结合姿态不变性特征和半监督复兴稠密生成对抗分类网络模型的飞控系统故障诊断方法

来源：电子与信息学报杂志2026年第1期北京时间：

作者：张景森, 侯彪, 李志杰, 毕文平, 邬子同

单位：1.西安电子科技大学人工智能学院 西安 7100712.智能感知与图像理解教育部重点实验室 西安 7100713.中国融通人工智能研究中心 北京 100020

摘要：无人机的飞控系统故障诊断主要面临以下两大挑战：其一，作为新兴的空中飞行平台，无人机可用于故障诊断的有效训练数据规模有限，存在显著的训练数据匮乏问题；其二，作为高机动性空中飞行平台，无人机在不同飞行姿态下的数据分布差异显著，存在数据环境高度变动的问题。针对这两种挑战，该文提出了一种结合姿态不变性特征和半监督复兴稠密生成对抗分类网络(RDC-GAN)模型的飞控系统故障诊断方法。方法首先通过基于微分平坦的数据筛选将无人机数据分为姿态相关数据和姿态不相关数据；对于姿态相关数据，利用经验模态挤压激励网络(EMD-SENet)提取对姿态变化具有鲁棒性的姿态不变性特征；之后采用自适应特征融合模块将姿态不相关数据、姿态相关数据和提取到的姿态不变性特征进行加权融合；最后将融合特征送入半监督RDC-GAN模型进行两阶段训练：第1阶段采用无监督训练，利用大量无标签数据对模型网络权重初始化，第2阶段采用有监督训练，通过少量有标签数据进一步对网络权重进行微调，从而实现仅用少量有效数据就能精确诊断出无人机飞控故障的目的。方法在公开数据集RflyMad上整体精度达到了95.71%，在真机故障诊断实验中的整体精度达到了92.78%。

关键词：无人机, 故障诊断, 飞控系统, 姿态不变性特征, 生成对抗网络

基金资助：国家自然科学基金(62171347, 62101405, 62501450)，中国博士后科学基金(2024M762544)