江苏大学学报(自然科学版)

作者：王力1，金辉2

单位：1. 中国民航大学 职业技术学院， 天津 300300； 2. 中国民航大学 电子信息与自动化学院， 天津 300300

关键词：大气数据系统, 故障诊断, 深度学习, 故障仿真, 长短期记忆, 多头自注意力机制

基金：国家自然科学基金资助项目（U1733119）； 中央高校基本科研业务费资助项目（3122017107）

针对大气数据具有时变性强、类型多、故障复杂等问题，提出一种基于多头自注意力机制的故障诊断方法.首先，使用LSTM提取故障数据的时域特征；然后，结合MSA提取不同类型数据间的空间位置特征；最后，利用MLP提升模型泛化能力,给出了故障诊断流程.该方法在不同类型数据间形成故障互判，实现多故障识别，并利用大气数据对该方法有效性进行充分验证.给出了试验设置，采用带k折交叉验证的网格搜索法确定最优模型参数；为验证LSTM-MSA模型的性能，构建MSA-LSTM、LSTM-MSA-P、LSTM-CNN、RNN-MSA共4种深度学习模型进行对比试验；为验证诊断模型能否精确定位故障，使用验证集的预测标签和真实标签构建故障分类混淆矩阵；为进一步验证文中方法的诊断能力，基于t-SNE进行了可视化试验.结果表明，所提出方法的故障识别准确率达96.696%，F1达96.777%，且各类故障的误判率均控制在10%以下，诊断模型具有较高的鲁棒性.

来源：2023年第4期

《江苏大学学报(自然科学版)》期刊编辑部

查看江苏大学学报(自然科学版)杂志2023年第4期