【技术实现步骤摘要】
本专利技术涉及无人机，具体涉及一种基于飞行数据的配送无人机异常检测和处理方法。
技术介绍
1、无人机的多样化运用为物流领域带来了革命性的变化，它具有快速、灵活、成本效益高等优势，使物流过程更加高效、可靠和便捷。首先，无人机可以实现快速递送。在传统物流中，交通拥堵和道路限制常常导致运输时间延长，而无人机可以通过空中直线飞行，避开地面交通状况，将包裹、文件或急需物资直接送达目的地，提供迅速的交付服务，大大缩短了运输时间。其次，无人机可以在不同的地理环境和复杂的地形中飞行，适应不同场景的需求。它可以到达传统运输方式难以抵达的偏远地区或难以进入的紧凑城市区域，为物流业务开辟了新的可能性。此外，无人机的运营成本相对较低。与传统的运输方式相比，无人机不需要大量的人力资源和基础设施投资。它们具有自主飞行能力，能够自动完成任务，降低了人力成本，并减少了燃料和维护等方面的费用。
2、在无人机的使用过程中，我们需要对无人机的环境信息和飞行参数进行检测，保证其安全性和可靠性。常见的无人机异常检测方法通过传感器技术收集环境信息和飞行参数，然后利用机器学习和数据分析技术，对收集到的数据进行建模和分析，通过训练模型，可以识别正常和异常的行为模式，从而检测无人机是否发生异常。
3、但是当前常见的无人机异常检测方法在检测异常的效率和准确率上，尚有不足。
技术实现思路
1、以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有
2、本专利技术的目的在于解决上述问题，提供了一种基于飞行数据的配送无人机异常检测和处理方法，以检测无人机在派送包裹时可能遇到的异常情况，提高包裹的送达率和准确率。
3、本专利技术的技术方案为：本专利技术揭示了一种基于飞行数据的配送无人机异常检测和处理方法，方法包括：
4、步骤s1：对无人机的飞行数据从多个角度选择参数指标，作为后续输入；
5、步骤s2：步骤s1中获得的无人机的参数进行标准化处理；
6、步骤s3：将标准化处理后的无人机数据输入到自适应的双向gru模型网络中，双向gru模型对无人机的输入数据进行正向传播和自适应的反向传播，并通过注意力机制分别提取正向和反向状态信息的特征值，再将提取后的正向和反向状态信息的特征值结合，输出最终状态信息；
7、步骤s4：将步骤s3得到的状态信息输入到多头注意力层进行特征提取，得到注意力信息；
8、步骤s5：通过基于特征关联程度的模糊孤立森林算法判断异常数据点；
9、步骤s6：基于异常数据点分析出异常类型，无人机根据不同的异常类型做出相应的处理方法。
10、根据本专利技术的基于飞行数据的配送无人机异常检测和处理方法的一实施例，步骤s1中，无人机的飞行数据包括：定位数据、移动速度、运行数据，其中定位数据包括经度、纬度、高度，移动速度包括x、y、z轴，俯仰角速度，运行数据包括电量、重量；
11、无人机的参数指标包括：爬升差异系数、转弯差异系数、速度差异系数、电量差异系数、重量差异系数。
12、根据本专利技术的基于飞行数据的配送无人机异常检测和处理方法的一实施例，步骤s2的标准化处理进一步包括：
13、步骤s2-1：采用z-score方法将无人机数据进行标准化；
14、步骤s2-2：对标准化处理后的无人机数据计算无偏估计，得到自相关系数；
15、步骤s2-3：按照自相关系数的排序得到多个时间点，基于该多个时间点得到重构后的相空间。
16、根据本专利技术的基于飞行数据的配送无人机异常检测和处理方法的一实施例，步骤s3进一步包括：
17、步骤s3-1：将预处理后的数据按照每次输入两个时间点数据的形式输入到双向gru模型网络中；
18、步骤s3-2：输入数据在正向gru网络中进行正向传播，得到正向状态信息；
19、步骤s3-3：输入数据在反向gru网络中进行反向传播，得到反向状态信息；
20、步骤s3-4：通过注意力机制分别对正向和反向状态信息进行特征提取；
21、步骤3-5：将正向和反向状态信息通过注意力机制提取后的特征结合，得到最终输出。
22、根据本专利技术的基于飞行数据的配送无人机异常检测和处理方法的一实施例，在步骤s3中，自适应机制调节反向传播时的输入，以提高整体特征提取的准确率和速度，包括：
23、在训练前期，通过对信息进行反向传播提高正向传播准确率；在训练后期，通过引入自适应机制以加快训练的速度，公式如下：
24、
25、其中，l和l′分别表示正向和反向传播时的信息长度，t和t分别表示当前的训练轮数和总训练轮数。
26、根据本专利技术的基于飞行数据的配送无人机异常检测和处理方法的一实施例，步骤s4进一步包括：
27、步骤s4-1：每个注意力头均根据从双向gru网络中给出的最终输出进行维度变化，生成相应的q、k、v，其中，q、k、v是用相同数据乘以三个权重矩阵得到的；
28、步骤4-2：生成q、k、v后，计算出multi-attention的值；
29、步骤4-3：对多个注意力并行处理，使它们最终再通过一个神经网络层，达到浓缩多个注意力头信息的作用，以使输出的词向量长度一致；
30、步骤4-4：多头注意力机制层生成的输出再加上从双向gru网络的输出，此时特征提取完毕，包含了状态信息以及注意力信息。
31、根据本专利技术的基于飞行数据的配送无人机异常检测和处理方法的一实施例，步骤s5是采用四分法的方式构造二叉树，包括：
32、步骤s5-1：选取总数据中的部分数据，并计算各自的特征关联程度；
33、步骤s5-2：按照特征关联程度对选取的数据进行排序，得到特征关联程序依次增强的序列；
34、步骤s5-3：采用四分法构造二叉树，其中将一个判别系数作为二叉树停止生长的判别条件；
35、步骤s5-4：计算每棵孤立树的路径平均长度；
36、步骤s5-5：确定评价因素集合；
37、步骤s5-6：确定评价因素的评语集合；
38、步骤s5-7：进行单因素评价：采用专家估计法，对评价对象进行打分，最后统计打分结果，并组成模糊关系矩阵表示评价因素集合中评价因素对评语集合中各种可能的评价结果的隶属程度；
39、步骤s5-8：确定评价因素的模糊隶属度集合；
40、步骤s5-9：通过模糊集合与模糊关系矩阵计算得到多因素模糊评价向量；
41、步骤s5-10：模糊综合评价结果分析：利用多因素模糊评价向量中对应的分量与所对应的秩进行求和，从而得到相对评本文档来自技高网...
【技术保护点】
1.一种基于飞行数据的配送无人机异常检测和处理方法，其特征在于，方法包括：
2.根据权利要求1所述的基于飞行数据的配送无人机异常检测和处理方法，其特征在于，步骤S1中，无人机的飞行数据包括：定位数据、移动速度、运行数据，其中定位数据包括经度、纬度、高度，移动速度包括x、y、z轴，俯仰角速度，运行数据包括电量、重量；
3.根据权利要求1所述的基于飞行数据的配送无人机异常检测和处理方法，其特征在于，步骤S2的标准化处理进一步包括：
4.根据权利要求1所述的基于飞行数据的配送无人机异常检测和处理方法，其特征在于，步骤S3进一步包括：
5.根据权利要求4所述的基于飞行数据的配送无人机异常检测和处理方法，其特征在于，在步骤S3中，自适应机制调节反向传播时的输入，以提高整体特征提取的准确率和速度，包括：
6.根据权利要求1所述的基于飞行数据的配送无人机异常检测和处理方法，其特征在于，步骤S4进一步包括：
7.根据权利要求1所述的基于飞行数据的配送无人机异常检测和处理方法，其特征在于，步骤S5是采用四分法的方式构造二叉树，
8.根据权利要求1所述的基于飞行数据的配送无人机异常检测和处理方法，其特征在于，步骤S6包括以下步骤：
...【技术特征摘要】
1.一种基于飞行数据的配送无人机异常检测和处理方法，其特征在于，方法包括：
2.根据权利要求1所述的基于飞行数据的配送无人机异常检测和处理方法，其特征在于，步骤s1中，无人机的飞行数据包括：定位数据、移动速度、运行数据，其中定位数据包括经度、纬度、高度，移动速度包括x、y、z轴，俯仰角速度，运行数据包括电量、重量；
3.根据权利要求1所述的基于飞行数据的配送无人机异常检测和处理方法，其特征在于，步骤s2的标准化处理进一步包括：
4.根据权利要求1所述的基于飞行数据的配送无人机异常检测和处理方法，其特征在于，步骤s3进...
【专利技术属性】
技术研发人员：洪一玮，易超，南江龙，黄振东，张海霞，宋研，
申请(专利权)人：圆通速递有限公司，
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。