一种无人机的故障处置方法、装置、设备和存储介质与流程

摘要: 本技术涉及无人机故障处置,具体而言,涉及一种无人机的故障处置方法、装置、设备和存储介质。背景技术:1、现有的无人机故障处理方法主要集中在故障诊断层面,通常包括基...
一种无人机的故障处置方法、装置、设备和存储介质与流程

本技术涉及无人机故障处置,具体而言,涉及一种无人机的故障处置方法、装置、设备和存储介质。

背景技术:

1、现有的无人机故障处理方法主要集中在故障诊断层面,通常包括基于规则的诊断方法和基于数据驱动的智能诊断方法两大类。

2、基于规则的方法通常依赖人工经验建立阈值或逻辑判断,例如通过设置发动机转速阈值、姿态角度阈值等来识别异常状态。这类方法具有实现简单、计算开销低的优点,但其缺点也较为明显:首先,规则依赖专家经验,难以覆盖复杂多变的飞行场景;其次,规则体系通常较为刚性,缺乏自适应能力,当飞行环境或任务模式发生变化时容易失效;再次,该类方法难以处理多故障耦合或复杂控制流程下的异常情况。

3、基于数据驱动的方法则通过机器学习或深度学习模型对历史飞行数据进行训练,实现对故障的自动识别。这类方法能够从大量数据中提取复杂特征,具有较强的模式识别能力,在单一故障识别任务中表现较好。然而,该类方法通常仅输出故障类别或异常概率,缺乏对后续处置策略的支持,无法直接指导无人机执行具体应急操作。此外,深度学习模型往往缺乏可解释性,在安全关键领域应用时存在一定风险,难以满足工程应用中对可靠性与透明性的要求。

4、进一步地,在实际无人机飞行过程中,同一类型的故障在不同飞行阶段、不同控制模式以及不同环境条件下,其最优处置策略可能存在显著差异。例如,在高空巡航阶段发生发动机故障时,可以优先执行返航或伞降回收,而在低空起飞或回收阶段发生类似故障时,则可能需要立即执行开伞等紧急措施。此外,在部分系统中存在“内部处理机制”,即飞控系统自身具备一定的自动容错或应急处理能力,而在某些测试或特殊场景下,这些内部处理机制可能被人为屏蔽,从而导致外部决策系统需要直接接管控制。因此,单一规则或单一模型难以在不同控制模式和飞行阶段下做出合理决策。

5、此外,随着无人机长期运行,会积累大量飞行数据和故障处理经验,这些数据中包含丰富的隐性知识,例如不同故障在不同场景下的处理效果、动作执行顺序以及风险等级等。然而,现有技术通常未能对这些历史经验进行结构化建模和有效利用,导致系统无法基于历史经验进行决策优化,重复犯错或无法利用已有成功经验。

6、近年来,检索增强方法逐渐被应用于复杂决策场景,通过从历史数据或文档中检索相关信息辅助决策。然而,现有检索方法在无人机故障处置领域仍存在明显不足:首先,检索过程通常基于全局数据进行匹配,缺乏针对当前故障语境的约束机制,容易引入大量无关或低相关信息,降低决策准确性;其次,检索结果与规则系统或控制逻辑之间缺乏有效融合,难以形成统一决策依据;再次,检索结果通常停留在信息层面,缺乏对动作执行顺序、风险评估等关键决策信息的支持。

7、与此同时,尽管部分研究尝试引入知识图谱对故障知识进行结构化表示,但现有方法多停留在静态知识建模阶段,缺乏将知识图谱用于动态检索约束与推理引导的机制,无法有效缩小检索范围或提升检索结果的相关性,从而限制了其在实时故障处置中的应用效果。

8、在多源信息融合方面,现有技术通常将规则判断、数据驱动结果以及经验数据分别处理,缺乏统一的融合框架,难以在复杂故障场景下实现协同决策。例如,在混合故障情况下,不同信息来源之间可能存在冲突或优先级差异,传统方法难以进行有效整合,导致最终决策不合理或不稳定。

技术实现思路

1、根据本技术的一方面,提供一种无人机的故障处置方法,包括:获取无人机的飞行状态数据;在预设故障规则中,确定与飞行状态数据匹配的故障规则;基于与飞行状态数据匹配的故障规则,确定无人机的初始动作序列;依次进行与飞行状态数据匹配的故障规则对应的知识图谱扩展、飞行记忆检索和文档检索,并获取检索结果;根据检索结果,确定初始动作序列对应的风险提示信息,以生成结构化故障处置报告。

2、根据一些实施例,在获取无人机的飞行状态数据后,将飞行状态数据转换为状态字典键值对。

3、根据一些实施例,飞行状态数据包括无人机的当前飞行阶段;在预设故障规则中,确定与飞行状态数据匹配的故障规则,包括:确定预设故障规则中与当前飞行阶段匹配的故障规则;对与当前飞行阶段匹配的故障规则中的条件项进行逐项求值;基于已进行条件项逐项求值的、与当前飞行阶段匹配的故障规则,根据预设的规则逻辑关系确定与飞行状态数据匹配的故障规则。

4、根据一些实施例,基于与飞行状态数据匹配的故障规则,确定无人机的初始动作序列,包括:获取预设故障规则对应的预设动作序列,预设动作序列中的动作按预设优先级进行排序;基于与飞行状态数据匹配的故障规则,在预设动作序列中确定与飞行状态数据匹配的动作;按预设优先级对与飞行状态数据匹配的动作进行排序,以生成初始动作序列。

5、根据一些实施例,检索结果包括飞行记忆检索结果和文档检索结果;依次进行与飞行状态数据匹配的故障规则对应的知识图谱扩展、飞行记忆检索和文档检索,并获取检索结果,包括:以与飞行状态数据匹配的故障规则为起点,在预设的知识图谱中进行多跳扩展,以确定与飞行状态数据匹配的故障规则对应的历史记忆节点;基于历史记忆节点进行飞行记忆检索,以获取飞行记忆检索结果;基于预设的语料库和飞行状态数据进行文档检索,以获取文档检索结果。

6、根据一些实施例,基于历史记忆节点进行飞行记忆检索,以获取飞行记忆检索结果,包括:将飞行状态数据转换为状态查询文本;基于状态查询文本,在历史记忆节点中进行检索,以计算状态查询文本与历史记忆节点对应的文本的相似度;根据状态查询文本与历史记忆节点对应的文本的相似度的计算结果,获取飞行记忆检索结果。

7、根据一些实施例,基于预设的语料库和飞行状态数据进行文档检索,以获取文档检索结果,包括:获取语料库中的文本文档,并将文本文档切分为多个文本块;计算状态查询文本与多个文本块的相似度;根据状态查询文本与多个文本块的相似度的计算结果,获取文档检索结果。

8、根据一些实施例,根据检索结果,确定初始动作序列对应的风险提示信息,以生成结构化故障处置报告,包括:确定初始动作序列与检索结果的对应关系;根据对应关系,生成风险提示信息;基于初始动作序列与风险提示信息,生成结构化故障处置报告,结构化故障处置报告包括与飞行状态数据匹配的故障规则编号、检索结果中的飞行记忆检索结果和文档检索结果。

9、根据本技术的一方面,提供一种无人机的故障处置装置,包括:数据获取模块,用于获取无人机的飞行状态数据;规则匹配模块,用于在预设故障规则中,确定与飞行状态数据匹配的故障规则;动作确定模块,用于基于与飞行状态数据匹配的故障规则,确定无人机的初始动作序列;知识检索模块,用于依次进行与飞行状态数据匹配的故障规则对应的知识图谱扩展、飞行记忆检索和文档检索,并获取检索结果;结果输出模块,用于根据检索结果,确定初始动作序列对应的风险提示信息,以生成结构化故障处置报告。

10、根据本技术的一方面,提供一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如上所述的方法。

11、根据本技术的一方面,提供一种计算机可读存储介质,其上存储有计算机程序或指令,计算机程序或指令被处理器执行时实现如上所述的方法。

12、根据本技术的实施例,利用规则库对当前飞行状态进行初步判定,能够保证故障识别和处置建议具有明确的工程依据。通过知识图谱对命中规则进行关联扩展,并限定后续飞行记忆检索范围,避免在全量历史数据中盲目检索,从而提高检索结果与当前故障场景的相关性。引入飞行记忆库,将历史飞行架次中的故障特征、处置动作和结果作为证据参与决策,使系统能够复用已有成功经验并提示相似失败风险。通过文档检索和融合决策模块,能够同时输出动作建议、历史证据、文档依据和风险提示,提升故障处置结果的可解释性和可靠性。。

13、应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本技术。