基于模型联合计算的无人机数据故障检测方法技术

本发明专利技术提供一种基于模型联合计算的无人机数据故障检测方法，解决了现有技术中故障检测准确性与实时性较差的技术问题，方案包括：1)构建无人机数据故障检测系统；2)获取训练样本集和测试样本集；3)构建长短期记忆网络LSTM模型；4)对长短期记忆网络LSTM模型进行迭代训练；5)在故障检测中心构建数据故障检测模型；6)获取无人机数据故障检测结果。本发明专利技术数据故障检测模型中的线性自收敛模型和长短期记忆网络模型通过联合计算单元获得在最终信号预测值中的权重，减小了信号预测的误差，提高了数据故障检测的准确性，同时，线性模型对信号值预测精度的补偿轻量化了长短期记忆网络模型的结构，提高了无人机数据故障检测的实时性。性。性。

【技术实现步骤摘要】
基于模型联合计算的无人机数据故障检测方法


[0001]本专利技术属于无人机飞行安全
，具体涉及一种基于模型联合计算的无人机数据故障检测方法，可用于检测无人机实时飞行过程中传感器数据故障，保障无人机飞行安全。

技术介绍

[0002]无人机的高效性和便利性使得其在人们日常生产生活中有着广泛的应用，因为缺少飞行员的实时控制，因此无人机的安全性相对较低，而为无人机引入故障检测机制则是提高无人机飞行安全性的可行办法。
[0003]由于无人机各传感器记录的无人机实时飞行数据反映着无人机实时飞行状态，这种飞行数据在时间上有一定的前后关联性。无人机数据故障的发生代表无人机传感器信号出现了不可信值，其违背了已有的时空关联性。数据故障的检测方法原理是通过时间序列模型模拟传感器输入输出信号的时空关系，计算输出号的预测值并与真实值比较得到残差，进而对残差进行分析判断是否有数据故障的发生。
[0004]Azarakhsh Keipour等人在其发表的论文“Automatic Real
‑
time Anomaly Detection本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模型联合计算的无人机数据故障检测方法，其特征在于，包括以下步骤：(1)构建无人机数据故障检测系统：构建包括设置在地面的监控平台，以及搭载在无人机上的故障检测中心、飞行控制器和I个状态传感器的无人机数据故障检测系统，其中，故障检测中心能够实现与飞行控制器和监控平台之间的通信，I≥1；(2)获取训练样本集和测试样本集：(2a)从数据库选取无人机1次无故障飞行过程中N个连续时间点的I个状态传感器数据同时故障检测中心获取无人机实时飞行过程中的K个连续时间点的I个状态传感器数据其中，表示N个连续时间点的第i个状态传感器数据，u
i
(n)和y
i
(n)分别表示第n个时刻的第i个状态传感器数据的输入值和输出值，N＞1000；表示K个连续时间点的第i个状态传感器数据，u
i
(k)和y
i
(k)分别表示第k个时刻的第i个状态传感器数据的输入信号值和输出信号值，500＜K＜N；(2b)通过长度为D的滑动窗口将分别划分为(N
‑
D)、(K
‑
D)个数据段，并将对应的每个数据段的输入值以及历史输出值作为训练样本，将当前时刻输出值作为训练标签，组成包括(N
‑
D)个训练样本和(N
‑
D)个训练标签的训练样本集，并将对应的每个数据段的输入值以及历史输出值作为测试样本，将当前时刻输出值作为测试标签，组成包括(K
‑
D)个测试样本和(K
‑
D)个测试标签的测试样本集，其中，10≤D＜25；(3)构建长短期记忆网络LSTM模型：构建包括与状态传感器数量对应的I个并行排布子网络的长短期记忆网络LSTM模型F
′
lstm
，第i个子网络为f
′
i
，f
′
i
由两层LSTM层和一个全连接层顺次连接而成；(4)对长短期记忆网络LSTM模型F
′
lstm
进行迭代训练：(4a)初始化迭代次数为t，最大迭代次数为T，第t次迭代每个子网络f
′
i
的权重参数并令t＝1，其中，并令t＝1，其中，表示向下取整，S表示每次迭代训练数据量的大小，5＜S＜20；(4b)将从训练样本集中无放回地随机选取S个训练样本作为F
′
lstm
的输入，每个子网络f
′
i
对每个训练样本进行特征提取后对所提取的特征进行序列预测，得到S个预测向量
其中其中代表实数集；(4c)采用均方根误差损失函数，并通过每个训练标签Y(s)及其对应的预测向量计算每个子网络f
′
i
的损失值，然后采用梯度下降算法，通过损失值所计算的网络权重参数的梯度对进行更新；(4d)判断t≥T是否成立，若是，得到训练好的LSTM模型F
lstm
，否则，令t＝t+1，并执行步骤(4b)；(5)在故障检测中心构建数据故障检测模型：故障检测中心构建包括并行排布的训练好的LSTM模型F
lstm
和线性自收敛LAR模型，以及与该两个模型输出端级联的联合计算单元、故障检测单元、故障恢复单元的数据故障检测模型，其中，故障检测单元包括并行排布的突发性故障检测子单元和渐进性故障检测子单元；(6)获取无人机数据故障检测结果：(6a)故障检测中心初始化数据故障检测模型和历史故障状态变量isFailure，令isFailure＝0，k＝D+1；(6b)故障检测中心将k时刻样本X(k)和标签即输出信号真实值Y(k)，输入数据故障检测模型，LSTM模型F
lstm
通过X(k)，计算输出信号LSTM模型预测向量作为输出，同时，LAR模型通过X(k)构建数...

【专利技术属性】
技术研发人员：李腾，申嘉揆，姜欣悦，于润泽，陆畅，卢知雨，何彦武，马卓，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：