并行主动增量学习故障检测器

风况瞬变实时自适应

采用概念自适应增量学习框架，在多域特征触发漂移检测后，通过多分支结构存储不同风况下的隐知识，实现无历史日志的实时故障检测。

Yi, He · Du, Lifu · 陈复扬 · Zhang, Chencheng

Measurement: Journal of the International Measurement Confederation 2026

技术优势

风况变化即时适应

并行漂移探测器通过多域特征识别风速变化，故障检测器随即激活对应概念分支，无需等待积累新数据。

无需历史日志

检测器从在线流和历史模型参数中学习域不变表征，避免依赖历史飞行日志，适合无人机边缘端部署。

多风况持续可用

不同风况的隐知识存储在故障检测器的不同分支中，切换到对应分支即可适应潜在变化，避免灾难性遗忘。

应用场景

• 无人机状态监测：实时接收飞行数据流，在风况变化时持续监测无人机各部件状态，不错过早期故障征兆。
• 低空飞行器故障诊断：针对低空复杂风场导致的飞行姿态波动，检测传感器或执行器故障，辅助紧急降级控制。
• 无人机具身智能：让无人机在多变环境中自主判断自身状态，无需地面站历史数据即可在线更新决策模型。
• 飞行数据实时分析：在线流式处理飞行参数，自动检测统计特性漂移并触发模型分支更新，适合嵌入式实时分析。
• 在线状态监控系统：集成到在线监控系统中，无需保存历史日志即可持续学习新工况，减少存储与人工调参成本。