螺旋桨故障藏身6大飞行日志通道！AI评分系统一眼锁定隐患，强制检查安排上
A Metamorphic Artificial Age Score Decision-Support Prototype for Flight-Log-Based Drone Propeller Health Monitoring
👨💼 主理人解读 · 为什么值得关注
提出基于飞行日志的无人机螺旋桨健康监测原型，利用蜕变测试与人工年龄分数辅助故障诊断。
📖 AI 总结
本文提出了一种基于飞行日志的无人机螺旋桨健康监测决策支持原型系统，采用“变质人工年龄评分”（AAS）方法。该系统利用2024年DronePropA公开数据集中的真实飞行日志，从原始MATLAB矩阵中计算六个健康指标：轨迹跟踪误差、姿态不稳定性、推力指令负担、电机指令不平衡、ESC指令不稳定性和电池压力。这些指标相对于健康基线进行归一化，并通过候选评分策略、变质充分性关系和冗余调整的AAS公式进行评估。AAS在此被用作结构性政策充分性和负担度量，而非时间年龄度量。回顾性评估使用一个健康基线和三个缺陷螺旋桨案例，结果显示不同严重程度的缺陷通过不同操作通道显现，如Severity 1以ESC指令不稳定为主，Severity 2达到电机和ESC指令最大负担，Severity 3轨迹跟踪误差最大。研究强调多指标决策支持层对飞行后维护优先级划分和自主系统监督的必要性。
🔑 关键词速览
| Metamorphic Artificial Age Score (AAS) | 一种基于蜕变测试思想的评分方法，用于评估系统健康状态，本文中作为结构策略充分性和负担度量。 |
| flight-log-based health monitoring | 基于飞行日志数据的健康监测方法，通过分析飞行记录中的多通道信号来诊断系统故障。 |
| ESC-command instability | 电子速度控制器（ESC）指令的不稳定性，反映电机控制信号的波动程度。 |
| trajectory tracking error | 轨迹跟踪误差，指无人机实际飞行路径与预期路径之间的偏差。 |
| redundancy-adjusted AAS formulation | 考虑指标冗余性调整后的AAS公式，用于更准确地评估系统负担和策略充分性。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅