UAV故障検知のためのHEP統計的推論：ブレード損傷へのCLs、LRT、SBIの適用

Abstract

本論文は、粒子物理学からマルチローター推進機のプロペラ故障検知へ、3つの統計的手法を移植する。二項検出のための尤度比検定（LRT）、偽警報率制御のためのCLs修正頻度主義法、および定量的故障特徴付けのための逐次ニューラル事後分布推定（SNPE）である。 ローター高調波物理に結びついたスペクトル特徴量を用いて動作する本システムは、3つの出力を返す。それは、二項検出、偽警報率、および故障の重大度とモーター位置に関する校正済みの事後分布である。 UAV-FD では、5%および10%のブレード損傷を有する18件の実飛行データからなるヘキサローターのデータセットを用い、フライトを1件除外した Leave-One-Flight-Out クロスバリデーションでは AUC が 0.862 +/- 0.007 (95% CI: 0.849--0.876) を示し、CUSUM (0.708 +/- 0.010)、オートエンコーダ (0.753 +/- 0.009)、LSTMオートエンコーダ (0.551) を上回った。 偽警報率を5%に設定した場合、本システムは有意なブレード損傷の93%、微妙なブレード損傷の81%を検出する。 PADRE というクアドロータープラットフォームでは、生成モデルのみを再適合させた後、AUC が0.986に達する。 SNPE は故障の重大度に関する完全な事後分布を提供する（90% 信頼区間の被覆率 92--100%、MAE 0.012）、したがって出力には不確実性が含まれ、単なる点推定や故障フラグだけではない。 フライトごとの逐次検出は、故障検出を100%、総合精度を94%に達成する。