一种实时在线的无人机多故障异常检测方法及设备技术

一种实时在线的无人机多故障异常检测方法及设备，检测方法包括：获取无人机传感器控制数据与测量数据，建立异常检测模型并对模型进行迭代更新，更新之后根据更新步长是否在给定时间内小于给定阈值来判定模型是否达到稳定；检测模型稳定之后，计算渐进型故障阈值、对数似然比以及实时误差的Z值；根据渐进型故障阈值、对数似然比以及Z值判断是否发生故障。本发明专利技术同时提供了一种异常检测装置、终端以及计算机可读存储介质。本发明专利技术易于移植，能在线实时检测，计算过程简单，并且能够准确检测多种类型的故障。

【技术实现步骤摘要】
一种实时在线的无人机多故障异常检测方法及设备
本专利技术属于无人机检测领域，涉及一种实时在线的无人机多故障异常检测方法及设备。
技术介绍
无人机是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机。无人机已经广泛应用于航拍、农业、植保、微型自拍等领域。当前，我国无人机产业发展成绩显着，从技术研发、产品生产、企业布局到市场规模、领域应用和产业细分，都取得了长足发展。随着民用无人机的耐久性和使用成本等问题得到根本性的解决，无人机在民用市场的应用将更具多样化。同时，需求的增长和管理措施的不断完善将促使无人机继续成为世界航空航天工业最具增长活力的市场之一。在无人设备领域，无人机具有使用寿命长、操作门槛低、作业效率高和节省劳动力等特点。由于重量轻，油耗也低，与有人机相比，运行成本大大的降低。同时体积小，可以长期保存于仓库，有效减少飞行器维护费用。此外，无人机可以使用虚拟的坐舱，通过操控键盘进行训练，虚拟的训练系统费用大大减少。同时一名无人机操控员可以同时控制几架甚至数十架的无人机，大大提高了作业效率，有效的减少了人工成本。无人机具有自主作业与本文档来自技高网...

【技术保护点】
1.一种实时在线的无人机多故障异常检测方法，其特征在于，包括以下步骤：/n步骤一、获取无人机传感器控制数据与测量数据，建立异常检测模型并对模型进行迭代更新，更新之后根据更新步长是否在给定时间内小于给定阈值来判定模型是否达到稳定；/n步骤二、检测模型稳定之后，计算渐进型故障阈值、对数似然比以及实时误差的Z值；/n步骤三、根据渐进型故障阈值、对数似然比以及Z值判断是否发生故障。/n

【技术特征摘要】
1.一种实时在线的无人机多故障异常检测方法，其特征在于，包括以下步骤：
步骤一、获取无人机传感器控制数据与测量数据，建立异常检测模型并对模型进行迭代更新，更新之后根据更新步长是否在给定时间内小于给定阈值来判定模型是否达到稳定；
步骤二、检测模型稳定之后，计算渐进型故障阈值、对数似然比以及实时误差的Z值；
步骤三、根据渐进型故障阈值、对数似然比以及Z值判断是否发生故障。


2.根据权利要求1所述实时在线的无人机多故障异常检测方法，其特征在于：所述的步骤一基于递推最小二乘法模型建立异常检测模型，确定数据窗口大小Na作为每次模型更新的输入数据长度，获取Na长度的无人机传感器数据，作为输入φ。


3.根据权利要求1所述实时在线的无人机多故障异常检测方法，其特征在于：所述的步骤一引入可变遗忘因子λ对模型进行迭代更新，通过更新数据输入φ，分别计算增益矩阵L，实时误差e(n)，修正函数M(n)，可变遗忘因子λ，协方差矩阵C以及模型更新步长。


4.根据权利要求1所述实时在线的无人机多故障异常检测方法，其特征在于：所述的步骤一设定模型稳定阈值∈大小，若模型更新步长小于∈给定时间后即确定模型稳定。


5.根据权利要求1所述实时在线的无人机多故障异常检测方法，其特征在于：所述的步骤二根据Welford方差计算法，计算实时误差e的均值以及实时误差的方差当方差稳定后，给定虚警率α与漏检率β，通过概率序贯比算法计算渐进型故障阈值T。


6.根据权利要求1所述实时在线的无人机多故障异常检测方法，其特征在于：所...

【专利技术属性】
技术研发人员：李腾，于润泽，陈爽，米娅妮，王燚静，林杨旭，孙晴晴，马卓，沈玉龙，马建峰，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61