CausalFPS:一种基于因果发现的无人机飞行参数选择方法
《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》:CausalFPS: A causal discovery-based method for UAV flight parameter selection
【字体:
大
中
小
】
时间:2026年01月07日
来源:MECHANICAL SYSTEMS AND SIGNAL PROCESSING 8.9
编辑推荐:
CausalFPS通过融合结构方程模型与变分自编码器进行非线性因果推断,构建故障信息导向的因果发现模块,并采用PageRank算法量化参数全局影响,实现仅需5个关键参数即可达到其他方法20个参数的诊断精度。
张一宗|李少波|吴凤斌|李传江|龙向福|张安思
贵州大学机械工程学院,中国贵阳550025
摘要
无人机的飞行性能在很大程度上依赖于其复杂的传感系统,因此准确检测和排查传感器故障是当前技术发展中的一个重要课题。无人机的传感系统能够在任务执行过程中捕获各种飞行参数。然而,无人机是一个高度耦合的复杂系统,多个参数之间存在相互作用,这给基于人工经验或统计相关性选择输入参数带来了巨大挑战。因此,从因果关系的角度出发,我们提出了一种用于无人机传感器故障参数选择的因果发现方法——CausalFPS。CausalFPS旨在通过捕捉传感器参数之间的非线性因果关系来深入理解故障的传播路径,并选择最具区分性的核心参数以进行故障诊断。具体而言,首先融合结构方程建模(SEM)和变分自编码器(VAE)来实现多传感器参数的非线性因果推断,并初步构建参数之间的通用因果关系。其次,创新性地设计了一个以故障信息为导向的因果发现模块,通过实时获取每个参数节点的强度并对输入参数进行加权,引导模型专注于学习故障信息的因果关系。最后,使用PageRank算法量化因果网络中每个参数的全球影响力并进行排序,然后选择最具影响力的参数用于故障诊断。在实际飞行案例中验证了CausalFPS的有效性和优越性,结果表明,在仅选择5个参数的情况下,CausalFPS能够达到其他算法选择20个参数时的诊断准确率。
引言
随着无人机在军事、物流、农业和环境监测等领域的广泛应用,其飞行安全和可靠性变得越来越重要。根据Milad Ghasri的研究[1],设备相关因素在风险类别中占据主导地位;其中,传感器故障是事故的主要原因之一[2]。作为无人机飞行控制系统的重要组成部分,传感器相当于人类的感觉系统,负责收集环境信息和飞行数据,为无人机导航、姿态控制和任务规划提供重要参考。因此,无人机的飞行性能在很大程度上依赖于其复杂的传感系统。如果传感器发生故障,将导致灾难性后果。如何有效检测和诊断无人机传感器故障已成为确保无人机安全运行的关键问题之一。
近年来,无人机传感器故障诊断领域出现了多种解决方案。其中,以深度学习为代表的数据驱动方法因其独特优势而受到广泛关注。与基于冗余[3]、知识[4]或模型[5]、[6]的传统方法相比,数据驱动方法无需依赖精确的物理模型或专家知识,能够处理复杂的非线性任务,因此成为当前的研究热点。早在2010年,就有研究[7]展示了神经网络技术在处理多个无人机传感器故障时的潜力,用于故障隔离和诊断分析,被认为是对基于模型的传统方法的强大升级和替代方案。在最新的研究[8]中,作者结合了条件变分自编码器和生成对抗网络来实现磁力计z轴、陀螺仪z轴和加速度计y轴的故障诊断。此外,还提出了许多其他方法[9]、[10],进一步推动了数据驱动方法在无人机传感器故障诊断领域的应用和发展。这些研究的成功充分证明了数据驱动方法在传感器故障诊断中的潜力。
然而,数据驱动的无人机传感器诊断方法的性能在很大程度上取决于数据的质量和信息丰富度[11]。无人机的飞行控制系统能够在飞行过程中捕获数百个传感器参数[10],包括姿态参数、位置参数和控制参数等,但并非所有参数对故障诊断都具有同等价值。实际上,大量参数可能包含冗余信息,甚至引入噪声,从而降低诊断模型的效率和准确性[12]。因此,如何从大量飞行参数中筛选出最具区分性的核心参数以进行故障诊断成为提高数据驱动方法性能的关键挑战之一。在当前的无人机传感器故障诊断研究中,用于故障诊断的飞行参数选择严重依赖于人类经验[9]、[10]、[13]、[14]、[15]、[16]、[17]、[18]、[19]、[20]、[21]。研究人员通常根据个人经验和领域知识选择与传感器故障相关的参数,虽然这种方法在一定程度上可以提供有效的输入,但在高度耦合的无人机系统中存在明显局限性:(1)研究人员在参数筛选过程中容易受到主观认知偏差的影响,倾向于选择表面相关性高的参数,而忽略了气压与跨域参数(如电机电流)之间的隐含物理相关性,可能导致关键参数的遗漏,从而难以选择包含丰富故障信息的参数。(2)随着无人机系统复杂性的增加,仅凭人类经验很容易引入冗余参数。(3)人类经验的选择方法缺乏系统性和可扩展性,难以适应不同类型的无人机和飞行任务。总体而言,依赖人类经验选择的飞行参数限制了故障诊断模型的准确性(我们将在第4.5节中进行验证)。
尽管一些研究已经意识到依赖人类经验进行参数选择的不足,并尝试使用替代方法来确定输入飞行参数。然而,在无人机传感器故障排查领域,大多数研究仍然主要基于相关性分析来选择参数[[22]、[23]、[24]、[25]]。这些研究通过计算每个飞行参数之间的统计相关性来筛选高相关性的参数,但这种方法往往忽略了高相关性并不一定代表独立信息贡献的关键事实,反而引入了大量无法有效反映系统内真实故障传输机制和因果关系的冗余参数。换句话说,相关性分析仅揭示了飞行参数之间的统计关联,而相关参数组的信息熵重叠度非常高[26]、[27],这意味着引入多个高相关参数本质上是对同一信息源的重复捕获,对决策模型的信息增益极其有限。
在大量的飞行参数中,如何准确筛选出最具区分性的参数子集,突破人类经验或统计相关性的限制,以提高故障诊断的准确性并降低计算成本,构成了本研究的动机。为此,我们提出了CausalFPS:一种面向无人机传感器故障参数选择的因果发现方法。CausalFPS旨在通过捕捉传感器参数之间的非线性因果关系来深入理解故障的传播路径,并选择最具区分性的核心参数进行故障诊断。具体而言,首先融合结构方程建模(SEM)和变分自编码器(VAE)来实现多传感器参数的非线性因果推断,并构建参数之间的通用因果关系。其次,创新性地构建了一个以故障信息为导向的因果发现模块,通过实时获取参数节点的强度并对输入参数进行加权来引导模型专注于学习故障信息驱动的因果关系,并借助故障分类器进行监督。最后,使用PageRank算法量化因果网络中每个参数的全球影响力并进行排序,然后选择最具影响力的参数用于故障诊断。
与以往的研究相比,本文的贡献可以总结为以下三点:
(1)与许多研究中的当前参数选择方法不同,本研究从因果关系的角度寻找因果网络中的枢纽节点,从而选择最具影响力的参数节点。这种方法深入数据表面,更深入地揭示了参数之间的本质联系。
(2)据我们所知,CausalFPS是第一个对故障信息的因果关系进行建模的方法。具体而言,通过结合SEM和VAE,初步实现了复杂飞行参数之间非线性因果关系的推断。在此基础上,进一步设计了用于故障信息的因果发现监督模块,引导模型专注于学习与故障信息密切相关的因果关系。
(3)CausalFPS的有效性和优越性已在实际飞行案例中得到验证。CausalFPS在仅选择5个参数的情况下,能够达到其他算法选择20个参数时的诊断准确率。
相关工作
在本节中,我们将回顾一些与CausalFPS相关的工作,讨论这些工作与CausalFPS之间的联系和差异。
提出的方法
在本节中,我们将详细介绍提出的CausalFPS模型及其参数选择过程。如图1所示,CausalFPS的参数选择过程包括三个关键模块:数据处理、因果发现和故障参数选择与评估。数据处理部分主要为后续的因果发现环节提供必要的数据支持和准备。数据集的详细信息和数据处理过程将
实验环境
所有实验均在配备了特定硬件和软件环境的无人机地面控制站上进行。控制站运行的是Ubuntu 20.04.2 LTS操作系统,配备了Intel(R) Core(TM) i9-14900 K CPU和NVIDIA GeForce RTX 4090 GPU(24 GB显存)。在软件配置方面,实验环境使用Python 3.8.10作为主要编程语言,torch 2.4.1 + cu121作为深度学习框架。
结论
无人机传感器故障诊断对无人机的飞行安全至关重要。在大量的飞行参数中,如何准确选择最具区分性的参数子集,突破手动经验或统计相关性的限制,提高无人机传感器故障诊断的准确性并降低计算成本,构成了本研究的动机。为此,我们提出了CausalFPS:一种面向故障参数选择的因果发现方法
CRediT作者贡献声明
张一宗:撰写 – 审稿与编辑,撰写 – 原稿,方法论,调查,正式分析,数据管理,概念化。李少波:监督,资金获取,概念化。吴凤斌:撰写 – 原稿,验证,正式分析。李传江:可视化,监督。龙向福:撰写 – 原稿,方法论,数据管理。张安思:监督,资金获取。
利益冲突声明
作者声明他们没有已知的可能会影响本文报告工作的竞争性财务利益或个人关系。
致谢
本工作得到了国家自然科学基金(项目编号52275480)、国家自然科学基金区域科学基金项目(项目编号52365061)以及贵州省科技计划项目(项目编号QKHJC-ZK [2024] YB019, ZK [2023] 059)的支持。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号