摘要

为实现故障辨识、定位与估计等功能,同时又面向导弹舵回路诊断的实时性与准确性需求,提出一种基于长短记忆网络-自编码器(LSTM自编码器)与长短记忆网络-全卷积网络(LSTM-FCN)算法相结合的诊断框架。采用LSTM自编码器学习数据间的时序关系并建立正常飞行状态的预测模型。将预测模型输出与当前飞行状态比较,生成残差形成故障特征。基于LSTM-FCN网络建立了集故障辨识、定位与估计功能于一体的导弹舵回路诊断模型;并引入压缩激发(SE)模块以增强诊断算法对故障特征的敏感性,利用舵回路半物理仿真平台对所提算法进行了验证。试验表明:针对气动参数与质量不确定性条件的导弹舵回路,所提算法提升了故障诊断的准确性、实时性和鲁棒性。