five

RflyMAD|无人机技术数据集|故障检测数据集

收藏
arXiv2024-01-11 更新2024-07-30 收录
无人机技术
故障检测
下载链接:
https://rfly-openha.github.io/documents/4_resources/dataset.html
下载链接
链接失效反馈
资源简介:
RflyMAD数据集是由Reliable Flight Control (Rfly) Group开发的无人机异常数据集,旨在推动故障检测和隔离(FDI)或健康评估(HA)等研究领域的发展。该数据集包含11种故障在6种飞行状态下的情况,总共有5629个飞行案例,包括软件在环(SIL)模拟、硬件在环(HIL)模拟和实际飞行案例。数据集可用于故障诊断方法的基准测试,并通过迁移学习方法验证模拟数据与实际飞行的支持关系。
创建时间:
2023-11-19
AI搜集汇总
数据集介绍
main_image_url
构建方式
RflyMAD数据集的构建方式包括模拟数据和真实飞行数据两部分。模拟数据基于RflySim平台,使用高精度非线性多旋翼动态模型,并设计故障注入模块来改变模型内的故障参数。模拟数据分为软件在环(SIL)和硬件在环(HIL)两种,分别通过PX4固件和PX4自动驾驶仪进行控制。真实飞行数据则通过修改PX4固件,在多旋翼飞行器上进行实验收集。数据集包含四种原始数据类型和相关的处理文件,分别为飞行信息、ULog、遥测日志和地面真实数据。
特点
RflyMAD数据集的特点包括数据量大、涵盖多种故障类型和飞行状态,以及数据质量高。数据集包含11种模拟故障和7种真实飞行故障,涵盖电机、螺旋桨、传感器和环境影响等多个方面。飞行状态包括悬停、航点飞行、速度控制、盘旋、加速和减速等。数据集的层次结构清晰,便于研究人员设计基于模型或数据驱动的算法。此外,数据集具有可扩展性,用户可以通过RflySim平台自行设计和收集模拟数据。
使用方法
RflyMAD数据集的使用方法包括数据预处理、模型构建和领域自适应算法。数据预处理包括数据转换、时钟统一、插值处理等。模型构建可以使用改进的LeNet-5模型,并使用Adam优化算法进行训练。领域自适应算法可以使用TrAdaBoost或AdaBN等方法,以验证模拟数据和真实飞行数据之间的支持关系。数据集和相关工具包可通过RflyMAD的官方网站获取,方便研究人员使用和验证故障诊断方法。
背景与挑战
背景概述
在无人机技术迅速发展的背景下,多旋翼无人机的健康和飞行安全问题日益受到关注。为了推动无人机故障检测与隔离(FDI)以及健康评估(HA)等研究领域的发展,Reliable Flight Control(Rfly)小组开发了一个名为RflyMAD的开源数据集。该数据集包含11种故障类型,适应于6种飞行状态,覆盖了多旋翼无人机在故障发生时可能的不同移动水平。总共有5629个飞行案例,故障时间为3283分钟,其中2566个案例为软件在环(SIL)仿真,2566个案例为硬件在环(HIL)仿真,497个案例为真实飞行。数据集包含了基于RflySim的仿真数据和真实飞行数据,可以在提高数据量的同时提升数据质量。每个案例中都包含了ULog、遥测日志、飞行信息和处理过的文件,供研究人员使用和检查。RflyMAD数据集可以作为故障诊断方法的基准,并通过迁移学习方法验证了仿真数据与真实飞行之间的支持关系。未来,将会有更多作为基线的方法被提出,并且RflyMAD数据集将会更新更多的数据和类型。此外,数据集和相关工具包可以通过https://rfly-openha.github.io/documents/4 resources/dataset.html.访问。
当前挑战
RflyMAD数据集面临的挑战主要包括:1)领域问题挑战:尽管无人机领域有许多数据集,但专门针对无人机故障的数据集较少,且大多数数据集仅包含仿真数据,缺乏系统级故障的真实飞行数据。2)构建过程挑战:由于真实实验的高硬件成本,大多数反映无人机正常和异常状态的数据集包含仿真数据,而记录系统级故障的数据集稀缺。RflyMAD数据集旨在解决这些挑战,通过使用RflySim平台生成仿真数据,并结合PX4自动驾驶仪进行SIL和HIL仿真,以及通过修改PX4固件收集真实飞行数据。尽管如此,数据集在真实飞行子数据集中每种故障类型的飞行案例数量仍然不足,未来需要更多的研究和贡献来增加这些案例。此外,数据类型的多样性也需要扩展,例如添加更多的传感器数据,以及飞行过程中从多个视角拍摄的视频数据。
常用场景
经典使用场景
RflyMAD数据集作为多旋翼无人机异常检测与健康评估的基准数据集,提供了模拟和真实飞行数据,涵盖了11种故障类型和6种飞行状态。研究人员可以利用该数据集进行故障诊断、隔离和健康评估方法的研究和开发,验证模拟数据与真实飞行数据之间的支持关系,并通过迁移学习方法提高诊断准确性。
解决学术问题
RflyMAD数据集解决了无人机研究领域中数据集不足的问题,特别是针对故障检测与隔离(FDI)和健康评估(HA)方面的数据集匮乏。该数据集包含了模拟和真实飞行数据,以及多种故障类型和飞行状态,为研究人员提供了丰富的实验材料。此外,RflyMAD数据集还验证了模拟数据与真实飞行数据之间的支持关系,为无人机故障诊断领域的研究提供了重要参考。
衍生相关工作
RflyMAD数据集的发布推动了无人机故障诊断领域的研究,衍生出许多相关的工作。例如,基于RflyMAD数据集开发的故障诊断算法、迁移学习方法等,为无人机故障诊断领域的研究提供了重要的参考和借鉴。此外,RflyMAD数据集还可以用于无人机系统的性能评估和改进,推动无人机技术的发展和应用。
以上内容由AI搜集并总结生成
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4099个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

海天瑞声-超大规模中文多领域高质量多轮对话语料库

这是一个符合中国人表达习惯的自然对话数据集,共计约1,0000,000轮,上亿级token,包含正式&非正式风格对话,使用偏口语化自然表达。覆盖工作、生活、校园等场景,及金融、教育、娱乐、体育、汽车、科技等领域。在数据集构成上,DOTS-NLP-216包含了对真实场景的对话采集,及高度还原真实场景的模拟对话这两种方式,兼顾分布的代表性、多样性和样本规模。

魔搭社区 收录

中国行政区划数据

本项目为中国行政区划数据,包括省级、地级、县级、乡级和村级五级行政区划数据。数据来源于国家统计局,存储格式为sqlite3 db文件,支持直接使用数据库连接工具打开。

github 收录

中国1km分辨率逐月降水量数据集(1901-2024)

该数据集为中国逐月降水量数据,空间分辨率为0.0083333°(约1km),时间为1901.1-2024.12。数据格式为NETCDF,即.nc格式。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集,通过Delta空间降尺度方案在中国降尺度生成的。并且,使用496个独立气象观测点数据进行验证,验证结果可信。本数据集包含的地理空间范围是全国主要陆地(包含港澳台地区),不含南海岛礁等区域。为了便于存储,数据均为int16型存于nc文件中,降水单位为0.1mm。 nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理,Matlab发布了读入与存储nc文件的函数,读取函数为ncread,切换到nc文件存储文件夹,语句表达为:ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent]),其中XXX.nc为文件名,为字符串需要’’;var是从XXX.nc中读取的变量名,为字符串需要’’;i、j、t分别为读取数据的起始行、列、时间,leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样,研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令,可查看。数据坐标系统建议使用WGS84。

国家青藏高原科学数据中心 收录

中国区域交通网络数据集

该数据集包含中国各区域的交通网络信息,包括道路、铁路、航空和水路等多种交通方式的网络结构和连接关系。数据集详细记录了各交通节点的位置、交通线路的类型、长度、容量以及相关的交通流量信息。

data.stats.gov.cn 收录

UAVDT Dataset

The authors constructed a new UAVDT Dataset focused on complex scenarios with new level challenges. Selected from 10 hours raw videos, about 80, 000 representative frames are fully annotated with bounding boxes as well as up to 14 kinds of attributes (e.g., weather condition, flying altitude, camera view, vehicle category, and occlusion) for three fundamental computer vision tasks: object detection, single object tracking, and multiple object tracking.

datasetninja.com 收录