基于深度学习的航空飞行器故障自助检测研究

针对航空飞行器故障的随机性、多层次性,造成飞行器的状态数据分布受到非线性干扰,采用传统的故障检测时,随机变量的取值范围受到这种干扰的影响,导致收敛性差、漏检率和误检率高的问题。提出深度学习的航空飞行器故障自助检测算法。依据受限波尔兹曼基原理构建深度学习网络的故障检测模型,在模型中引入能量函数,求解隐含层节点和可视节点的激活概率,采用极大似然的学习方法,遍历深度学习网络模型节点,获取最优解,实现对当前故障状态的有效判定,从而完成航空飞行器故障的自助检测。实验结果表明,采用改进算法进行航空飞行器故障自助检测,可以提高故障检测的准确率,减小误差,节约运行成本,具有更强的鲁棒性。