博文
基于多阶段注意力机制的多种导航传感器故障识别研究
|
引用本文
王亚朝, 赵伟, 徐海洋, 刘建业. 基于多阶段注意力机制的多种导航传感器故障识别研究. 自动化学报, 2021, 47(12): 2784−2790 doi: 10.16383/j.aas.c190435
Wang Ya-Zhao, Zhao Wei, Xu Hai-Yang, Liu Jian-Ye. Multiple navigation sensor fault diagnose research based on multi-stage attention mechanism. Acta Automatica Sinica, 2021, 47(12): 2784−2790 doi: 10.16383/j.aas.c190435
http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190435?viewType=HTML
文章简介
关键词
多阶段注意力机制, 长短期记忆神经网络, 编码器−解码器, 多类传感器, 故障互判
摘 要
导航传感器在使用过程中容易发生故障, 针对传统方法对其间歇性和渐变性故障识别率低的问题提出了一种基于多阶段注意力机制的多传感器故障识别算法. 该算法采用基于长短期记忆神经网络和注意力机制的编码器−解码器结构, 根据多类导航传感器数据之间的空间相关性和时间相关性来进行多传感器的故障互判. 经验证, 该算法对多种类传感器的故障识别率高达97.5%, 可以高效地实现故障的检测和分类. 该方法可以准确识别出故障传感器和故障类型, 具有很强的工程应用价值.
引 言
全源导航系统中传感器种类和数量繁多, 在进行导航时要使用多个传感器的数据来进行组合导航. 如果传感器发生故障, 那么将会引起导航解算错误. 因此, 在进行导航解算前, 必须先对传感器进行故障检测.
故障检测方向一直有许多学者研究, 主要分为两种方法. 一种方法是建立对应的数学模型, 根据系统状态量之间的关系来判断传感器是否发生故障. 如张绍杰等、Avram等、汤文涛等、Sadeghzadeh-Nokhodberiz等都是先建立系统的数学模型, 然后对系统的误差特性进行分析, 进而实现故障诊断. 该方法比较复杂, 需要了解系统的工作原理, 但实际中许多系统难以抽象出数学模型, 因此应用范围比较小.
另一种方法是基于人工智能方法, 其采用特征工程与机器学习方法或深度学习进行故障诊断. Yan等、Swischuk等和郑晓飞等先采用特征工程进行信息提取, 然后采用机器学习方法进行识别; Jing等和Guo等采用深度学习的方法对原始数据进行故障检测. 一方面特征工程比较复杂; 另一方面这些方法都侧重于对单个传感器数据的故障诊断, 且难以准确识别出间歇性故障和渐变性故障.
针对以上研究中出现的问题, 本文基于导航数据预处理平台, 提出了一种基于多阶段注意力机制的编码器−解码器(Encoder-decoder)模型算法, 该算法可以利用多类传感器数据之间的关系进行传感器的状态互检测, 不仅可以准确检测出故障传感器, 并且可以检测出其故障类型.
图 1 多阶段注意力结构图
图 6 传感器数据状态图
作者简介
王亚朝
南京航空航天大学自动化学院硕士研究生. 2017年获得南京航空航天大学工学学士学位. 主要研究方向为嵌入式系统, 导航系统, 多传感器数据处理. 本文通信作者.
E-mail: wangyazhao001@163.com
赵 伟
南京航空航天大学自动化学院副教授. 2002年获得南京航空航天大学导航、制导与控制博士学位. 主要研究方向为卫星导航与惯性组合导航, 信息融合, GPS应用.
E-mail: zhwac@nuaa.edu.cn
徐海洋
南京航空航天大学自动化学院硕士研究生. 2019年获得南京航空航天大学工学学士学位. 主要研究方向为导航与控制.
E-mail: xuhaiyang@nuaa.edu.cn
刘建业
南京航空航天大学自动化学院教授. 1995年获得南京航空航天大学导航、制导与控制博士学位. 主要研究方向为导航与控制, 惯性导航与组合导航, 测控系统.
E-mail: ljyac@nuaa.edu.cn
相关文章
[1] 张绍杰, 吴雪, 刘春生. 执行器故障不确定非线性系统最优自适应输出跟踪控制. 自动化学报, 2018, 44(12): 2188-2197. doi: 10.16383/j.aas.2018.c170300
http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2018.c170300?viewType=HTML
[2] 汤文涛, 王振华, 王烨, 沈毅. 基于未知输入集员滤波器的不确定系统故障诊断. 自动化学报, 2018, 44(9): 1717-1724. doi: 10.16383/j.aas.2017.c170123
http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2017.c170123?viewType=HTML
[3] 刘国梁, 余建波. 知识堆叠降噪自编码器. 自动化学报, 2022, 48(3): 774-786. doi: 10.16383/j.aas.c190375
http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190375?viewType=HTML
[4] 柳长源, 李文强, 毕晓君. 基于RCNN-LSTM的脑电情感识别研究. 自动化学报, 2022, 48(3): 917-925. doi: 10.16383/j.aas.c190357
http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190357?viewType=HTML
[5] 汤文兵, 任正云, 韩芳. 基于注意力机制的协同卷积动态推荐网络. 自动化学报, 2021, 47(10): 2438-2448. doi: 10.16383/j.aas.c190820
http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190820?viewType=HTML
[6] 杨启萌, 禹龙, 田生伟, 艾山·吾买尔. 基于多注意力机制的维吾尔语人称代词指代消解. 自动化学报, 2021, 47(6): 1412-1421. doi: 10.16383/j.aas.c180678
http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c180678?viewType=HTML
[7] 刘国梁, 余建波. 基于堆叠降噪自编码器的神经-符号模型及在晶圆表面缺陷识别. 自动化学报. doi: 10.16383/j.aas.c190857
http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190857?viewType=HTML
[8] 宋燕, 王勇. 多阶段注意力胶囊网络的图像分类. 自动化学报. doi: 10.16383/j.aas.c210012
http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c210012?viewType=HTML
[9] 唐朝辉, 朱清新, 洪朝群, 祝峰. 基于自编码器及超图学习的多标签特征提取. 自动化学报, 2016, 42(7): 1014-1021. doi: 10.16383/j.aas.2016.c150736
http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2016.c150736?viewType=HTML
[10] 薛东国, 陈博, 张文安, 俞立. 通信受限下网络化多传感器系统的Kalman融合估计. 自动化学报, 2015, 41(1): 203-208. doi: 10.16383/j.aas.2015.c140022
http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2015.c140022?viewType=HTML
[11] 李洪兵, 熊庆宇, 石为人, 陈强, 蒋亿松, 何栋. MPE2S: 基于多路径纠删编码的无线传感器网络可靠传输策略. 自动化学报, 2013, 39(10): 1691-1702. doi: 10.3724/SP.J.1004.2013.01691
http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2013.01691?viewType=HTML
[12] 杨小军. 多跳无线传感器网络下信道感知的目标定位方法. 自动化学报, 2013, 39(7): 1110-1116. doi: 10.3724/SP.J.1004.2013.01110
http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2013.01110?viewType=HTML
[13] 刘韬. 基于梯度的无线传感器网络能耗分析及能量空洞避免机制. 自动化学报, 2012, 38(8): 1353-1361. doi: 10.3724/SP.J.1004.2012.01353
http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2012.01353?viewType=HTML
[14] 彭宇, 罗清华, 王丹, 彭喜元. 基于区间数聚类的无线传感器网络定位方法. 自动化学报, 2012, 38(7): 1190-1199. doi: 10.3724/SP.J.1004.2012.01190
http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2012.01190?viewType=HTML
[15] 刘惠, 柴志杰, 杜军朝, 武波. 基于组合虚拟力的传感器网络三维空间重部署算法研究. 自动化学报, 2011, 37(6): 713-723. doi: 10.3724/SP.J.1004.2011.00713
http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2011.00713?viewType=HTML
[16] 杨小军, 邢科义. 无线多跳传感器网络下基于粒子滤波的信道容错的目标跟踪方法. 自动化学报, 2011, 37(4): 440-448. doi: 10.3724/SP.J.1004.2011.00440
http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2011.00440?viewType=HTML
[17] 孙巍, 窦丽华, 方浩. 多执行器-传感器网络协作环境监测和治理. 自动化学报, 2011, 37(1): 107-112. doi: 10.3724/SP.J.1004.2011.00107
http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2011.00107?viewType=HTML
[18] 石为人, 袁久银, 雷璐宁. 无线传感器网络覆盖控制算法研究. 自动化学报, 2009, 35(5): 540-545. doi: 10.3724/SP.J.1004.2009.00540
http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2009.00540?viewType=HTML
[19] 李莹莹, 张衡阳, 刘云辉. 基于移动传感器网络的节能目标跟踪. 自动化学报, 2007, 33(11): 1156-1162. doi: 10.1360/aas-007-1156
http://www.aas.net.cn/cn/article/doi/10.1360/aas-007-1156?viewType=HTML
[20] 徐涛, 王祁. 多尺度PCA在传感器故障诊断中的应用研究. 自动化学报, 2006, 32(3): 417-421.
http://www.aas.net.cn/cn/article/id/15829?viewType=HTML
[21] 杨浩, 冒泽慧, 姜斌. 一类带有传感器故障的混合系统的容错控制. 自动化学报, 2006, 32(5): 680-685.
http://www.aas.net.cn/cn/article/id/14406?viewType=HTML
[22] 李海通. 小值轴角编码器. 自动化学报, 1981, 7(2): 131-137.
http://www.aas.net.cn/cn/article/id/15437?viewType=HTML
https://blog.sciencenet.cn/blog-3291369-1337478.html
上一篇：支持数据隐私保护的联邦深度神经网络模型研究
下一篇：一种改进的特征子集区分度评价准则
