本技术提供了一种角速度传感器故障诊断方法、装置及电子设备,可以应用于计算机技术领域及数据处理技术领域。该方法包括:持续采集角速度传感器在预设时长内输出的数据,得到时域信号;对时域信号进行小波包分解,得到多个频带信号;分别计算多个频带信号的能量,得到第一能量特征;对时域信号进行图像化处理,生成二维灰度图像;利用能量特征处理子网络对第一能量特征进行特征提取,得到第二能量特征;利用灰度图像处理子网络对二维灰度图像进行特征提取,得到图像特征;利用融合输出子网络对第二能量特征和图像特征进行处理,得到角速度传感器故障类型。
背景技术
光电跟瞄系统(EOTS,Electro-Optical Targeting System)在远距离遥感成像、激光通讯、激光武器等领域具有广泛的应用。在EOTS中,角速度传感器作为其关键的测量元件,为闭环控制回路提供准确的角速度信息,保障EOTS实现高精度的目标跟踪与瞄准。然而,在运动平台上部署的EOTS,由于长期处于振动环境中,系统中的测量元件易发生老化、磨损和损坏,导致EOTS跟踪精度大幅下降,甚至系统失效。因此,为了保证EOTS稳定地运行,需要对角速度传感器的故障诊断技术开展研究。
在相关技术中,角速度传感器的故障诊断方法主要包括基于模型的方法和基于数据驱动的方法。基于物理模型的方法需要建立一个全面的数学模型来描述系统行为,预测系统的期望输出,通过比对期望输出与实际输出之间的差异来诊断故障。这种方法对模型的准确性依赖性较高,而EOTS作为光电成像、电机控制和惯性传感为一体的复杂系统,难以建立精确的故障诊断模型。而基于数据驱动的方法不依赖于准确的系统模型,该方法从历史数据中提取有效特征,然后利用机器学习算法来进行故障诊断。但这种方法无法区分一些频域特征变化不大的故障类型,以及模型的泛化能力受限。
实现思路