一种用于自主水下航行器(AUV)故障诊断的新型开放集识别方法 董凌岩、霍燕

《Applied Sciences》:A New Open-Set Recognition Method for Fault Diagnosis of AUV Lingyan Dong and Yan Huo

【字体: 大 中 小 】 时间:2026年04月04日 来源:Applied Sciences 2.5

编辑推荐:

   摘要 自主水下航行器(AUV)在深海探测任务中发挥着至关重要的作用。在复杂且高度动态的海洋环境中,AUV具备强大的故障诊断能力对于提高其运行安全性至关重要。在AUV故障

  

摘要

自主水下航行器(AUV)在深海探测任务中发挥着至关重要的作用。在复杂且高度动态的海洋环境中,AUV具备强大的故障诊断能力对于提高其运行安全性至关重要。在AUV故障诊断的过程中,封闭集识别方法倾向于将未知故障误分类为已知故障,这可能会带来严重的运行后果。为了使AUV能够适应新的和未知的深海环境,并有效检测新的未知故障,本文提出了一种基于卷积神经网络(CNN)的开放集AUV故障识别方法。首先,利用CNN从原始传感器数据中提取高层次的判别特征;然后构建由多个单类支持向量机(OC-SVM)组成的委员会来判断输入样本是否属于已知类别;最后,通过设计的分类模块准确地对已识别的已知样本进行分类。该方法能够有效区分已知故障和未知故障。为了提高模型的识别精度,引入了注意力机制。通过学习自动为不同特征通道分配权重,模型可以关注更重要或相关的特征通道。基于“Haizhe”数据集的实验表明,与现有的最先进方法和传统方法相比,所提出的CNN-OC-SVM模型在AUV故障诊断任务中表现出更优的性能。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    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