学习 1D-CNN 模型用于无人
机执行器系统故障诊断的方法应用到自己构建的正常的和执行器故障的 pixhawk
六旋翼无人机中。
这些实际应用展示了无人飞行器故障诊断技术在解决飞行器故障和危险情况

方面的重要性，它们帮助提高飞行器的安全性，保护人员和财产免受潜在风险的
威胁。无论是哪种无人机飞控系统故障诊断技术，都需要严格结合实际飞行数据
进行测试和验证，来评估无人机飞控系统故障诊断技术的可靠性和准确性，同时
也有助于推动无人机技术的进一步发展。

（五）挑战与展望
1. 面临的挑战
在无人机故障诊断领域，目前国内外的研究热点主要集中在基于人工智能的
故障诊断方法，其次是无人机的故障建模方法及智能控制方法。其中，基于人工

智能的无人机故障诊断主要包含数据驱动的推理和决策、专家系统以及神经网络
等方法。此外，在数据驱动和专家系统方面还包括机器学习方法、基于小波分析
的方法、人工神经网络以及贝叶斯网络等技术。目前，随着无人机故障诊断领域
研究技术不断成熟，对于人工智能算法的应用已经比较广泛，但目前在对无人机

进行故障诊断时仍然存在以下几个问题。
无人机系统复杂。无人机系统的复杂性主要来自其涉及多个子系统和组件，
例如传感器、控制器、执行器、通信设备等，并且它们之间相互交互，形成了一

129