基于MEF-MSCNN-LSTM模型的飞机电控舵面故障检测研究
来源：计算机测量与控制杂志2025年第11期北京时间：
作者：耿子庆,姜硕,蔺吉媛,王储,张巍严
单位：吉林通用航空职业技术学院
摘要：随着航空系统智能化水平的提升，飞行器对飞控系统的实时响应与自主诊断能力提出更高要求；电控舵面作为关键执行部件，其故障将直接影响飞行稳定与安全；为提升识别精度与响应效率，研究构建融合多尺度卷积与长短期记忆网络的故障检测模型，并引入多阶段信号降噪机制以优化特征提取；模型基于多源飞行数据训练，精准捕捉电压、电流与偏转角等关键序列特征的演化模式；实验表明，模型在完全训练后准确率达96.7%，漏报率低于1.08%，可在异常发生前2.2 s实现高置信度预警，具备出色的时效性与稳定性；同时在典型巡航工况下识别出微弱间歇性迟滞故障，分类置信度为0.974，体现了良好的早期检测能力；研究验证了该模型在复杂非线性场景中的鲁棒性与实用性，为飞控系统故障诊断由被动响应向智能预测转变提供了技术支撑。
关键词：电控舵面;多尺度卷积神经网络;长短期记忆网络;多阶段信号降噪;故障检测
基金资助：吉林省2024年度职业教育与成人教育教学改革研究项目(2024ZCY166)。
