一種基于時空相關(guān)性的多維無人機飛行數(shù)據(jù)的無監(jiān)督異常檢測方法技術(shù)

本發(fā)明專利技術(shù)涉及無人機異常檢測技術(shù)領(lǐng)域，公開了一種基于時空相關(guān)性的多維無人機飛行數(shù)據(jù)的無監(jiān)督異常檢測方法，包括以下步驟：步驟1：采集原始數(shù)據(jù)集；步驟2：預(yù)處理原始數(shù)據(jù)集，并得到標準數(shù)據(jù)集；步驟3：采用MIC相關(guān)分析法處理標準數(shù)據(jù)集，并輸出得到飛行數(shù)據(jù)參數(shù)之間的關(guān)聯(lián)程度值；步驟4：自標準數(shù)據(jù)集中，提取關(guān)聯(lián)程度值大于第一閾值的飛行數(shù)據(jù)參數(shù)，并組成特征子集；步驟5：將特征子集作為模型輸入，輸入至LSTM

【技術(shù)實現(xiàn)步驟摘要】
一種基于時空相關(guān)性的多維無人機飛行數(shù)據(jù)的無監(jiān)督異常檢測方法


[0001]本專利技術(shù)涉及無人機異常檢測
，具體涉及一種基于時空相關(guān)性的多維無人機飛行數(shù)據(jù)的無監(jiān)督異常檢測方法。

技術(shù)介紹

[0002]現(xiàn)有的無人機飛行數(shù)據(jù)異常檢測方法通常分為基于知識、基于模型和基于數(shù)據(jù)的方法。
[0003]其中，基于知識的方法通過總結(jié)專家在無人機特定領(lǐng)域的經(jīng)驗和知識來檢測飛行數(shù)據(jù)異常。然而，這些方法嚴重依賴先驗知識，導(dǎo)致其異常檢測能力差?；谀Ｐ偷姆椒ㄍǔＩ婕盀闊o人機或其子系統(tǒng)建立一個適當(dāng)?shù)奈锢砟Ｐ?，并?gòu)建一個觀測系統(tǒng)模型。然后通過比較估計值和實際值來計算殘差，以檢測無人機飛行數(shù)據(jù)中的異常情況。然而，建立準確的無人機系統(tǒng)物理模型很困難，這在一定程度上限制了這些方法的應(yīng)用。
[0004]與基于知識和模型的方法相比，數(shù)據(jù)驅(qū)動的方法不需要對無人機系統(tǒng)的物理特征進行復(fù)雜的建模，可以最大限度地利用傳感器數(shù)據(jù)中的信息。此外，各種數(shù)據(jù)驅(qū)動方法可以根據(jù)無人機飛行數(shù)據(jù)信息的變化特征來檢測異常情況。數(shù)據(jù)驅(qū)動方法被廣泛用于無人機關(guān)鍵部件和系統(tǒng)的異常檢測。
[0005]數(shù)據(jù)驅(qū)動方法可進一步分為時間相關(guān)方法和空間
?
時間相關(guān)方法。時空相關(guān)方法只考慮時間維度上的相關(guān)，而忽略了多維無人機飛行數(shù)據(jù)空間維度上的相關(guān)?？臻g
?
時間相關(guān)方法充分考慮了多維無人機飛行數(shù)據(jù)在時間和空間上的相關(guān)性，如利用LSTM挖掘無人機飛行數(shù)據(jù)的時空相關(guān)性，但在參數(shù)選擇上仍依賴于先驗知識。雖然可以直接選擇無人機飛行數(shù)據(jù)的所有參數(shù)進行分析，但有更多的冗余參數(shù)會對模型的性能產(chǎn)生不利的影響。
[0006]綜上所述，無人機飛行數(shù)據(jù)異常檢測的主要挑戰(zhàn)有以下幾點：
[0007]1、目前大多數(shù)數(shù)據(jù)驅(qū)動的方法沒有很好地考慮到多維無人機飛行數(shù)據(jù)的時間和空間關(guān)聯(lián)性。
[0008]2、現(xiàn)有的時空相關(guān)方法在參數(shù)選擇上仍然依賴先驗知識。
[0009]3、異常數(shù)據(jù)標簽的缺乏和大規(guī)模標注異常數(shù)據(jù)的高成本使得監(jiān)督異常檢測方法往往不可行。

技術(shù)實現(xiàn)思路

[0010]本專利技術(shù)意在提供一種基于時空相關(guān)性的多維無人機飛行數(shù)據(jù)的無監(jiān)督異常檢測方法，能夠準確檢測數(shù)據(jù)異常，且能夠有效減少數(shù)據(jù)分析對于先驗知識的依賴性，異常檢測較為方便，檢測有效度高。
[0011]本專利技術(shù)提供的基礎(chǔ)方案為：一種基于時空相關(guān)性的多維無人機飛行數(shù)據(jù)的無監(jiān)督異常檢測方法，包括以下步驟：
[0012]步驟1：采集原始數(shù)據(jù)集；所述原始數(shù)據(jù)集為原始的多維無人機飛行數(shù)據(jù)參數(shù)集；
[0013]步驟2：預(yù)處理原始數(shù)據(jù)集，并得到標準數(shù)據(jù)集；
[0014]步驟3：采用MIC相關(guān)分析法按照預(yù)設(shè)處理策略處理標準數(shù)據(jù)集，并輸出得到飛行數(shù)據(jù)參數(shù)之間的關(guān)聯(lián)程度值；
[0015]步驟4：自標準數(shù)據(jù)集中，提取關(guān)聯(lián)程度值大于第一閾值的飛行數(shù)據(jù)參數(shù)，并組成特征子集；
[0016]步驟5：將特征子集作為模型輸入，輸入至LSTM
?
AE模型中；將LSTM
?
AE模型損失函數(shù)作為異常分數(shù)，對特征子集進行評分；
[0017]步驟6：比對異常分數(shù)與第二閾值；若異常分數(shù)大于第二閾值，則判定為飛行數(shù)據(jù)存在異常，否則，判定為飛行數(shù)據(jù)不存在異常。
[0018]本專利技術(shù)的工作原理及優(yōu)點在于：第一，本方案進行異常檢測的數(shù)據(jù)分析基礎(chǔ)，是基于多維的無人機飛行參數(shù)，即，是基于不同類型的參數(shù)項目進行的綜合性分析。與常規(guī)的無人機飛行數(shù)據(jù)分析方法不同，常規(guī)方法往往是針對單一參數(shù)進行單維變量分析，該方法涉及的數(shù)據(jù)量小，分析難度低，但是，其分析具有較大的局限性。而本方案基于多維數(shù)據(jù)進行綜合性分析，可以突破參數(shù)項本身的局限，更好地分析無人機性能指標。且對于現(xiàn)有分析方案而言，它們無法保證多維分析的準確度和效率，因為多維分析必然存在冗余參數(shù)，會對分析模型的性能產(chǎn)生不利的影響，使得分析效果不佳；而若是依靠專家知識(先驗知識)，則又會使得多維分析本身的優(yōu)點喪失，受到先驗知識的主觀局限。本方案則解決了上述技術(shù)難點，通過步驟3至步驟4，進行參數(shù)提取，組成特征子集，能夠在沒有先驗知識，不利用先驗知識的情況下對多維參數(shù)進行優(yōu)選，去除多維分析中的參數(shù)冗余，同時保有多維分析的優(yōu)勢。
[0019]第二，本方案在進行參數(shù)優(yōu)選時，利用MIC相關(guān)分析方法獲取參數(shù)間的關(guān)聯(lián)程度值，以進行參數(shù)選取，且在選取時，僅選取關(guān)聯(lián)程度值較高(大于第一閾值)的參數(shù)，能夠智能地精選出具有關(guān)聯(lián)性的參數(shù)作為無人機運行狀態(tài)性能分析的數(shù)據(jù)源，有效去除冗余參數(shù)的同時，具有關(guān)聯(lián)性的參數(shù)能夠更好地反映出無人機某些部件的性能指標，特別是單個參數(shù)無法充分展示的相對隱性的性能指標。并且，本方案采用的MIC相關(guān)分析方法，相比于其他的相關(guān)系數(shù)(如皮爾遜相關(guān)系數(shù)等)，在捕捉數(shù)據(jù)中存在線性和非線性相關(guān)參數(shù)時，表現(xiàn)更佳，能夠有效減少對專家知識(先驗知識)的依賴，使得異常檢測和處理更為可靠、有效和便捷。
[0020]第三，本方案采用LSTM
?
AE模型對相關(guān)性特征子集進行評分，并將模型損失損失函數(shù)作為異常分數(shù)以用作異常判定，LSTM
?
AE模型能夠映射具有時空相關(guān)性的飛行數(shù)據(jù)參數(shù)集，實現(xiàn)多維無人機飛行數(shù)據(jù)的無監(jiān)督異常檢測，相比于需要大規(guī)模標注異常數(shù)據(jù)，設(shè)置異常數(shù)據(jù)標簽的監(jiān)督異常檢測方法，本方案的成本更低，運行效率更高，分析也更完善。
附圖說明
[0021]圖1為本專利技術(shù)一種基于時空相關(guān)性的多維無人機飛行數(shù)據(jù)的無監(jiān)督異常檢測方法實施例的方法流程示意圖；
[0022]圖2為本專利技術(shù)一種基于時空相關(guān)性的多維無人機飛行數(shù)據(jù)的無監(jiān)督異常檢測方法實施例的相關(guān)性分析對比圖；
[0023]圖3為本專利技術(shù)一種基于時空相關(guān)性的多維無人機飛行數(shù)據(jù)的無監(jiān)督異常檢測方法實施例的部分參數(shù)的歸一化和S
?
G濾波器處理圖形示意圖；
[0024]圖4為本專利技術(shù)一種基于時空相關(guān)性的多維無人機飛行數(shù)據(jù)的無監(jiān)督異常檢測方法實施例的LSTM
?
AE模型示意圖；
[0025]圖5為本專利技術(shù)一種基于時空相關(guān)性的多維無人機飛行數(shù)據(jù)的無監(jiān)督異常檢測方法實施例的部分參數(shù)的異常分數(shù)示意圖。
具體實施方式
[0026]下面通過具體實施方式進一步詳細的說明：
[0027]實施例基本如附圖1所示：一種基于時空相關(guān)性的多維無人機飛行數(shù)據(jù)的無監(jiān)督異常檢測方法，包括以下步驟：
[0028]步驟1：采集原始數(shù)據(jù)集；所述原始數(shù)據(jù)集為原始的多維無人機飛行數(shù)據(jù)參數(shù)集。
[0029]具體地，原始數(shù)據(jù)集的數(shù)據(jù)自公開數(shù)據(jù)集中獲取得到，本實施例中選用的公開數(shù)據(jù)集為Thor flight69數(shù)據(jù)集，數(shù)據(jù)量充足且數(shù)據(jù)來源可靠。本實施例的原始數(shù)據(jù)集中包含多種無人機飛行數(shù)據(jù)參數(shù)，如表1所示：
[0030]表1飛行數(shù)據(jù)參數(shù)表
[0031][0032]步驟2：預(yù)處理原始數(shù)據(jù)集，并得到標準數(shù)據(jù)集。
[0033]所述預(yù)設(shè)處理策略包括：將原始數(shù)據(jù)集歸一化。具體地本文檔來自技高網(wǎng)...

【技術(shù)保護點】

【技術(shù)特征摘要】
1.一種基于時空相關(guān)性的多維無人機飛行數(shù)據(jù)的無監(jiān)督異常檢測方法，其特征在于，包括以下步驟：步驟1：采集原始數(shù)據(jù)集；所述原始數(shù)據(jù)集為原始的多維無人機飛行數(shù)據(jù)參數(shù)集；步驟2：預(yù)處理原始數(shù)據(jù)集，并得到標準數(shù)據(jù)集；步驟3：采用MIC相關(guān)分析法按照預(yù)設(shè)處理策略處理標準數(shù)據(jù)集，并輸出得到飛行數(shù)據(jù)參數(shù)之間的關(guān)聯(lián)程度值；步驟4：自標準數(shù)據(jù)集中，提取關(guān)聯(lián)程度值大于第一閾值的飛行數(shù)據(jù)參數(shù)，并組成特征子集；步驟5：將特征子集作為模型輸入，輸入至LSTM
?
AE模型中；將LSTM
?
AE模型損失函數(shù)作為異常分數(shù)，對特征子集進行評分；步驟6：比對異常分數(shù)與第二閾值；若異常分數(shù)大于第二閾值，則判定為飛行數(shù)據(jù)存在異常，否則，判定為飛行數(shù)據(jù)不存在異常。2.根據(jù)權(quán)利要求1所述的一種基于時空相關(guān)性的多維無人機飛行數(shù)據(jù)的無監(jiān)督異常檢測方法，其特征在于，所述第一閾值為0.6。3.根據(jù)權(quán)利要求1所述的一種基于時空相關(guān)性的多維無人機飛行數(shù)據(jù)的無監(jiān)督異常檢測方法，其特征在于，所述第二閾值為X；且X值通過訓(xùn)練和調(diào)整LSTM<...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：楊磊，李少波，李傳江，張安思，張儀宗，
申請(專利權(quán))人：貴州大學(xué)，
類型：發(fā)明
國別省市：