结合注意力机制与元学习的固定翼无人机故障诊断方法

来源：计算机工程与应用杂志2025年第23期北京时间：

作者：董虔利, 张安思, 武杰, 赵凯君

单位：贵州大学 公共大数据国家重点实验室，贵阳 550025

摘要：随着无人机在各领域应用的日益广泛，故障诊断成为保障其安全运行的关键。然而，传统基于深度学习的故障诊断方法往往依赖大量标记数据，在样本量较小和复杂飞行环境下易出现泛化性能差、对关键特征的提取不够显著、过拟合等问题。针对这些挑战，提出了一种元学习和有效通道注意力（meta-learning and effective channel attention，MLECA）的故障诊断方法，旨在利用元学习提高固定翼无人机故障诊断的准确性和鲁棒性。对原始传感器数据预处理并构建元任务；为了有效捕捉和突出重要特征，建立卷积神经网络和有效通道注意力（efficient channel attention，ECA）结合的特征编码器；将其作为基模型，通过模型无关的元学习方法训练优化初始化参数来获取先验表征知识，并利用所学知识实现未知环境下固定翼无人机故障诊断。实验结果表明，MLECA整体展现出较好的诊断性能，且拥有更强的泛化能力。

关键词：固定翼无人机,故障诊断,元学习,注意力机制