雷达故障检测方法、装置、设备和存储介质与流程

本发明涉及计算机，尤其涉及雷达故障检测方法、装置、设备和存储介质。

背景技术：

1、随着物联网和大数据技术的发展，雷达上装备的多种物联网传感器已经具备回传海量数据的能力，通过对物联网传感器回传的数据进行处理及分析后，基于分析结果就可以判断雷达是否出现故障。

2、相关技术中，在进行雷达故障检测时，通常是通过对物联网传感器回传的数据进行快速傅里叶变换，从而将时域数据转换为频域数据，并使用移动平均幅值的三倍作为预警阈值，从而来判断雷达是否出现故障。采用上述方式进行雷达故障检测时存在准确率较低的问题。

3、除此之外，目前雷达机内测试系统往往预先设置有大量的测试点，而现有的雷达故障诊断方法中，往往只通过传感器对测试数据进行直接获取并使用，并未考虑到测试点的选取问题，从而可能会出现冗余测试情况，造成测试成本增加、故障诊断模型庞大以及诊断计算量大，从而降低故障诊断效率。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题，为此，本发明第一方面提出一种雷达故障检测方法，该方法包括：

2、s1：利用多目标优化算法，对雷达故障测试点进行选取，并对选取的雷达故障测试点的目标物联网传感器数据进行采集；

3、s2:将采集到的目标物联网传感器数据输入至采用多头注意力机制的预设transformer模型中进行特征提取，生成与所述目标物联网传感器数据对应的特征数据；

4、s3:采用预设异常检测模型对所述特征数据进行异常检测，生成异常检测结果；

5、s4：基于所述异常检测结果，确定雷达的故障检测结果。

6、在一种可能的实施方式中，所述s1包括：

7、s11：将测试点数量、测试代价、故障检测率以及故障隔离率作为雷达测试点选取参数，构建雷达测试点选取模型；

8、s12：以最小化测试点数量、最小化测试代价、最大化故障检测率以及最大化故障隔离率为目标对雷达测试点选取模型进行收敛，并得到对应的雷达测试点。

9、在一种可能的实施方式中，所述构建雷达测试点选取模型，具体可表示为：

10、；

11、其中，n表示测试次数，表示第i次测试所选取的测试点数量，表示最小化测试点数量；

12、；

13、其中，n表示测试次数，表示第i次测试结果（取0或1，表示通过或不通过），t表示所有测试结果的集合，表示第i个故障状态，表示第i次测试的测试代价，表示第i个故障状态发生的先验概率，表示最小化测试代价；

14、；

15、其中，n表示测试次数，表示能被检测出来的故障集合，f表示所有的故障状态集合，表示第i次测试的故障概率，表示最大化故障检测率；

16、；

17、其中，n表示测试次数，表示能被检测出来的故障集合，表示能被隔离出来的故障集合，表示第i次测试的故障概率，表示最大化故障隔离率。

18、在一种可能的实施方式中，所述以最小化测试点数量、最小化测试代价、最大化故障检测率以及最大化故障隔离率为目标对雷达测试点选取模型进行收敛，具体可表示为：

19、；

20、其中，y表示选取的雷达测试点集合，、、、分别表示最小化测试点数量、最小化测试代价、最大化故障检测率以及最大化故障隔离率的系数。

21、在一种可能的实施方式中，所述s2包括：

22、s21：将采集到的所述目标物联网传感器数据输入至所述预设transformer模型中，并基于所述多头注意力机制进行维度转换处理及分割处理后，生成处理结果；

23、s22：针对所述处理结果中的每个头进行注意力计算，生成注意力结果；

24、s23：对各所述注意力结果进行整合处理，生成与所述目标物联网传感器数据对应的特征数据。

25、在一种可能的实施方式中，所述s4包括：

26、s41：将所述异常检测结果与预设阈值进行比较，生成比较结果；

27、s42：基于所述比较结果，确定所述雷达的故障检测结果。

28、在一种可能的实施方式中，所述预设阈值的生成，包括以下步骤：

29、s411：获取预设时间段内的历史目标物联网传感器数据集中的多个正常数据及多个已知故障数据；

30、s412：采用预设异常检测模型对所述多个正常数据进行处理，生成与各所述正常数据对应的异常分数值；

31、s413：根据异常分数值的分布，计算初始阈值;

32、s414：通过所述多个已知故障数据对所述初始阈值进行验证，并根据验证结果生成所述预设阈值。

33、本发明第二方面提出一种雷达故障检测装置，测试点选取模块，用于利用多目标优化算法，对雷达故障测试点进行选取，并对选取的雷达故障测试点的目标物联网传感器数据进行采集；

34、特征提取模块，用于将采集到的目标物联网传感器数据输入至采用多头注意力机制的预设transformer模型中进行特征提取，生成与所述目标物联网传感器数据对应的特征数据；

35、异常检测模块，用于采用预设异常检测模型对所述特征数据进行异常检测，生成异常检测结果；

36、结果确定模块，用于基于所述异常检测结果，确定雷达的故障检测结果。

37、本发明第三方面提出一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如第一方面所述的雷达故障检测方法。

38、本发明第四方面提出一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如第一方面所述的雷达故障检测方法。

39、本发明实施例具有以下有益效果：

40、本发明实施例提供的雷达故障检测方法，该方法包括：利用多目标优化算法，对雷达故障测试点进行选取，并对选取的雷达故障测试点的目标物联网传感器数据进行采集；将采集到的目标物联网传感器数据输入至采用多头注意力机制的预设transformer模型中进行特征提取，生成与目标物联网传感器数据对应的特征数据，采用预设异常检测模型对特征数据进行异常检测，生成异常检测结果，基于异常检测结果，确定雷达的故障检测结果。本方案首先通过遗传算法，以最小化测试点数量、最小化测试代价、最大化故障检测率以及最大化故障隔离率为目标，对雷达故障测试点进行选取，并通过预设transformer模型提取特征数据，该预设transformer模型可以准确捕捉时序数据中的长期依赖关系，并且能够支持并行计算，能够处理多个雷达系统产生的海量数据，从而提高了提取特征数据的效率和准确性，进而提高了进行雷达故障检测的效率及准确性；另外，通过预设异常检测模型直接对特征数据进行异常检测，由于特征数据能够准确反映目标物联网传感器数据的相关特征，从而可以准确得到异常检测结果，进一步提高了进行雷达故障检测的准确性。