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。
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