【技术实现步骤摘要】
本专利技术涉及人工智能，具体而言，涉及一种基于无人机的飞行性能测试方法及系统。
技术介绍
1、随着无人机技术的不断发展，无人机在各个领域的应用越来越广泛，无人机测试工作也因此变得越来越重要，无人机测试工作是指对无人机进行各种测试，包括；飞行测试、载荷测试、电池测试、遥控测试、传感器测试、安全测试、环境测试等多种测试，以确保其性能和安全性能达到要求，在被众多复杂的信息包围的环境中，需要准确快速的找到飞行性能的异常点，能够提高后续对无人机测试的效率，例如可以通过依据人工智能技术对无人机的飞行性能测试方法，提高后续对飞行性能异常监控的准确性。
技术实现思路
1、有鉴于此，本专利技术实施例的目的在于提供一种基于无人机的飞行性能测试方法及系统，获取模版飞行性能监控数据序列；针对各模版飞行性能监控数据，将当前模版飞行性能监控数据作为初始化权重参数的初始化异常分析网络的加载参数，得到与当前模版飞行性能监控数据相对应的一个或多个候选异常类型；基于当前模版飞行性能监控数据中的一个或多个先验异常类型和相应的一个或多个候选异常类型，对初始化权重参数的初始化异常分析网络中的范例异常权重参数信息进行优化；将初始化权重参数的初始化异常分析网络中的测评指标收敛作为知识学习方向，得到目标异常分析网络，由此提高后续对飞行性能异常监控的准确性。
2、依据本专利技术实施例的一个方面，提供一种基于无人机的飞行性能测试方法及系统，所述方法包括：
3、获取模版飞行性能监控数据序列；其中，所述模版飞行性
4、针对各模版飞行性能监控数据，将当前模版飞行性能监控数据作为初始化权重参数的初始化异常分析网络的加载参数，生成与所述当前模版飞行性能监控数据相对应的一个或多个候选异常类型；
5、针对各模版飞行性能监控数据，基于当前模版飞行性能监控数据中的一个或多个先验异常类型和相应的一个或多个候选异常类型，对所述初始化权重参数的初始化异常分析网络中的范例异常权重参数信息进行优化；
6、将所述初始化权重参数的初始化异常分析网络中的预测可信指标作为知识学习方向，生成目标异常分析网络；其中，所述目标异常分析网络用于对加载的异常飞行性能数据进行检测，生成与所述异常飞行性能数据相对应的异常类型。
7、一种可替代的实施方式中，所述获取模版飞行性能监控数据序列，包括：
8、获取包括目标性能异常定位节点的异常飞行性能数据；
9、确定各异常飞行性能数据所对应的一个或多个性能字段，生成与每个性能字段相对应的多个异常飞行性能数据；
10、确定各异常飞行性能数据所对应的先验异常类型； 基于每个性能字段所对应的异常飞行性能数据和相应的先验异常类型，确定所述模版飞行性能监控数据序列中的每个飞行性能监控标签。
11、一种可替代的实施方式中，所述确定各异常飞行性能数据所对应的一个或多个性能字段，生成与每个性能字段相对应的多个异常飞行性能数据，包括：
12、对各异常飞行性能数据进行编码，确定编码异常飞行性能数据；
13、基于预置的特征清洗规则，对编码异常飞行性能数据进行特征清洗，生成目标异常飞行性能数据；
14、确定各目标异常飞行性能数据所对应的一个或多个性能字段。
15、一种可替代的实施方式中，所述方法还包括：
16、获取校验飞行性能监控数据序列；其中，所述校验飞行性能监控数据序列中包括多个飞行性能监控标签，不同飞行性能监控标签下包括多个校验飞行性能监控数据数据，所述飞行性能监控标签与所述飞行性能监控标签相同；
17、将各校验飞行性能监控数据数据分别记载到训练完成的目标异常分析网络中，生成与每个校验飞行性能监控数据相对应的实际异常类型；
18、基于各校验飞行性能监控数据数据的实际异常类型和相应的先验异常类型，确定同一飞行性能监控标签下的训练损失函数值；
19、若存在训练损失函数值大于设定损失函数值的目标飞行性能监控标签，则获取与所述目标飞行性能监控标签相对应的模版飞行性能监控数据，继续对所述目标异常分析网络进行迭代优化，直至各飞行性能监控标签的训练损失函数值不大于设定损失函数值。
20、一种可替代的实施方式中，所述获取与所述目标飞行性能监控标签相对应的模版飞行性能监控数据，继续对所述目标异常分析网络进行迭代优化，直至各飞行性能监控标签的训练损失函数值不大于设定损失函数值，包括：
21、获取与所述目标飞行性能监控标签相对应的候选模版飞行性能监控数据，并基于所述候选模版飞行性能监控数据和所述模版飞行性能监控数据序列中的模版飞行性能监控数据，重新对所述目标异常分析网络继续训练，直至基于校验飞行性能监控数据序列确定各飞行性能监控标签的训练损失函数值不大于设定损失函数值。
22、一种可替代的实施方式中，所述方法还包括：
23、获取目标飞行性能监控数据；其中，所述目标飞行性能监控数据中包括目标性能异常定位节点；
24、将所述目标飞行性能监控数据记载到所述目标异常分析网络中，生成与所述目标飞行性能监控数据相对应的一个或多个异常类型；
25、基于所述一个或多个异常类型，确定所述目标飞行性能监控数据中目标性能异常定位节点的异常测试路径。
26、依据本专利技术实施例的另一方面，提供一种基于无人机的飞行性能测试方法及系统，所述系统包括：
27、获取单元，用于获取模版飞行性能监控数据序列；其中，所述模版飞行性能监控数据序列中包括多个飞行性能监控标签，不同飞行性能监控标签下包括多个模版飞行性能监控数据，模版飞行性能监控数据中包括与目标性能异常定位节点相对应的样本飞行性能数据和先验异常类型；
28、生成单元，用于针对各模版飞行性能监控数据，将当前模版飞行性能监控数据作为初始化权重参数的初始化异常分析网络的加载参数，生成与所述当前模版飞行性能监控数据相对应的一个或多个候选异常类型；
29、优化单元，用于针对各模版飞行性能监控数据，基于当前模版飞行性能监控数据中的一个或多个先验异常类型和相应的一个或多个候选异常类型，对所述初始化权重参数的初始化异常分析网络中的范例异常权重参数信息进行优化；
30、训练单元，用于将所述初始化权重参数的初始化异常分析网络中的测评指标收敛作为知识学习方向，生成目标异常分析网络；其中，所述目标异常分析网络用于对加载的异常飞行性能数据进行检测，生成与所述异常飞行性能数据相对应的异常类型。
31、依据本专利技术实施例的另一方面，提供一种电子设备，包括：处理器、通信接口、存储器和通信总线，其中，所述处理器、通信接口和存储器通过通信总线完成相互间的通信； 所述存储器，用于存放计算机程序； 所述处理器，本文档来自技高网...
【技术保护点】
1.一种基于无人机的飞行性能测试方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于无人机的飞行性能测试方法，其特征在于，所述获取模版飞行性能监控数据序列，包括：
3.根据权利要求2所述的基于无人机的飞行性能测试方法，其特征在于，所述确定各异常飞行性能数据所对应的一个或多个性能字段，生成与每个性能字段相对应的多个异常飞行性能数据，包括：
4.根据权利要求1所述的基于无人机的飞行性能测试方法，其特征在于，还包括：
5.根据权利要求4所述的基于无人机的飞行性能测试方法，其特征在于，所述获取与所述目标飞行性能监控标签相对应的模版飞行性能监控数据，继续对所述目标异常分析网络进行迭代优化，直至各飞行性能监控标签的训练损失函数值不大于设定损失函数值，包括：
6.根据权利要求1所述的基于无人机的飞行性能测试方法，其特征在于，还包括：
7.一种基于无人机的飞行性能测试系统，其特征在于，包括：
8.一种电子设备，其特征在于，所述设备包括： 一个或多个处理器； 存储装置，用于存储一个或多个程序， 当所述一个
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的基于无人机的飞行性能测试方法。
...【技术特征摘要】
1.一种基于无人机的飞行性能测试方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于无人机的飞行性能测试方法，其特征在于，所述获取模版飞行性能监控数据序列，包括：
3.根据权利要求2所述的基于无人机的飞行性能测试方法，其特征在于，所述确定各异常飞行性能数据所对应的一个或多个性能字段，生成与每个性能字段相对应的多个异常飞行性能数据，包括：
4.根据权利要求1所述的基于无人机的飞行性能测试方法，其特征在于，还包括：
5.根据权利要求4所述的基于无人机的飞行性能测试方法，其特征在于，所述获取与所述目标飞行性能监控标签相对应的模版飞行性能监控数据，继续对所述目标异常分析网络进行迭代...
【专利技术属性】
技术研发人员：李靖翔，赖皓，刘羽超，尹海涛，潘立邦，杨帆，胡辉祥，梁毅灵，石延辉，杨洋，郑权，张鹏，游俊良，雍育烨，颜志敏，李双杰，雷庆山，肖志超，李宏昌，苏伟达，
申请(专利权)人：中国南方电网有限责任公司超高压输电公司广州局，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。