一种融合随机卷积数据增强与深度学习的无人机故障诊断方法与系统

本发明公开了一种融合随机卷积数据增强与深度学习的无人机故障诊断方法与系统，有效缓解了由于无人机飞行数据集类别不平衡导致的模型泛化性、鲁棒性差的问题。本发明提出随机卷积数据增强技术，对原始故障样本进行卷积计算，生成多样化的保持原始故障特征但在局部细节引入了多样化的噪声和变形的增强时序样本，并和原始样本加权融合，从而有效扩充故障样本库，提升数据集的平衡性；并且为了高效的捕捉无人机故障信号的时序特征，本发明采用基于时间卷积网络的故障诊断模型，为故障诊断模型的准确性提供决策依据。本发明有效解决了数据集类别不平衡带来的问题，能够提升故障诊断的性能，为基于数据驱动的无人机故障检测方法提供新的思路和方法。