数据集概述
本数据集为基于人工智能的无人机振动故障检测研究实验数据，聚焦无人机臂松动/开裂等故障场景，包含原始实验数据及神经模糊模型训练数据，支持模糊逻辑与神经模糊两种AI方法的性能对比分析，共含4个文件。
文件详解
- 文件名称：AUTHOR_DATASET_ReadmeTemplate.txt
- 文件格式：TXT
- 字段映射介绍：数据集说明文档，包含标题、作者信息（负责人Mohamad Hazwan Mohd Ghazali及所属机构马来西亚理科大学工程校区）等基本信息。
- 文件名称：Experimental_Data.xlsx
- 文件格式：XLSX
- 字段映射介绍：无人机臂5种实验条件（原始状态、100%拧紧、50%拧紧、10%拧紧、完全松动）下的振动实验数据。
- 文件名称：NeuroFuzzy_100_Dataset.xlsx
- 文件格式：XLSX
- 字段映射介绍：含100条数据的神经模糊模型训练数据集，按80%训练、10%测试、10%验证划分。
- 文件名称：NeuroFuzzy_1000_Dataset.xlsx
- 文件格式：XLSX
- 字段映射介绍：含1000条数据的神经模糊模型训练数据集，按80%训练、10%测试、10%验证划分。
数据来源
论文“Vibration-Based Fault Detection in Drone using Artificial Intelligence”
适用场景
- 无人机故障诊断模型开发: 用于训练和验证基于振动数据的无人机臂松动/开裂故障检测AI模型。
- 无人机安全预警系统优化: 基于室内振动数据，为无人机户外飞行前的早期故障预警提供数据支持。
- AI算法性能对比研究: 对比模糊逻辑与神经模糊方法在无人机故障检测中的准确率与鲁棒性。
- 无人机维护策略制定: 分析不同拧紧程度下的振动特征，优化无人机臂定期检查与维护方案。
