计算机工程与应用

作者：龙享福, 李少波, 张仪宗, 于丽娅, 杨磊

单位：1.贵州大学 机械工程学院，贵阳 550025；2.贵州大学 省部共建公共大数据国家重点实验室，贵阳 550025；3.贵州理工学院，贵阳 550025；

关键词：特征选择,无人机,因果推理,故障检测,故障诊断

基金：国家重点研发计划（2023YFB3308802）；国家自然科学基金（52275480）；贵州省科技项目（黔科合平台KXJZ[2024]002，黔科合平台人才-GHB[2023]001）；贵州省科技厅项目（黔科合中引地[2023]002）；贵州省教育厅项目（黔教合KY字[2020]005）。

无人机目前广泛应用于军民领域，对其进行精确的系统检测与故障诊断是目前技术发展中的一个重要课题。飞行数据记录了无人机飞行过程中的各种故障信息，然而，无人机是一个耦合的复杂系统，多种参数相互影响对故障参数的输入选择带来巨大挑战。提出了一种基于因果推理的故障参数选择方法（CausalAVFS），旨在从多个飞行参数中选择出蕴含丰富故障信息的参数。该方法可将高维数据转换为可读的加权因果邻接矩阵，并通过对参数节点的因果强度进行计算并排序，实现有效的故障参数选择，构建最优的特征子集，为验证CausalAVFS方法的有效性，在飞行数据集中与四种特征选择方法进行了对比，使用七种分类模型进行了广泛实验。实验结果显示，所提方法的平均准确率为0.939?6，要优于其他比较的特征选择方法。

来源：2026年第6期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第6期