基于机载深度学习的无人机故障原因检测与识别
信号处理
2020-05-08 v2 计算机视觉与模式识别
机器学习
机器人学
摘要
随着无人机（UAV）/无人机使用量的增加，实时检测并识别故障原因对于从潜在类坠毁场景中妥善恢复或进行事后取证分析十分重要。坠毁原因可能是传感器/执行器系统故障、物理损坏/攻击，或对无人机软件的赛博攻击。本文中，我们提出基于深度卷积与长短期记忆神经网络（CNN 与 LSTM）的新颖架构，以根据传感器数据检测（通过自编码器）并分类无人机误操作。所提架构能够从原始传感器数据自动学习高层特征，并学习传感器数据中的空间与时间动态。我们通过仿真及在真实无人机上的实验验证了所提深度学习架构。实证结果表明，我们的方案能以超过 90% 的准确率检测、并分类各类无人机误操作（仿真数据约 99% 准确率，实验数据最高 88% 准确率）。
引用
@article{arxiv.2005.00336,
title = {On-board Deep-learning-based Unmanned Aerial Vehicle Fault Cause Detection and Identification},
author = {Vidyasagar Sadhu and Saman Zonouz and Dario Pompili},
journal= {arXiv preprint arXiv:2005.00336},
year = {2020}
}
备注
IEEE International Conference on Robotics and Automation (ICRA), May 2020, 6+1 pages