無人航空機（UAV）の安全性と効率を確保するには、効果的な故障検出と識別（FDI）が必要です。従来の多段階FDI手法、特に残差検出層を使用した手法は、複雑さと計算コストを増加させ、リアルタイムでの応用を制限します。本研究では、UAVの故障検出のために、フジツボ交配最適化（BMO）と離散コサイン変換（DCT）を統合した単一段階異常検出フレームワークを提案します。従来の研究がモデルベースおよびデータ駆動型FDIを探求する一方で、生物にインスパイアされた最適化技術は周波数領域の解析において未開拓のままです。本研究では、UAVの異常を検出するために、3次、5次、7次高調波ピークを分析するBMOベースの適応度関数を開発しました。ソフトウェアインザループ（SITL）シミュレーションにより、5秒の最適フレームサイズ、平均絶対パーセンテージ誤差（MAPE）0.05、二乗平均平方根誤差（RMSE）195.52を達成し、手法を検証します。結果は、最適化手法と周波数領域分析を介した単一段階検出フレームワークの可能性を確認し、リアルタイムUAVアプリケーションに適することを示します。本研究は、生物にインスパイアされたUAV故障検出のギャップを埋め、安全かつ効率的なUAV操作への道を切り開きます。
Zakariaら（Fri）はこの問題を研究しました。