振動信号を用いたUAVの自己注意機構強化型GraphSAGEによる故障診断

科学分野:

• 機械工学
• 人工知能
• 航空宇宙工学

背景:

• 無人航空機（UAV）の従来の故障診断方法は、複雑な振動信号から重要な特徴を抽出する上で課題に直面しています。
• 効果的な故障診断は、UAVの運用上の安全性、ミッションの信頼性を確保し、壊滅的な故障を防ぐために不可欠です。

研究 の 目的:

• UAV振動データから故障特徴を効果的に抽出する強化型故障診断フレームワーク、GraphSAGE-SAを提案すること。
• UAVおよび類似の複雑な機械システムのインテリジェント故障診断の精度と堅牢性を向上させること。

主な方法:

• MPU6050センサーを使用したカスタム振動データ収集システムを開発しました。
• K近傍法（KNN）アルゴリズムを利用して、1次元振動信号をグラフ構造データに変換しました。
• 階層的な情報集約と適応的な近傍重要度重み付けのために自己注意機構を備えたGraphSAGE-SAモデルを実装しました。

主要な成果:

• クアッドローターUAVプラットフォームで98%の故障分類精度を達成しました。
• 従来のGraphSAGEバリアント（3-12%の改善）およびその他のグラフベース手法と比較して優れたパフォーマンスを示しました。
• GraphSAGE-SAモデルは、振動データにおける局所的な構造パターンと大域的な依存関係の両方を効果的に捉えます。

結論:

• 提案されたGraphSAGE-SAフレームワークは、UAVにおけるインテリジェント故障診断のための新規かつ効果的なソリューションを提供します。
• 自己注意機構は特徴抽出精度を向上させ、診断精度の大幅な向上につながります。
• このアプローチは、UAVおよびその他の複雑な機械の安全性と信頼性の向上に有望です。